Ilustrasi tangan robot memegang bola baseball dengan latar belakang biru dan kuning cerah.

AI Gagal Total Analisis Olahraga, Studi Buktikan

Penulis:Nur Hamzah
Terbit:
Diperbarui:
⏱️3 menit membaca
Bagikan:
  • Studi dari University of North Carolina dan Northeastern University menguji AI dalam analisis olahraga menggunakan SVI-bench dengan 35.000 jam rekaman pertandingan.
  • Model AI (ChatGPT, Gemini, Qwen) hanya berhasil 74% dalam mengidentifikasi aksi pemain, angka yang buruk untuk standar komentator.
  • Kemampuan penalaran kausal AI hanya 40%, simulasi seperti melempar koin, dan agensi hanya 5%.
  • AI gagal menjelaskan keanehan tembakan Cody Martin, memberikan respons tidak relevan.
  • Peneliti menyimpulkan AI bagus di deskripsi tetapi gagal di analisis kompleks, kabar baik bagi komentator olahraga.

Telset.id – Kekhawatiran bahwa kecerdasan buatan akan menggantikan pekerja manusia mungkin perlu dikaji ulang, setidaknya untuk profesi komentator olahraga. Sebuah studi terbaru dari peneliti University of North Carolina at Chapel Hill dan Northeastern University mengungkapkan bahwa model AI terkemuka saat ini memiliki performa buruk dalam menganalisis pertandingan olahraga profesional, terutama dalam hal penalaran dan simulasi.

Penelitian yang belum melalui proses peer-review ini bertujuan untuk menguji kemampuan model AI dalam empat aspek: persepsi, penalaran, simulasi, dan agensi. Untuk mengukurnya, para peneliti menciptakan sebuah tes baru bernama strategic video intelligence atau “SVI-bench”. Tes ini menggunakan 35.000 jam rekaman pertandingan dari basket, sepak bola, dan hoki, serta 15 juta play yang dianotasi, 15.000 jam analisis profesional, 23.000 laporan pasca-pertandingan, dan 103.000 catatan statistik.

Hasilnya cukup mengejutkan. Area terkuat AI adalah persepsi, yaitu mengidentifikasi pemain mana yang melakukan aksi tertentu pada momen tertentu. Namun, bahkan di sini pun performanya jauh dari kata memuaskan. Model-model yang diuji, termasuk ChatGPT, Google Gemini, dan model open-source Qwen, hanya berhasil mengidentifikasi aksi pemain dengan benar sekitar 74 persen—sebuah angka yang di dunia nyata bisa membuat komentator liga amatir dipecat.

Ketika beralih ke penalaran kausal, kemampuan AI anjlok drastis. Model-model tersebut hanya mampu menjelaskan mengapa sebuah play terjadi dengan tingkat keberhasilan rata-rata 40 persen. Contoh nyata terjadi saat peneliti meminta model menjelaskan keanehan pada tembakan tiga angka Cody Martin yang memantul dari papan atas sebelum masuk. ChatGPT justru menjawab bahwa itu adalah “tembakan tiga angka pertamanya di pertandingan tersebut”—sebuah jawaban yang meleset dari konteks.

Kemampuan simulasi AI juga terbukti buruk. Saat diminta memprediksi pergerakan pemain berdasarkan lintasan, model terbaik sekalipun hanya bekerja seperti melempar koin. Performa semakin menurun ketika model diminta merencanakan pergerakan yang lebih panjang menuju gawang atau ring basket.

Peneliti juga menguji agensi AI, yaitu kemampuan untuk melakukan analisis kompleks pasca-pertandingan seperti yang dilakukan komentator manusia. Hasilnya? Akurasi merosot hingga hanya 5 persen. “AI tidak bisa memberi tahu Anda mengapa sesuatu terjadi, dan tidak bisa memberi tahu apa yang akan terjadi selanjutnya,” ujar Lorenzo Torresani, peneliti ilmu komputer di Northeastern sekaligus rekan penulis studi, dalam siaran pers universitas.

Torresani menambahkan, “Seorang komentator olahraga yang baik melakukan lebih dari sekadar mendeskripsikan apa yang ada di layar—mereka menjelaskan mengapa sebuah play berhasil, mengantisipasi apa yang akan terjadi selanjutnya, dan memutuskan momen mana yang penting. Studi kami menunjukkan AI sudah cukup baik di bagian deskriptif, tetapi gagal total di bagian lainnya.”

Temuan ini menjadi kabar baik bagi para komentator olahraga yang khawatir akan digantikan teknologi. Namun, implikasinya lebih luas. Torresani menekankan bahwa celah performa yang sama juga muncul di pekerjaan lain yang nilainya terletak pada pemahaman alasan di balik peristiwa, bukan sekadar mendeskripsikan apa yang terlihat. Hal ini menjadi pengingat bahwa meskipun AI terus berkembang, kemampuan kognitif tingkat tinggi masih menjadi ranah manusia.

Studi ini juga menyoroti keterbatasan model AI dalam memahami konteks. Dalam salah satu contoh, saat ditanya tentang keanehan tembakan Cody Martin, ChatGPT gagal menangkap aspek visual yang tidak biasa dan malah memberikan respons statistik yang tidak relevan. Ini menunjukkan bahwa AI masih kesulitan menghubungkan data visual dengan penalaran tingkat tinggi.

Meskipun demikian, bukan berarti AI tidak berguna. Dalam aspek persepsi, AI masih bisa diandalkan untuk tugas-tugas sederhana seperti mengidentifikasi pemain atau aksi dasar. Namun, untuk analisis yang membutuhkan pemahaman mendalam, AI masih jauh dari kata kompeten.

Penelitian ini juga menambah daftar panjang keterbatasan AI yang telah diungkap oleh berbagai studi sebelumnya. Mulai dari kemampuan menerjemahkan teks hingga robot yang mengalahkan manusia, AI memang unggul di beberapa area, tetapi analisis kontekstual masih menjadi titik lemah.

Kesimpulannya, para komentator olahraga dan pekerja pengetahuan lainnya bisa bernapas lega. Selama pekerjaan mereka membutuhkan penalaran kausal, simulasi, dan agensi, AI belum mampu menjadi ancaman serius. Namun, studi ini juga menjadi peringatan bahwa pengembangan AI harus lebih fokus pada kemampuan kognitif tingkat tinggi, bukan hanya pada kecepatan pemrosesan data.

Ilustrasi tangan robot memegang bola baseball dengan latar belakang biru dan kuning cerah.

Komentar

Belum ada komentar.