Главный судья чемпионата мира 2026 года — не человек. А ИИ, вооруженный 16 камерами

За матчами чемпионата мира по футболу 2026 года могут следить больше 1,5 миллиарда зрителей. При таком внимании спорным становится не только гол, но и положение носка бутсы при офсайде, последнее касание перед угловым, сантиметры у линии ворот и любой эпизод, где арбитру нужно принять решение за несколько секунд. FIFA поэтому усиливает судейскую бригаду не ещё одним человеком у монитора, а целой системой компьютерного зрения.

В набор технологий турнира входит Hawk-Eye от Sony. Система помогает видеопомощникам арбитра VAR, поддерживает контроль линии ворот, полуавтоматическое определение офсайда и функцию последнего касания для угловых и ударов от ворот. Задача не в том, чтобы заменить судью. Компьютерное зрение должно быстро собрать точные данные о мяче, игроках и их положении на поле, а затем передать арбитрам картину эпизода, которую человек не всегда успевает увидеть в реальном времени.

На стадионе стоят откалиброванные камеры: их положение, угол обзора и геометрия заранее известны системе. Видео с камер поступает в модели компьютерного зрения, которые распознают мяч, футболистов, части тела и позы игроков. Над этим уровнем работает логика принятия событийных решений: система отмечает момент паса, положение атакующего игрока, пересечение линии ворот или последнее касание перед выходом мяча за пределы поля.

Видеопроверки раздражают именно ожиданием. Если технология за несколько секунд показывает, где находился мяч и какая часть тела игрока была ближе к воротам, арбитру проще принять решение, а матч быстрее продолжится.

Hawk-Eye используется в футболе не первый год. FIFA впервые применила систему отслеживания мяча на клубном чемпионате мира в 2012 году. На чемпионате мира 2022 года появилась полуавтоматическая технология офсайда: она объединяла данные о движении мяча и конечностей игроков с алгоритмами искусственного интеллекта, чтобы быстро помогать судьям в спорных положениях вне игры. В 2026 году набор инструментов стал шире и точнее.

Основа всей схемы - отслеживание игроков и мяча. Для этого используют нейросети компьютерного зрения, обученные на миллионах размеченных изображений и видеозаписей. Разметка нужна, чтобы алгоритм научился отличать футболиста от фона, находить мяч, распознавать части тела и понимать, как положение объекта меняется от кадра к кадру. Система смотрит не на один снимок, а на непрерывное движение в нескольких ракурсах.

На каждом стадионе чемпионата установлены 16 оптических камер слежения. Один ракурс легко может обмануть: игрок закрывает мяч, защитник перекрывает линию обзора, перспектива искажает расстояния. Несколько камер позволяют восстановить положение объектов в трёхмерном пространстве. По тому же принципу человек лучше чувствует глубину двумя глазами, чем одним. Камеры видят эпизод под разными углами, а система собирает из этих данных 3D-реконструкцию.

Трёхмерная картина особенно важна для офсайда. Судье нужно понять, где находились мяч, атакующий игрок, защитники и части тела, которыми можно сыграть в футбол, в конкретный момент передачи. На обычном повторе всё зависит от угла камеры и выбранного кадра. В системе с оптическим трекингом положение объектов восстанавливается по нескольким источникам, а готовая информация приходит видеосудьям почти сразу.

Технология последнего касания решает другую частую проблему. Когда мяч уходит за лицевую линию, арбитру нужно определить, кто коснулся его последним: игрок атаки или обороны. От этого зависит, будет угловой или удар от ворот. В живом матче такие эпизоды часто происходят после рикошетов, борьбы в штрафной или касания на высокой скорости. Компьютерное зрение отслеживает мяч и игроков во времени, поэтому может помочь восстановить последовательность контактов.

Объём данных огромный. По оценке FIFA, камеры отслеживания дают больше 150 миллионов точек данных за матч. Быстро работать с таким потоком помогает специализация. Алгоритму не нужно понимать всё, что попало в кадр. Системе не требуется распознавать птиц над стадионом, лица болельщиков или рекламу на бортах. Её задача уже: найти игроков, мяч, линии поля, положение тела и нужные игровые события.

Поэтому модели можно обучать и настраивать под конкретную среду. Сначала нейросеть может быть большой и универсальной, но затем её дорабатывают под задачи футбольного поля. Узкая настройка ускоряет работу и снижает число лишних распознаваний. Для судейских инструментов важна не общая эрудиция алгоритма, а точность в нескольких повторяющихся ситуациях: офсайд, гол, выход мяча, касание, положение игрока.

Ещё десять-пятнадцать лет назад такой набор технологий было бы трудно представить в рабочем виде. Сдвиг дали два фактора: глубокие нейросети и графические процессоры. Нейросети резко улучшили распознавание изображений и отслеживание объектов. Раньше инженерам приходилось вручную задавать признаки, по которым система должна искать нужный объект. Современная модель получает изображение и сама учится выделять визуальные признаки, полезные для задачи.

Графические процессоры дали вычислительную мощность. Изначально GPU создавали для обработки изображений, видео и 3D-графики, но затем они стали основой крупных систем машинного обучения. Большие нейросети требуют огромного числа однотипных вычислений, а графические процессоры хорошо справляются именно с такой нагрузкой. Благодаря этому алгоритмы можно обучать на гигантских наборах видео и запускать достаточно быстро для живого матча.

Похожие системы уже применяют в других видах спорта. В американском футболе технологии помогают измерять продвижение до первого дауна. В теннисе на US Open автоматические системы проверяют попадание мяча в линию. В баскетболе NBA компьютерное зрение может помогать разбирать эпизоды с запрещённым касанием мяча у кольца. Везде логика похожа: камеры следят за объектами, система восстанавливает их положение, а человек получает более точную основу для решения.

За пределами спорта те же принципы работают в беспилотных автомобилях. Машина должна распознавать окружающую среду, видеть других участников движения, отслеживать их траектории и выбирать действие: ускоряться, тормозить или перестраиваться. Футбольное поле, конечно, проще города, но задача похожа по структуре.

Компьютерное зрение может применяться и в системах безопасности. Если объект состоит из нескольких зданий, камер внутри и снаружи, алгоритм может отслеживать перемещение людей по территории и строить общую картину событий.