पेसक बेन्सन द्वारा • 7 जून, 2026
यरुशलम, 7 जून, 2026 (टीपीएस-आईएल) — गुरुवार को 2026 विश्व कप की शुरुआत होने वाली है, ऐसे में इज़राइली शोधकर्ता चेतावनी दे रहे हैं कि एक शांत तकनीकी बदलाव पहले से ही फुटबॉल के भविष्य को नया आकार दे रहा है: कृत्रिम बुद्धिमत्ता (AI) प्रणालियों का तेजी से बच्चों की एथलेटिक क्षमता को रैंक करने, विश्लेषण करने और भविष्यवाणी करने के लिए उपयोग किया जा रहा है।
एक इज़राइली अध्ययन में जांच की गई कि कैसे AI प्रदर्शन विश्लेषण से आगे बढ़कर बचपन से ही मानव क्षमता के बारे में दीर्घकालिक निर्णय लेने में भूमिका निभा रहा है। सहकर्मी-समीक्षित पत्रिका, ‘बिग डेटा एंड कॉग्निटिव कंप्यूटिंग’ में प्रकाशित निष्कर्षों में चेतावनी दी गई है कि जैसे-जैसे एल्गोरिदम युवा प्रदर्शन डेटा को तेजी से संसाधित करेंगे, वे न केवल प्रतिभा का अधिक कुशलता से मूल्यांकन कर सकते हैं, बल्कि इसे समय से पहले परिभाषित भी करना शुरू कर सकते हैं – संभावित रूप से पूर्वाग्रह को एम्बेड कर सकते हैं और खिलाड़ियों के पेशेवर स्तर तक पहुंचने से बहुत पहले अवसरों को सीमित कर सकते हैं।
टूर्नामेंट से पहले, फीफा ने प्रौद्योगिकी कंपनी लेनोवो के साथ मिलकर फुटबॉल एआई प्रो प्लेटफॉर्म विकसित करने की घोषणा की है, जो लाखों डेटा पॉइंट, वीडियो विश्लेषण, 3डी विज़ुअलाइज़ेशन और मशीन लर्निंग सिमुलेशन पर आधारित सामरिक विश्लेषण और प्रदर्शन मूल्यांकन के लिए एक उन्नत प्रणाली है।
इसी तरह के विकास समानांतर पहलों में हो रहे हैं, जैसे कि ओलंपिक समिति के साथ इंटेल का एआई-आधारित प्रतिभा पहचान प्रणालियों पर सहयोग। जबकि इनमें से कुछ उपकरणों का पहले से ही इज़रायल, जापान और अल सल्वाडोर सहित देशों में परीक्षण या तैनाती की जा रही है, अन्य कार्यान्वयन के शुरुआती चरणों में हैं।
अध्ययन के अनुसार, जिसका नेतृत्व बेन-गुरियन विश्वविद्यालय के प्रोफेसर ओफ़र एज़र और बेयर शेबा के के अकादमिक कॉलेज में डॉ. इल्या मोर्गोलेव ने किया, सबसे महत्वपूर्ण बदलाव केवल बेहतर एनालिटिक्स नहीं है, बल्कि युवा एथलीटों की निरंतर, डेटा-संचालित ट्रैकिंग का उदय है। स्वचालित फ़िल्मेंग सिस्टम, पहनने योग्य सेंसर और स्वयं-रिकॉर्ड किए गए प्रशिक्षण वीडियो अब बच्चों के प्रदर्शन को कैप्चर करने, संग्रहीत करने और समय के साथ विश्लेषण करने की अनुमति देते हैं, जिससे कम उम्र से ही एक स्थायी डिजिटल रिकॉर्ड बनता है।
ओलंपिक खेलों, बास्केटबॉल, बेसबॉल और टेनिस में, एआई का उपयोग तेजी से युवावस्था से ही एथलेटिक प्रतिभा की पहचान और मूल्यांकन के लिए किया जा रहा है। ओलंपिक विकास कार्यक्रम एथलीटों को उपयुक्त विषयों की ओर निर्देशित करने के लिए बायोमेट्रिक प्रोफाइलिंग और प्रदर्शन सिमुलेशन का उपयोग करते हैं, जबकि बास्केटबॉल और टेनिस सिस्टम लंबी अवधि की क्षमता का आकलन करने के लिए ट्रैकिंग डेटा, वीडियो विश्लेषण और मूवमेंट मेट्रिक्स पर भरोसा करते हैं। बेसबॉल भी इसी तरह अपने विकास पाइपलाइनों में संभावनाओं का मूल्यांकन करने के लिए डेटा-संचालित मॉडल लागू करता है, जो खिलाड़ी के प्रदर्शन के बड़े ऐतिहासिक डेटासेट का उपयोग करता है।
इन सभी खेलों में, सामान्य पैटर्न प्रदर्शन के अल्पकालिक मूल्यांकन से तेजी से युवा एथलीटों से लगातार एकत्र किए गए डेटा के आधार पर क्षमता की दीर्घकालिक एल्गोरिथम भविष्यवाणी की ओर एक बदलाव है।
