Πιθανοί σκόρερ: πώς η τεχνητή νοημοσύνη εκτιμά την πιθανότητα να σκοράρει ένας παίκτης

Joueur face au but dans un stade éclairé

Πώς εκτιμά η τεχνητή νοημοσύνη τους πιθανούς σκόρερ ενός αγώνα; Δεν υποδεικνύει τον παίκτη που θα σκοράρει: εκτιμά, για κάθε παίκτη, την πιθανότητα να βάλει τουλάχιστον ένα γκολ. Η πιθανότητα αυτή στηρίζεται σε λίγους μετρήσιμους παράγοντες, από τον αναμενόμενο χρόνο συμμετοχής έως τα αναμενόμενα γκολ (xG), και σχεδόν πάντα μένει κάτω από μία στις δύο, ακόμη και για τους καλύτερους επιθετικούς.

Ούτε οι καλύτεροι σκόρερ σκοράρουν σε κάθε αγώνα

Ένα πραγματικό μέτρο σύγκρισης βοηθά να ρυθμίσουμε τις προσδοκίες. Τη σεζόν 2025-2026 της Premier League, ο Έρλινγκ Χάαλαντ (Μάντσεστερ Σίτι) αναδείχθηκε πρώτος σκόρερ του πρωταθλήματος με 27 γκολ σε 35 συμμετοχές. Κι όμως, τα 27 γκολ ήρθαν σε μόλις 20 αγώνες: σκόραρε περίπου στο 57% των αγώνων του στο πρωτάθλημα και έμεινε άσκοπος στους υπόλοιπους 15. Για έναν λιγότερο παραγωγικό παίκτη, η πιθανότητα να σκοράρει σε έναν αγώνα είναι αισθητά χαμηλότερη.

Οι παράγοντες που μετράνε

1. Ο αναμενόμενος χρόνος συμμετοχής

Ένας παίκτης μπορεί να σκοράρει μόνο όταν βρίσκεται στο γήπεδο. Ένας βασικός που αγωνίζεται 90 λεπτά δεν έχει την ίδια πιθανότητα με έναν αλλαγή που μπαίνει στο 70', ακόμη κι αν είναι εξίσου αποτελεσματικοί ανά λεπτό. Γι' αυτό τα στατιστικά εκφράζονται ανά 90 λεπτά και μετά προσαρμόζονται στα λεπτά που αναμένεται να παίξει ο παίκτης στον συγκεκριμένο αγώνα.

2. Τα σουτ και τα αναμενόμενα γκολ (xG) ανά 90 λεπτά

Το xG μετρά την ποιότητα των ευκαιριών. Σύμφωνα με την Opta, κάθε σουτ παίρνει μια τιμή από 0 έως 1, που εκτιμάται από σχεδόν ένα εκατομμύριο σουτ με βάση την απόσταση, τη γωνία, το είδος της προσπάθειας και την αμυντική πίεση. Το xG ανά 90 λεπτά ενός παίκτη συνοψίζει τον όγκο των σουτ του και την ποιότητα των ευκαιριών του. Είναι πιο σταθερό από τον αριθμό των γκολ, που επηρεάζεται έντονα από περιόδους καλής ή κακής εκτέλεσης. Ο οδηγός μας για τα αναμενόμενα γκολ (xG) εξηγεί αναλυτικά αυτόν τον δείκτη.

3. Τα πέναλτι

Ο ορισμένος εκτελεστής πέναλτι μιας ομάδας έχει μια επιπλέον πηγή γκολ. Η Opta δίνει σε ένα πέναλτι σταθερή τιμή 0,79 xG, που αντανακλά το ιστορικό ποσοστό επιτυχίας του. Το πλεονέκτημα αυτό είναι μέτριο κατά μέσο όρο, αφού μια ομάδα δεν παίρνει πέναλτι σε κάθε αγώνα.

