شهدت كرة القدم ثورة في استخدام التكنولوجيا لتحليل أداء اللاعبين وتقييم استراتيجيات اللعبة، ويعتبر استخدام خوارزمية مونت كارلو لتقييم التمريرات (Monte Carlo Pass Search - MCPS) أحد أبرز هذه التطورات. في هذا السياق، تم إعادة صياغة عملية تقييم التمريرات لتصبح كمسألة تقييم شبيهة بشجرة مونت كارلو (Monte Carlo Tree Search - MCTS)، حيث تُسلط الضوء على عدة مكونات أساسية تشمل نموذج القيمة (المتعلق بقيمة الاستحواذ) ونموذج العالم (المسارات متعددة العوامل بالتفاعل مع الكرة) وسياسة حول الأفعال التخيليّة (Sampling Pass Variants with Noise).

تعتمد هذه الخوارزمية على أول مجموعة بيانات تتبُع ذات دقة عالية ومن العلن تشمل مسارات الكرة الثلاثية الأبعاد (3D)، ما يسمح لها باستنتاج معايير التنفيذ لكل تمريرة مُلاحظة، واختبار تنويعات التنفيذ، وتقدير النتائج باستخدام نموذج قيمة تم تعليمه مسبقًا. وبفضل هذا النظام، نحصل على توزيع متنوع يوضح القيم المكتسبة، مما يمكّن من إجراء نسب تقييم فعّالة.

المفاجئ هو القدرة على استخدام نموذج عالمي بكفاءة، رغم قلة البيانات المتاحة، حيث تم تعديل مولد المسارات باستخدام تقنيات القيادة الذاتية لتحقيق دقة قوية في توقع النتائج. مع إصدار نقاط تفتيش لنماذج الكود، يتوفر المجال للباحثين والمطورين لاستكشاف هذه التكنولوجيا بتوسع.

تعد MCPS ليس فقط أداة تحليلية قوية، بل تمثل خطوة كبيرة نحو فهم تكتيكات اللعبة بشكل أفضل وتقديم تحليلات أكثر عمقاً وبالاعتماد على البيانات.