Spor Bilimlerinde Yapay Zekâ
Özet
Bu çalışma; insanlığın ilk dönemlerindeki hayatta kalma ve savunma mücadelelerinden günümüzün rekabetçi, eğitici ve toplumsal bir aracına dönüşen spor kavramını, çok disiplinli bir saha olan spor bilimlerini ve yapay zekâ teknolojilerinin bu alandaki geniş kapsamlı uygulamalarını incelemektedir. Yapay zekâ; insana özgü anlama, algılama, öğrenme ve problem çözme gibi üst düzey bilişsel fonksiyonları makineler aracılığıyla taklit ederek bireysel ve toplumsal refahı artırmayı amaçlayan sistemler bütünüdür. Sporda kullanılan başlıca yapay zekâ yöntemleri; Makine Öğrenmesi, Uzman Sistemler, Yapay Sinir Ağları, Görüntü İşleme, Doğal Dil İşleme ve Genetik Algoritmalar olarak sıralanmaktadır. Spor bilimlerinde yapay zekâ uygulamaları; biyomekanik ve yürüyüş analizlerinden sporcular için kişiselleştirilmiş antrenman planları oluşturan yapay antrenörlere, Bayes yaklaşımları ile oyuncu yetenek tespiti ve maç sonucu tahminlerinden Formula 1 yarışlarındaki pit-stop ve lastik stratejilerine kadar uzanmaktadır. Bunun yanı sıra, tenis oyuncularına yönelik raket tavsiye sistemleri, jimnastik müsabakalarında 3D lazer sensörlerle yapılan objektif puanlama sistemleri ve spor organizasyonlarında izleyici tercihlerini analiz eden veri odaklı ekonomik modellemeler de öne çıkmaktadır. Sonuç olarak, spor branşı fark etmeksizin yapay zekâ yöntemlerinin antrenman ve müsabaka analizlerine entegre edilmesi, spor bilimlerinin geleceği ve alanın zenginleşmesi açısından kritik bir önem taşımaktadır.
This study examines the concept of sports, which has evolved from early human struggles for survival and defense into a competitive, educational, and social tool of today; sports science as a multidisciplinary field; and the extensive applications of artificial intelligence (AI) technologies in this domain. AI is a system that aims to enhance individual and societal welfare by imitating high-level cognitive functions such as human understanding, perception, learning, and problem-solving through machines. The main AI methods used in sports are Machine Learning, Expert Systems, Artificial Neural Networks, Image Processing, Natural Language Processing, and Genetic Algorithms. AI applications in sports science range from biomechanics and gait analysis to artificial coaches generating personalized training plans for athletes, from player talent identification and match result predictions using Bayesian approaches to pit-stop and tire strategies in Formula 1 racing. Additionally, racket recommendation systems for tennis players, objective scoring systems using 3D laser sensors in gymnastics competitions, and data-driven economic modeling analyzing audience preferences in sports organizations stand out. In conclusion, integrating AI methods into training and competition analysis, regardless of the sports branch, holds critical importance for the future of sports science and the enrichment of the field.
Referanslar
Akgöbek Ö. ve Çakır F. (2009). Veri Madenciliğinde Bir Uzman Sistem Tasarımı, Harran Üniversitesi Akademik Bilişim Dergisi, 803.
Anderson, J. A. (1995). An introduction to Neural Networks. Cambridge, MA: MIT Press.
Atiković, A., Kamenjašević, E., Nožinović, M. A., Užičanin, E., Tabaković, M., and Curić, M. (2020). Differences between all-around results in women's artistic gymnastics and ways of minimizing them. Balt. J. Health Phys. Act. 12, 80–91. doi: 10.29359/BJHPA.12.3.08
Avuçlu, E. (2019). Yapay Zekâ ve Görüntü İşleme Teknikleri Kullanarak Diş Röntgen Görüntülerinden Kronolojik Yaş Tayini, Doktora Tezi, T.C Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
Aydın, A. (2011). Acil Servis Triajında Yapay Zekâ Yöntemlerinin Güvenilirliği. Uzmanlık Tezi. Akdeniz Üniversitesi Tıp Fakültesi Acil Tıp Anabilim Dalı, Antalya.