4. Ο ρόλος και η θέση

Ένας κεντρικός επιθετικός που λειτουργεί ως τελικός αποδέκτης δεν έχει το ίδιο προφίλ με έναν μέσο που είναι επιφορτισμένος με το χτίσιμο του παιχνιδιού. Η θέση του στον συγκεκριμένο αγώνα, και μια πιθανή αλλαγή συστήματος, επηρεάζουν άμεσα τον αριθμό των αναμενόμενων ευκαιριών.

5. Ο αντίπαλος και το πλαίσιο

Μια άμυνα που επιτρέπει πολλές ευκαιρίες αυξάνει τα αναμενόμενα γκολ ολόκληρης της αντίπαλης ομάδας, άρα και των επιθετικών της.

6. Η φόρμα και οι απουσίες

Η πρόσφατη φόρμα δείχνει κάτι για την αυτοπεποίθηση και τον ρόλο του παίκτη, όμως λίγοι αγώνες αποτελούν εύθραυστο δείγμα. Οι απουσίες λειτουργούν προς δύο κατευθύνσεις: ένας τραυματίας ή τιμωρημένος παίκτης δεν μπορεί να σκοράρει, και η απουσία ενός συμπαίκτη μπορεί να αναδιανείμει τις ευκαιρίες και τα πέναλτι.

Αριθμητικό παράδειγμα με την κατανομή Poisson (φανταστικές τιμές)

Τα γκολ ενός παίκτη είναι σπάνια γεγονότα. Αν λ είναι ο αριθμός γκολ που αναμένεται να πετύχει στον αγώνα, η κατανομή Poisson δίνει την πιθανότητα να μη σκοράρει καθόλου: e^(−λ), με e ≈ 2,718. Η πιθανότητα να σκοράρει τουλάχιστον μία φορά είναι επομένως:

P(τουλάχιστον 1 γκολ) = 1 − e^(−λ)

Ας πάρουμε έναν φανταστικό επιθετικό:

xG χωρίς τα πέναλτι: 0,45 ανά 90 λεπτά·
αναμενόμενος χρόνος συμμετοχής: 80 λεπτά, δηλαδή 0,45 × 80 / 90 = 0,40 xG·
εκτελεί τα πέναλτι, και υποθέτουμε ότι η ομάδα του παίρνει ένα στο 10% των αγώνων: 0,10 × 0,79 ≈ 0,08 επιπλέον xG·
σύνολο: λ ≈ 0,40 + 0,08 = 0,48.

Υπολογισμός: e^(−0,48) ≈ 0,619, άρα P(τουλάχιστον 1 γκολ) ≈ 1 − 0,619 = 0,381, δηλαδή περίπου 38%. Ο ίδιος υπολογισμός σε άλλα σενάρια:

Σενάριο	λ	P(τουλάχιστον 1 γκολ)
80 λεπτά, χωρίς πέναλτι	0,40	1 − 0,670 ≈ 33%
80 λεπτά, με τα πέναλτι	0,48	1 − 0,619 ≈ 38%
Μπαίνει ως αλλαγή για 30 λεπτά, χωρίς πέναλτι	0,15	1 − 0,861 ≈ 14%
Πολύ ανοιχτός αντίπαλος (0,60 xG ανά 90'), 80 λεπτά, με τα πέναλτι	0,61	1 − 0,543 ≈ 46%

Τρία συμπεράσματα. Ακόμη και στο πιο ευνοϊκό σενάριο, ο παίκτης έχει λιγότερο από μία στις δύο πιθανότητες να σκοράρει. Ο χρόνος συμμετοχής μετρά όσο και το ταλέντο: 30 λεπτά αντί για 80 μειώνουν την πιθανότητα σε λιγότερο από το μισό. Τέλος, η τάξη μεγέθους συμφωνεί με την πραγματικότητα: με τον μέσο όρο του Χάαλαντ το 2025-2026 (27 γκολ σε 35 αγώνες, περίπου 0,77 ανά αγώνα), ο τύπος δίνει 1 − e^(−0,77) ≈ 54%, κοντά στο 57% των αγώνων στους οποίους πράγματι σκόραρε.

