Projekt Ekstraliga AI, który od sezonu 2026 pojawił się w PGE Ekstraliga, powstaje przy współpracy z Wydziałem Matematyki i Informatyki UAM. Autorem koncepcji jest mgr inż. Piotr Kaczorek (doktorant na WMI UAM), a w rozwój metodologii zaangażowani są prof. Tomasz Górecki i dr Tomasz Piłka. Rozwiązanie, analogiczne do modeli xG w piłce nożnej, estymuje oczekiwaną zdobycz punktową zawodników w każdym biegu, uwzględniając m.in. poziom zawodnika, tor, pole startowe i klasę rywali. To przykład bezpośredniego zastosowania metod statystycznych i AI w profesjonalnym sporcie.
- Stworzony i wdrożony model wyznacza oczekiwane punkty dla żużlowców startujących w konkretnym biegu meczu PGE Ekstraligi. Prace nad modelem trwały długo i były dość żmudne, ale dzięki temu powstał nie tylko model, ale cały zbiór procesów, umożliwiający efektywną pracę nad modelem - mówi prof. Tomasz Górecki.
- Warto było poświęcić trochę więcej czasu, żeby z niemal 300 rozpatrywanych statystyk wyselekcjonować 9 najistotniejszych dla zadania stawianego przed modelem - dodaje mgr Piotr Kaczorek. I dodaje: - Cieszy nie tylko to, że udało się zastosować sztuczną inteligencję w żużlu, ale przede wszystkim to, że nie jest to wykorzystanie dla samego wykorzystania. Zaproponowany system rozwiązuje problem braku obiektywnych kryteriów oceny zawodników. Teraz bardzo klarownie widać, kto zawiódł, a kto zaskoczył na plus. Zastosowanie zyskujących na popularności metod wyjaśnialnych nie tylko pozwala lepiej zrozumieć model i komunikować jego sposób działania, ale również otwiera to szansę na zmianę perspektywy patrzenia na dyscyplinę.
- Trzeba pamiętać o tym, że to pierwsze zastosowanie uczenia maszynowego w żużlu i jest to w zasadzie punkt startowy. Danych do analizy na pewno nie zabraknie, bo już teraz zbiera się ich wm sporcie bardzo dużo. Prace nad kolejnymi elementami nie tylko modelu, ale w zasadzie całego ekosystemu są nie tylko rozplanowane, ale już się rozpoczęły - mówi dr Tomasz Piłka z WMiI UAM.
