الذكاء الاصطناعي يحدد أسوأ 10 صفقات في تاريخ البريميرليغ
تاريخ النشر: 25th, June 2023 GMT
حددت تقنية الذكاء الاصطناعي أسوأ 10 تعاقدات أبرمت في تاريخ الدوري الإنجليزي الممتاز لكرة القدم على الإطلاق.
وذكرت صحيفة "ذا صن" (The Sun) البريطانية أن هذه الاختيارات تمت بناء على مجموعة من المعايير، أبرزها القيمة المالية للصفقة ومدة بقاء اللاعب مع النادي وأرقامه التهديفية، بالإضافة إلى خيبة أمل الجماهير فيه.
Premier League’s worst EVER signings named by artificial intelligence including ex-England star and Arsenal record buyhttps://t.co/WVXj0qYukp
— The Sun Football ⚽ (@TheSunFootball) June 24, 2023
وأبرز هؤلاء اللاعبين هم:
العاجي نيكولاس بيبي: انتقل من ليل إلى أرسنال عام 2019 مقابل 72 مليون جنيه إسترليني (نحو 84 مليون يورو)، ولم يقدم بيبي الإضافة المطلوبة مع فريق شمال لندن حيث سجل 16 هدفا فقط في 112 مباراة، وأعير بعدها إلى نيس الفرنسي. الإنجليزي أندي كارول: وصل إلى ليفربول مقابل 35 مليون جنيه إسترليني (نحو 41 مليون يورو) قادما من نيوكاسل يونايتد، وسجل 6 أهداف فقط في 44 مباراة بالدوري الإنجليزي الممتاز، ثم غادر بعدها إلى وست هام يونايتد مقابل 15 مليون جنيه إسترليني فقط. الإنجليزي داني درينكووتر: في أغسطس/آب 2017 وقّع تشلسي مع درينكووتر مقابل 35 مليون جنيه إسترليني (نحو 41 مليون يورو).وخلال فترة وجوده مع "البلوز" خاض درينكووتر 23 مباراة فقط وسجل هدفا واحدا قبل أن ينتهي عقده صيف عام 2022، لكن اللاعب خرج في تلك الحقبة عدة فترات معارا إلى أندية أخرى.وكان لتشلسي نصيب الأسد من أسوأ الصفقات في تاريخ الدوري الإنجليزي وفق الذكاء الاصطناعي، إذ ضمت القائمة 3 لاعبين آخرين هم فرناندو توريس وونستون بوغارد وتيموي باكايوكو.
الإسباني توريس: وصل إلى ستامفورد بريدج عام 2011 قادما من ليفربول مقابل 58 مليون يورو ليسجل 20 هدفا فقط في 110 مباريات بالدوري الإنجليزي خلال 3 مواسم.???? #OTD in 2012 at Camp Nou…
⚽ Torres sends Chelsea to the final!#UCL | @ChelseaFC | @Torres pic.twitter.com/bS3lUFQqrk
— UEFA Champions League (@ChampionsLeague) April 24, 2019
الهولندي بوغارد: اعترف بنفسه أنه صُدم بعرض تشلسي، حيث تلقى راتبا قدره 40 ألف جنيه إسترليني أسبوعيا عام 2000 وفق "ذا صن".ولعب بوغارد 12 مباراة فقط منذ وصوله إلى تشلسي قادما من برشلونة في 4 مواسم قضاها مع الفريق اللندني في ستافورد بريدج. الفرنسي باكايوكو: انضم إلى تشلسي في صيف 2017 قادما من موناكو مقابل 40 مليون جنيه إسترليني (46.5 مليون يورو)، ولم يمكث طويلا، إذ خرج على سبيل الإعارة إلى عدة أندية، قبل ان يتفق مع "البلوز" على إنهاء العقد بينهما في الأيام الماضية، ولعب باكايوكو 29 مباراة في الدوري الإنجليزي و43 في المجمل.ومن ضمن الصفقات الأسوأ وفق الذكاء الاصطناعي عودة بوغبا إلى مانشستر يونايتد في صيف عام 2016 قادما من يوفنتوس مقابل 105 ملايين يورو، ثم غادر مجانا صيف عام 2022.