Aydın, Ş.E. (2017). İşletme ve Teknoloji Yönetimi Yüksek Lisans Programı, Yüksek Lisans Dönem Projesi, T.C. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü, Adana.
Bağırgan, T. (1992). Spor bilimlerinde beden eğitimi ve spor ikilemi. Spor Bilimleri II. Ulusal Kongresi, Ankara.
Bartlett, R. (2006). Artificial intelligence in sports biomechanics: new dawn or false hope? J. Sports Sci. Med. 5, 474–479.
Beal, R., Norman, T. J., and Ramchurn, S. D. (2019). Artificial intelligence for team sports: a survey. Knowl. Eng. Rev. 34. doi: 10.1017/S0269888919000225
Berri, D. J., Schmidt, M. B., and Brook, S. L. (2004). Stars at the gate: the impact of star power on NBA gate revenues. J. Sports Econom. 5, 33–50. doi: 10.1177/1527002503254051
Brandes, L., Franck, E., and Nuesch, S. (2008). Local heroes and superstars: an empirical analysis of star attraction in German soccer. J. Sports Econom. 9, 266–286. doi: 10.1177/1527002507302026
Chmait, N. (2017). Understanding and measuring collective intelligence across different cognitive systems: an information-theoretic approach. in IJCAI (Melbourne), 5171–5172.
Chmait, N., Robertson, S., Westerbeek, H., Eime, R., Sellitto, C., and Reid, M. (2020a). Tennis superstars: the relationship between star status and demand for tickets. Sport Manag. Rev. 23, 330–347. doi: 10.1016/j.smr.2019.03.006
Chmait, N., Westerbeek, H., Eime, R., Robertson, S., Sellitto, C., and Reid, M. (2020b). Tennis influencers: the player effect on social media engagement and demand for tournament attendance. Telemat Inform. 50:101381. doi: 10.1016/j.tele.2020.101381
Civelekoğlu, G. (2006). Arıtma Proseslerinin Yapay Zekâ ve Çoklu İstatistiksel Yöntemler ile Modellenmesi, Doktora Tezi, T.C. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü, Isparta.
Coates, D., and Humphreys, B. R. (2012). Game attendance and outcome uncertainty in the National Hockey League. J. Sports Econom. 13, 364–377. doi: 10.1177/1527002512450260
Deneyap Türkiye (2022). Yapay Zeka Eğitimi. (11/02/2022 tarihinde https://www.deneyapturkiye.org/egitim-YAPAY-ZEKA-19.html adresinden ulaşılmıştır.)
Dilek, G.Ö. (2019). Yapay Zekânın Etik Gerçekliği, Anadolu Üniversitesi Sosyal Bilimler Dergisi, 2(4): 47-59.
Fişek K. Devlet Politikası ve Toplumsal Yapıyla İlişkileri Açısından Spor Yönetimi, AÜ Siyasal Bilgiler Fakültesi Yayınları, 1980, 8: 350.
Fışek, H. Nusret, Halk Sağlığına Giriş, Ankara, Çağ Matbaası, 1985
Fister Jr, I., Ljubič, K., Suganthan, P. N., Perc, M., and Fister, I. (2015). Computational intelligence in sports: challenges and opportunities within a new research domain. Appl. Math. Comput. 262, 178–186. doi: 10.1016/j.amc.2015.04.004
Ghosh, J. K., Delampady, M., and Samanta, T. (2007). An Introduction to Bayesian Analysis: Theory and Methods. Berlin: Springer Science and Business Media.
Gödelek, K. (2011). Zihin Felsefesi (2.Baskı). Eskişehir; Anadolu Üniversitesi Yayını.
Gönenç S.A. & Arslan, S. (2004). Yapay Zekâ Araştırmaları ve Biomimesis Kavramlarının Günümüzde Mimarlık Alanındaki Uygulamaları: Akıllı Mekanlar.
Jane, W.-J. (2016). The effect of star quality on attendance demand: the case of the National Basketball Association. J. Sports Econom. 17, 396–417. doi: 10.1177/1527002514530405
Jewell, R. T. (2017). The effect of marquee players on sports demand: the case of US Major League Soccer. J. Sports Econom. 18, 239–252. doi: 10.1177/1527002514567922
Karabiber, 2009, Analog Hücresel Sinir Ağı İşlemcisi Kullanarak Gerçek Zamanlı Görüntü İşleme Uygulamaları, Doktora Tez, İstanbul Üniversitesi
Karakoç, (2012). Görüntü İşleme, Teknolojiler ve Uygulamaları, Ege Üniversitesi.
