تشكل قرارات نقل لاعبي كرة القدم تحديًا كبيرًا في عالم الرياضة، حيث يعتمد الأداء بشكل كبير على التفاعلات التكتيكية بين اللاعبين والسياق العام للمباريات. وفي كثير من الأحيان، تُبنى هذه القرارات على إحصائيات ثابتة ورأي خبراء قد لا يأخذون في الاعتبار العوامل السياقية المتغيرة.

لتجاوز هذه التحديات، تم تقديم نموذج ScoutGPT، الذي يُعتبر ثورة في طريقة تقييم لاعبي كرة القدم. يعتمد هذا النموذج على مفهوم نمذجة الأحداث المتعلقة بالمباريات كرموز متتابعة ضمن إطار لتعلم اللغة. باستخدام بنية Transform (NanoGPT)، يقوم النموذج بتنبؤ الأحداث التالية في المباراة، مما يُمكّنه من تعلم ديناميكيات الأحداث وتستخدمها لمحاكاة سيناريوهات غير مسبوقة بناءً على تشكيلات افتراضية.

ما يميز ScoutGPT هو استخدامه لنهج المحاكاة العشوائية (Monte Carlo sampling)، مما يسمح له بتوليد سيناريوهات غير مشاهدة سابقًا. وقد أظهرت التجارب التي أجريت على بيانات دوري K League أن الانتقالات المُحاكاة للاعبين يمكن أن تؤدي إلى تغييرات ملحوظة في تقدم الهجوم وإمكانيات التسجيل، مما يبرز قدرة ScoutGPT على التقاط تأثيرات اللاعبين بشكل يتجاوز المقاييس الثابتة التقليدية.

في ضوء هذه الابتكارات، يُنتظر أن يُحدث ScoutGPT تأثيرًا كبيرًا في مجالات التوظيف والتقييم في كرة القدم، مزودًا الأندية بأدوات أكثر دقة لاتخاذ القرارات.