*Spine-tingling*#OnThisDay last year… #MUFC pic.twitter.com/fREEcIpgkW
— Manchester United (@ManUtd) April 7, 2019
ووُجد في القائمة أيضا لاعبان من أميركا اللاتينية هما التشيلي أليكسيس سانشيز والأرجنتيني خوان سيباستيان فيرون اللذان تعاقد معهما مانشستر يونايتد.
وانضم سانشيز إلى يونايتد عام 2014 قادما من أرسنال، وظهر في مستوى متواضع، إذ اكتفى بتسجيل 5 أهداف فقط خلال 45 مباراة.
أما فيرون فكان نجما لا يشق له غبار في الدوري الإيطالي مع سامبدوريا وبارما ولاتسيو، ليخطفه مانشستر يونايتد عام 2001، لكنه فشل في ترك أي بصمة مع الفريق وخاض 85 مباراة معه سجل فيها 11 هدفا ثم رحل إلى تشلسي في تجربة فاشلة أيضا ليعود بعدها إلى الأرجنتين حتى اعتزاله.
أما الصفقة الأسوأ فكانت تعاقد ساوثهامبتون مع علي ضياء الذي نجح في إقناع النادي الإنجليزي بأنه ابن عم النجم الليبيري والرئيس الحالي للبلاد جورج ويا، فيما اعتبرته الصحافة وقتها أكبر كذبة في تاريخ الدوري الإنجليزي.
وطرد النادي اللاعب بعد 14 يوما من توقيع العقد بعدما لعب مباراة واحدة فقط وكان فيها بديلا.
المصدر: الجزيرة
إقرأ أيضاً:
الذكاء الاصطناعي يوجه المسيّرات رغم العوائق الطبيعية
في مهمة لإطفاء حرائق الغابات في سلسلة جبال سييرا نيفادا، قد تجد طائرة مسيّرة ذاتية التحكم نفسها تواجه رياح «سانتا آنا» العاتية التي تهدد بإخراجها عن مسارها. التكيف السريع مع مثل هذه التقلبات الجوية غير المتوقعة أثناء الطيران يمثل تحديًا هائلًا لأنظمة التحكم في وضع الطيران الخاصة بهذه الطائرات.
ولمواجهة مثل هذه التحديات، طوّر باحثون في معهد ماساتشوستس للتكنولوجيا «MIT» خوارزمية تحكم تفاعلي جديدة تعتمد على تقنيات تعلّم الآلة، قادرة على تقليل انحراف الطائرة عن مسارها المحدد حتى في مواجهة عوائق مفاجئة مثل هبوب الرياح.
وعلى عكس الطرق التقليدية، لا تتطلب هذه التقنية من المبرمج أن يكون على دراية مسبقة ببنية أو نمط هذه الاضطرابات. بدلاً من ذلك، يتعلم نموذج الذكاء الاصطناعي المستخدم في نظام التحكم كل ما يحتاجه من خلال بيانات ملاحظة تُجمع خلال 15 دقيقة فقط من الطيران.
الميزة الأبرز لهذه التقنية تكمن في أنها تحدد تلقائيًا خوارزمية التحسين الأمثل للتكيف مع هذه الاضطرابات، مما يعزز من دقة تتبع المسار. إذ تختار الخوارزمية الأنسب بحسب طبيعة الاضطرابات التي تواجهها الطائرة في كل حالة.
وقد درّب الباحثون نظامهم على تنفيذ هذين الأمرين معًا، التكيّف وتحديد الخوارزمية باستخدام تقنية تُعرف باسم التعلم الفوقي «meta-learning»، والتي تُعلّم النظام كيفية التكيّف مع أنواع مختلفة من الاضطرابات.
النتائج جاءت واعدة، إذ سجل النظام الجديد نسبة خطأ في تتبع المسار أقل بنسبة 50% مقارنة بالطرق التقليدية، سواء في المحاكاة أو في الظروف الحقيقية، كما أثبت كفاءته في التعامل مع سرعات رياح لم يسبق له مواجهتها أثناء التدريب.
يأمل الباحثون أن يُسهم هذا النظام مستقبلاً في تحسين كفاءة الطائرات المسيّرة في توصيل الطرود الثقيلة رغم الرياح القوية، أو في مراقبة المناطق المعرضة للحرائق في المحميات الطبيعية.