‘डिजिटल नियतिवाद’ से लड़ना
शोधकर्ता इस विकास को “डिजिटल नियतिवाद” के रूप में वर्णित करते हैं, जिसमें शुरुआती प्रदर्शन डेटा भविष्य के अवसरों को आकार देना और सीमित करना शुरू कर देता है। एक बार संग्रहीत होने के बाद, बचपन के मेट्रिक्स प्रभावित कर सकते हैं कि किन खिलाड़ियों को कोचिंग ध्यान, स्काउटिंग अवसर या धन प्राप्त होता है, प्रभावी रूप से शुरुआती मापों को एथलेटिक करियर के लिए दीर्घकालिक फिल्टर में बदल देता है।
अध्ययन का एक प्रमुख निष्कर्ष यह है कि पूर्वाग्रह अप्रत्यक्ष रूप से इन प्रणालियों में कैसे प्रवेश कर सकता है। भले ही एल्गोरिदम जातीयता या आय जैसी संवेदनशील विशेषताओं को बाहर करते हैं, फिर भी वे स्कूल, भौगोलिक स्थान या पारिवारिक संरचना जैसे प्रॉक्सी चर के माध्यम से असमानता को पुन: पेश कर सकते हैं। ये संकेत, जो सफलता के ऐतिहासिक पैटर्न से लिए गए हैं, उन प्रणालियों में सामाजिक-आर्थिक असमानताओं को एम्बेड कर सकते हैं जो वस्तुनिष्ठ दिखाई देती हैं।
स्काउटिंग प्लेटफॉर्म पहले से ही विभिन्न आयु समूहों और लीगों में वीडियो फुटेज, मैच इवेंट और प्रदर्शन आँकड़े एकत्र करते हैं। मशीन लर्निंग सिस्टम तब अभिजात वर्ग के प्रदर्शन से जुड़े पैटर्न की पहचान करते हैं, जबकि विश्लेषक आयु, स्थिति और प्रतियोगिता स्तर जैसे फिल्टर लागू करते हैं। हालांकि, क्योंकि ये सिस्टम ऐतिहासिक “सफलता” पर प्रशिक्षित होते हैं, वे अक्सर पिछले कोचिंग और चयन निर्णयों में एम्बेडेड पूर्वाग्रहों को विरासत में प्राप्त करते हैं, वैज्ञानिकों ने कहा।
अध्ययन एक सुदृढ़ प्रतिक्रिया लूप को भी उजागर करता है: एल्गोरिदम द्वारा जल्दी पहचाने जाने वाले एथलीटों को बेहतर प्रशिक्षण और एक्सपोजर प्राप्त होने की अधिक संभावना होती है, जो उनके प्रदर्शन डेटा में सुधार करता है, जो बदले में सिस्टम की मूल भविष्यवाणी को मजबूत करता है। समय के साथ, यह गतिशीलता अवसर तक पहुंच को विस्तारित करने के बजाय संकीर्ण कर सकती है।
प्रदर्शन मेट्रिक्स से परे, शोधकर्ता चेतावनी देते हैं कि डेटा संग्रह अंततः पिच से परे भी विस्तारित हो सकता है। एआई सिस्टम युवा एथलीटों की व्यापक प्रोफाइल बनाने के लिए सोशल मीडिया गतिविधि, समाचार कवरेज और अन्य सार्वजनिक रूप से उपलब्ध जानकारी को शामिल कर सकते हैं, जिससे गोपनीयता संबंधी चिंताएं और बचपन के डेटा के दीर्घकालिक उपयोग के बारे में सवाल उठते हैं।
डॉ. मोर्गोलेव कहते हैं, “वास्तविकता दिखाती है कि प्रतिस्पर्धी खेल प्रतिस्पर्धी उपलब्धि को हर चीज से ऊपर पवित्र करते हैं, भले ही वह अन्य मूल्यों की कीमत पर हो।” “प्रतिस्पर्धी खेल एक अनूठा, चरम क्षेत्र है जो असाधारण शारीरिक डेटा के साथ-साथ दृढ़ संकल्प, लचीलापन और प्रेरणा पर निर्भर करता है। एक ऐसा संयोजन जो, सबसे अच्छा, केवल आबादी के लगभग एक प्रतिशत की विशेषता है।”
प्रोफेसर एज़र कहते हैं, “यह समय है कि हम समाज के रूप में मिलकर सोचें कि हम एल्गोरिदम को भविष्य की पीढ़ी की तस्वीर बनाने, रैंक करने, भविष्यवाणी करने और विकास पथ निर्धारित करने में कितनी स्वायत्तता देने को तैयार हैं, जब प्रतिस्पर्धी खेल उनमें से अधिकांश के लिए अप्रासंगिक हैं,” यह चेतावनी देते हुए कि बच्चों को एक सहायक मानव ढांचे के तहत विकसित होना चाहिए न कि समय से पहले एल्गोरिथम स्कोर द्वारा परिभाषित किया जाना चाहिए।