Τα όρια του υπολογισμού

Ο χρόνος συμμετοχής είναι υπόθεση. Οι επίσημες ενδεκάδες ανακοινώνονται λίγο πριν από τη σέντρα.
Η κατανομή Poisson απλοποιεί τον αγώνα. Υποθέτει σταθερό ρυθμό ευκαιριών· μια αποβολή, ένα γρήγορο γκολ ή μια τακτική αλλαγή τα αλλάζουν όλα.
Ένας μεμονωμένος αγώνας ούτε επιβεβαιώνει ούτε διαψεύδει μια πιθανότητα. Με 38%, ο παίκτης δεν θα σκόραρε σε περίπου 6 αγώνες στους 10.

Πώς παρουσιάζει το Prediction AI τους πιθανούς σκόρερ

Το Prediction AI είναι μια πλατφόρμα για προβλεπτική αθλητική ανάλυση με τεχνητή νοημοσύνη. Για κάθε ομάδα ενός ποδοσφαιρικού αγώνα, το εργαλείο αναζητά στο διαδίκτυο τους κορυφαίους σκόρερ και πασέρ της σεζόν σε όλες τις διοργανώσεις: γκολ, ασίστ, αγώνες και διαθεσιμότητα (διαθέσιμος, αμφίβολος ή εκτός).

Στη συνέχεια, το μοντέλο τεχνητής νοημοσύνης προτείνει 2 έως 4 πιθανούς σκόρερ, που μπορούν να σκοράρουν σε οποιοδήποτε σημείο του αγώνα, με σειρά από τον πιο πιθανό στον λιγότερο πιθανό. Κάθε όνομα συνοδεύεται από μια πιθανότητα και μια σύντομη αιτιολόγηση με αριθμητικό στοιχείο. Η εκτίμηση λαμβάνει υπόψη τα πρόσφατα γκολ του παίκτη, αν εκτελεί τα πέναλτι και την αντίπαλη άμυνα. Ένας παίκτης εκτός δεν εμφανίζεται ποτέ· ένας αμφίβολος μπορεί να εμφανιστεί με μειωμένη πιθανότητα, που επισημαίνεται. Οι πιθανότητες οριοθετούνται ώστε να μένουν ρεαλιστικές: ακόμη και ένας κορυφαίος επιθετικός σε εξαιρετική φόρμα σπάνια ξεπερνά το 55%.

Οι πιθανότητες αυτές είναι εκτιμήσεις του μοντέλου τεχνητής νοημοσύνης με βάση αυτά τα στοιχεία, όχι υπολογισμός xG ανά σουτ όπως στο παραπάνω παράδειγμα. Η ανάλυση εμφανίζει επίσης τις πηγές που χρησιμοποιήθηκαν και έναν δείκτη ποιότητας δεδομένων. Διαβάστε επίσης τον οδηγό μας για το ακριβές σκορ. Ανακαλύψτε τα πακέτα του Prediction AI.

Συχνές ερωτήσεις

Ένας πιθανός σκόρερ θα σκοράρει οπωσδήποτε;

Όχι. Ακόμη και μια υψηλή πιθανότητα αφήνει μεγάλο περιθώριο αποτυχίας: με 40%, ο παίκτης δεν θα σκόραρε σε περίπου 6 αγώνες στους 10.

Γιατί μετρά τόσο ο χρόνος συμμετοχής;

Επειδή οι ευκαιρίες συσσωρεύονται με τα λεπτά. Στο παράδειγμα, ο ίδιος παίκτης πέφτει από περίπου 33% στα 80 λεπτά σε περίπου 14% αν παίξει μόνο 30.

Ο πιο πιθανός σκόρερ είναι πάντα ο κεντρικός επιθετικός;

Συχνά, γιατί έχει τις περισσότερες ευκαιρίες και μερικές φορές εκτελεί τα πέναλτι. Όμως ένας επιθετικός μέσος που εκτελεί τα πέναλτι, απέναντι σε μια εύθραυστη άμυνα, μπορεί να τον ξεπεράσει.

Οι πιθανότητες περιγράφουν μια αβεβαιότητα: δεν εξασφαλίζουν κανένα αποτέλεσμα.