يقول نافيد عزيزيان، الأستاذ المساعد في قسم الهندسة الميكانيكية ومعهد البيانات والنظم والمجتمع «IDSS» بمعهد «MIT»، والباحث الرئيسي للدراسة: «قوة طريقتنا تكمن في التعلم المتزامن لمكونات النظام. من خلال الاستفادة من التعلم الفوقي، يتمكن نظامنا من اتخاذ قرارات تلقائية تحقق أفضل تكيف ممكن في وقت قصير».
شارك عزيزيان في إعداد الورقة البحثية كل من سونبوتشين تانغ، طالب دراسات عليا في قسم الطيران والفضاء، وهاويان صن، طالب دراسات عليا في قسم الهندسة الكهربائية وعلوم الحاسوب. وقد عُرض البحث مؤخراً في مؤتمر «التعلم للديناميكيات والتحكم»
التعلم على التكيف
تتغير سرعات الرياح التي قد تواجهها الطائرة في كل رحلة، لكن من المفترض أن تبقى الشبكة العصبية ودالة الانحدار المستخدمة ثابتتين، لتجنّب إعادة التدريب في كل مرة.
لتحقيق هذه المرونة، اعتمد الباحثون على التعلم الفوقي، ودربوا النظام على مجموعة من سيناريوهات الرياح المختلفة أثناء مرحلة التدريب.
يوضح تانغ: «الهدف ليس فقط أن يتكيف النظام، بل أن يتعلم كيف يتعلم. عبر التعلم الفوقي، يمكننا إنشاء تمثيل مشترك من بيانات متعددة السيناريوهات بسرعة وكفاءة».
في التطبيق العملي، يقوم المستخدم بتغذية نظام التحكم بمسار الطيران المطلوب، ويقوم النظام بحساب قوة الدفع اللازم في الزمن الحقيقي لإبقاء الطائرة على المسار رغم أي اضطرابات جوية.
وقد أثبت النظام كفاءته سواء في المحاكاة أو في اختبارات حقيقية، حيث تفوق على جميع الطرق التقليدية في تتبع المسار، حتى في الظروف الجوية القاسية.
يضيف عزيزيان: «حتى عندما تجاوزت قوة الرياح مستويات لم نشهدها في التدريب، أثبتت تقنيتنا قدرتها على التعامل معها بكفاءة».
واللافت أن تفوق النظام على الطرق الأخرى ازداد كلما زادت شدة الرياح، مما يدل على قدرته على التكيف مع البيئات الصعبة.
ويجري الفريق الآن تجارب ميدانية على طائرات مسيّرة حقيقية لاختبار النظام في مواجهة ظروف جوية متنوعة.
كما يسعى الفريق لتوسيع قدرات النظام ليتعامل مع اضطرابات متعددة المصادر في وقت واحد. فعلى سبيل المثال، تغير سرعة الرياح قد يغيّر من توزيع وزن الحمولة أثناء الطيران، خصوصاً عند حمل مواد سائلة.
كما يطمح الباحثون إلى تطوير خاصية التعلم المستمر، بحيث يتمكن النظام من التكيف مع اضطرابات جديدة دون الحاجة إلى إعادة تدريبه على البيانات السابقة.
وفي تعليق على البحث، قال بروفيسور باباك حسّیبي من معهد كاليفورنيا للتكنولوجيا «Caltech»، والذي لم يشارك في المشروع: «نجح نافيد وزملاؤه في الجمع بين التعلم الفوقي والتحكم التكيفي التقليدي، لتعلم الخصائص غير الخطية من البيانات. واستخدامهم لخوارزميات الانحدار المرآتي مكّنهم من استغلال البنية الجيومترية الكامنة للمشكلة بشكل لم تفعله الطرق السابقة. وهذا العمل قد يساهم بشكل كبير في تصميم أنظمة ذاتية التشغيل تعمل بكفاءة في بيئات معقدة وغير مؤكدة».
وقد حصل هذا البحث على دعم من عدة جهات، منها شركة «MathWorks»، ومختبر «MIT-IBM Watson» للذكاء الاصطناعي، ومركز «MIT-Amazon» للعلوم، وبرنامج «MIT-Google» للابتكار في الحوسبة.
الدفاع المدني بميسان يخمد حريقًا في أشجار وأعشاب في جبل بثرة