هل يمكن للذكاء الاصطناعي توقع نجم NBA القادم؟

همسة المُقيِّم

في يوم من الأيام، قضيت أسابيع في تحسين نموذج تنبؤ بنتائج الدوري الإنجليزي باستخدام أنماط حركة اللاعبين وتحديد مواقع الدفاع. كان النموذج فعّالاً… حتى فشل. لأن البيانات لا تلتقط كل شيء. خذ مقابلة ديفيد ألدريدج مع مُقيِّم مجهول عن كارتر-براينت: ‘لقد كانت تسديدته سلسة’، قالوا. ليس دراماتيكياً، ولا انفجاراً. فقط… صحيحة.

هذه ليست خطوة إحصائية. هذه حكم بشري.

ما وراء الأرقام

كارتر-براينت ليس مرشحاً نموذجياً للدور الأول — لا دunks مذهلة، ولا تمريرات شهيرة على الإنترنت. لكن ما يفعله جيداً: يتصرف في الفراغات، ويستغل الفرص المفتوحة، ويدافع وكأنه يشاهد الأفلام بشكل منتظم.

في عملي مع شركات تحليل رياضي، كنا نتجاهل اللاعبين الهادئين — حتى أدركنا أن الثبات يتفوق على الضوضاء دائمًا.

لغز التصنيف العاشر

تتوقع ESPN وضعه في المرتبة العاشرة مع Rockets — ليس لأنه يُضيء جداول الإحصائيات، بل لأنه يناسب قالباً: مُطلق ثلاثيات فعّال + دفاع متعدد المهارات = لاعب دوران منخفض الخطورة.

لكن هل يجب أن نثق بذلك؟ أم أننا نسلم قرارنا لنظم لا تزال تعاني من التحديات في قياس الصفات غير القابلة للقياس؟

البيانات مقابل البصر البشري: صراع لا يمكن التغلب عليه

بالطبع، الأرقام مهمة — خاصة في تقييم الدراфт الحديث حيث تتطلب الفرق عائد استثمار على اختيارها. لكنني رأيت كثيراً من النماذج الفاشلة عندما تحاول قياس ‘ذكاء كرة السلة’ أو ‘الوعي الهجومي’.

المُقيِّم يرى ما يفوتها مجموعة بيانات: وضعية اللاعب تحت الضغط، خطواته أثناء الهجمات السريعة، وحتى طريقة التواصل الصامت على الدفاع.

قد لا يصل كارتر-براينت إلى نسبة 60% من ثلاثيات بعد… لكن تحركاته دون мяч؟ تلك هي الذهب في بيئة NBA الحالية.

لماذا هذا مهم الآن أكثر من أي وقت مضى؟

نحن في عصر تتبنى فيه أدوات الذكاء الاصطناعي التنبؤ بكل شيء — من نتيجة المباراة إلى مسارات تنمية اللاعبين. لكن اسمحوا لي أن أوضح: البيانات لن تخون… ولكن الناس الذين يفسرونها سيختنقون أحياناً.

وهذا بالضبط هو السبب الذي يجعلني أسأل باستمرار: متى سنوقف اعتبار المعاينة مجرد حساب… ونبدأ برؤيتها كفنٍ حقيقي؟ اللاعبون الأكثر هدوءاً غالبًا ما يكونون الأكثر قيمة — ليس بسبب الإحصائيات وحدَها، بل لأنهم يفهمون وتيرة اللعب أفضل من أي شخص آخر.