Konjer, M., Meier, H. E., & Wedeking, K. (2017). Consumer demand for telecasts of tennis matches in Germany. J. Sports Econom. 18, 351–375. doi: 10.1177/1527002515577882
Krause, L. (2019). Exploring the influence of practice design on the development of tennis players (Doctoral dissertation). Victoria University, Footscray, VIC, Australia.
Lapham, A. C., & Bartlett, R. M. (1995). The use of artificial intelligence in the analysis of sports performance: a review of applications in human gait analysis and future directions for sports biomechanics. J. Sports Sci. 13, 229–237. doi: 10.1080/02640419508732232
Lenten, L. J. (2012). Comparing attendances and memberships in the Australian Football League: the case of hawthorn. Econ Labour Relat. Rev. 23, 23–38. doi: 10.1177/103530461202300203
Lewis, M. (2004). Moneyball: The Art of Winning an Unfair Game. New York, NY: WW Norton and Company.
McCabe, A., & Trevathan, J. (2008). Artificial intelligence in sports prediction. in Fifth International Conference on Information Technology: New Generations (IEEE: Las Vegas, NV), 1194–1197. doi: 10.1109/ITNG.2008.203
Nadikattu, R. R. (2020). Implementation of new ways of artificial intelligence in sports. J. Xidian Univ. 14, 5983–5997. doi: 10.2139/ssrn.3620017
Novatchkov, H., and Baca, A. (2013). Artificial intelligence in sports on the example of weight training. J. Sports Sci. Med. 12, 27–37.
Ormiston, R. (2014). Attendance effects of star pitchers in major league baseball. J. Sports Econom. 15, 338–364. doi: 10.1177/1527002512461155
Özbaydar S. İnsan Davranışının Sınırları ve Spor Psikolojisi, Ankara, Altın Kitaplar Yayınevi, 1983: 31.
Öztemel, E. (2012). Yapay Sinir Ağlari. Papatya Yayincilik, Istanbul.
Paton, D., and Cooke, A. (2005). Attendance at county cricket: an economic analysis. J. Sports Econom. 6, 24–45. doi: 10.1177/1527002503261487
Perendeci A., 2004. Şeker Fabrikası Anaerobik Atıksu Arıtım Sisteminin Kararlı Olmayan Kosullarda Modellenmesi Çalısmaları. Doktora Tezi. Hacettepe Üniversitesi Çevre Mühendisligi Bölümü, Ankara.
Piccinotti, D. (2021). Open Loop Planning for Formula 1 Race Strategy Identification. Menlo Park, CA: Association for the Advancement of Artificial Intelligence.
Ratiu, O. G., Badau, D., Carstea, C. G., Badau, A., and Paraschiv, F. (2010). Artificial intelligence (AI) in sports, in Proceedings of the 9th WSEAS International Conference on Artificial Intelligence, Knowledge Engineering, and Data Bases (Cambridge, UK), 93–97.
Rodoplu, D. (2006). Bilgi Yönetim Projeleri Uygulamalarındaki Teknolojik Değişimlere Karşı Çalışan Direncinin Ölçümü Kocaeli Üniversitesi Tıp Fakültesi ve Anadolu Sağlık Merkezinde Bir Uygulama, Doktora Tezi, T.C. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü, Kocaeli.
Russel, S ve Norvig, P. (1995). Artificial Intelligence A Modern Approach, Prentice Hall.
Whitaker, G. A., Silva, R., Edwards, D., & Kosmidis, I. (2021). A Bayesian approach for determining player abilities in football. J. R. Stat. Soc. Series C 70, 174–201. doi: 10.1111/rssc.12454
Winstanley, G. (1991). Artificial Intelligence in Engineering, New York,1991.
Yang, T. Y., and Swartz, T. (2004). A two-stage Bayesian model for predicting winners in major league baseball. J. Data Sci. 2, 61–73. doi: 10.6339/JDS.2004.02(1).142
