AIは試合を見なくても才能を見分けられる？

世界中で毎日のようにサッカーの試合が行われ、「早く見なきゃ」「また見れなかった」という妙なプレッシャーを感じることはないでしょうか。

 プロのスカウトにも、同じ悩みがあるようです。 

ライバルクラブを出し抜いて掘り出し物を見つけようと思ったら、マニアックな国のリーグを見る必要がある。自国の２部やU19も当然ながらチェックしなければならない。 

スタッフ十数人で分担しても、とてもチェックし切れません。だからこそ小さなクラブがビッグクラブを出し抜く、一発逆転のチャンスがあるとも言えるのですが。 

そんな課題を解決するために、ある分析会社が新しい手法を開発しました。

 その会社とは「SciSports」。AIを使ってデパイにリヨン移籍をアドバイスしたあの会社です（前回の投稿を参照）。

 サッカー界ではいかに細かいデータを取るかの競争になっていますが、「SciSports」はあえて発想を逆転します。試合中のプレーは一切追わず、シンプルな基本データのみに注目したらどうかと考えたのです。

基本データとは次の６つです。 

・先発メンバー（ポジション情報含む） 

・ベンチメンバー 

・試合のタイプ（リーグ戦、カップ戦、国際試合など） 

・そのコンペティションのレベル 

・スコア 

・出場分数 

彼らはこれらのデータだけで選手の能力値（SciSkill）を導けると仮定し、過去のデータから機械学習を行い、独自のモデルを構築しました。 

彼らのモデルにおいて、各選手の能力値（SciSkill）は次のように計算されます。 

（写真：SciSportsの公式ページより）

1) 試合のメンバーが発表されたら、両チームの選手の能力値（SciSkill）をもとに試合結果を予測。

 2) 試合後、実際のスコアと予測との差をもとに、両チームの選手に攻撃ポイントと守備ポイントを（ポジションを考慮して）分配し、各選手の能力値（SciSkill）を更新する。 

たとえばAとBが対戦したとしましょう。モデルの予測が２対１で実際は３対１だったら、Aの出場選手の攻撃ポイントを加点し、Bの出場選手の守備ポイントを減点。それをもとに最新のSciSkillを導き出します。 

上に書いたように、選手がどんなプレーをしたかは一切考慮されていません。大雑把に言えば、「誰が先発で、何分出たか」しか見ません。 にもかかわらず、このモデルはブックメーカーの予測より試合結果を当てられるというのです。つまりはモデルで計算された能力値（SciSkill）はアテになる——というのが同社のロジックです。

 すでに多くのクラブが導入しており、リヨン、アヤックス、バーゼル、フランクフルト、ボルフスブルク、パーダーボーンなど50クラブが使っています。 

スカウトたちは今までのように自分が担当するリーグを見つつ、同時に「SciSkill」が高い選手がいたら追加で映像をチェックする、という使い方をしているようです。「無駄撃ち」を減らすのに役立てているわけです。

 同社は多くのリーグで選手の能力値（SciSkill）を集めて機械学習を行い、「選手が将来どんな成長曲線を描くか」を予測することにも挑戦し始めました。 

（写真：SciSportsの公式ページより）

この選手はこれだけ伸びて、何歳にピークが来る——ということが予測できると。

 数年後、サッカーの評価法が激変している・・・かも。