গণিতপ্রিপ্রিন্টতত্ত্বপড়তে ৩ মিনিট

VAR কখন রেফারির সিদ্ধান্ত বাতিল করবে?

2026 সালের 26 জুন, বিশ্বকাপের গ্রুপ পর্বের শেষ রাউন্ডে, সিয়াটলে ইরান মুখোমুখি হয় মিশরের। লেখকেরা ছিলেন স্টেডিয়ামে। 93তম মিনিটে শোজা খলিলজাদেহ (Shoja Khalilzadeh) এমন একটি গোল করেন যা জয়সূচক বলেই মনে হচ্ছিল, আর মাঠের রেফারি দল গোলটিকে অনসাইড ঘোষণা করে। কয়েক মিনিটের বিবেচনার পর ভিডিও অ্যাসিস্ট্যান্ট রেফারি (VAR) সিদ্ধান্তটি উল্টে দেয়: এর 3D পুনর্গঠন অনুযায়ী গোলদাতার পায়ের একটি ছোট অংশ অফসাইড অবস্থানে ছিল। ম্যাচটি ড্র হয়। দ্য অ্যাথলেটিকের (The Athletic) হিসাবে, তখনও নকআউট পর্বে পৌঁছানোর 92% সম্ভাবনা ছিল ইরানের; পরদিনের ফলাফল তা শূন্যে নামিয়ে আনে।

লেখকদের প্রশ্নটি সহজ: VAR-এর জানানো খুব সামান্য একটি অফসাইড ব্যবধানই কি রেফারির সিদ্ধান্ত উল্টে দেওয়ার জন্য যথেষ্ট হওয়া উচিত?

একটি ফ্রেম 17 সেন্টিমিটার লম্বা

পর্দার নির্ভুলতা মাঠের নির্ভুলতা নয়। সেকেন্ডে 30 ফ্রেমে ধারণ করা ভিডিওতে, সেকেন্ডে 5 মিটার বেগে দৌড়ানো একজন খেলোয়াড় পরপর দুটি ফ্রেমের মধ্যে প্রায় 17 সেন্টিমিটার সরে যান। বলটি ঠিক কোন মুহূর্তে খেলা হয়েছিল, তা নিয়ে সামান্য অনিশ্চয়তাও একটি 3D মডেলের মিলিমিটারগুলোর চেয়ে বেশি গুরুত্বপূর্ণ হয়ে উঠতে পারে।

প্রিন্সটন বিশ্ববিদ্যালয়ের আমির আলী আহমাদি (Amir Ali Ahmadi), এবং অ্যালগনকুইন রিজিওনাল হাই স্কুলের (Algonquin Regional High School) পারসা ও রাদিন আলাভি (Parsa and Radeen Alavi) বিতর্কটিকে একটি সম্ভাবনা-মডেলে রূপ দিয়েছেন। প্রকৃত ব্যবধান θ হলো অফসাইড রেখা ছাড়িয়ে আক্রমণভাগের খেলোয়াড়ের দূরত্ব: ধনাত্মক মানে অফসাইড। রেফারি এটি উপলব্ধি করেন σ_H বিস্তারের (spread) একটি এলোমেলো ভুলসহ, কিন্তু বলেন কেবল হ্যাঁ বা না। VAR একটি সংখ্যা মাপে, তার নিজস্ব σ_AI বিস্তারের এলোমেলো ভুলসহ। দুটি ভুলকেই গাউসীয় ও পরস্পর-স্বাধীন ধরা হয়।

√(2/π) নিয়ম

এরপর লেখকেরা খোঁজেন সেই ব্যবধান, যা পর্যবেক্ষিত বিষয়কে — রেফারির একটি সিদ্ধান্ত আর VAR-এর একটি সংখ্যা — সবচেয়ে সম্ভাব্য করে তোলে; এই পদ্ধতির নাম সর্বোচ্চ সম্ভাবনা (maximum likelihood)। তাঁরা প্রমাণ করেন যে এই সেরা অনুমান সবসময় বিদ্যমান এবং অনন্য। আরও ভালো খবর, চূড়ান্ত সিদ্ধান্তে কোনো হিসাবই লাগে না, কেবল একটি সীমার সঙ্গে তুলনা:

c = √(2/π) × σ_AI² / σ_H

দুজনে একমত না হলে, VAR রেফারির সিদ্ধান্ত উল্টে দেয় কেবল তখনই, যখন তার মাপা ব্যবধান c-এর চেয়ে বড়। এর নিচে রেফারির সিদ্ধান্ত বহাল থাকে। √(2/π) সংখ্যাটি, প্রায় 0.80, আসে খোদ ঘণ্টাকৃতি বক্ররেখা (bell curve) থেকে।

ধরা যাক একজন রেফারির সাধারণ ভুল 10 সেন্টিমিটার আর একটি VAR-এর সাধারণ ভুল 2 সেন্টিমিটার। সীমাটি তখন 0.32 সেন্টিমিটার। বিরোধী 0.20 সেন্টিমিটারের একটি VAR ব্যবধান রেফারির সিদ্ধান্ত বহাল রাখে; 0.50 সেন্টিমিটারের ব্যবধান তা উল্টে দেয়। আক্রমণভাগের খেলোয়াড়কে রেখার ওপারে বসানোই যথেষ্ট নয়: VAR-কে তাঁকে স্পষ্টভাবে রেখার ওপারে বসাতে হবে।

দুটি ভুল, যাদের ওজন এক নয়

সূত্রটিতে একটি অসমতা লুকিয়ে আছে। সীমাটি বাড়ে VAR-এর ভুলের বর্গের সঙ্গে, কিন্তু রেফারির ভুলের সঙ্গে এটি কেবল ব্যস্তানুপাতিক: VAR-এর ভুল দ্বিগুণ হলে সীমা চার গুণ হয়, রেফারির ভুল দ্বিগুণ হলে সীমা কেবল অর্ধেক হয়। যে VAR-এর ভুল বেশি এলোমেলো (noisier), তার দরকার আরও জোরালো প্রমাণ; যে রেফারির ভুল বেশি এলোমেলো, তাঁর সিদ্ধান্ত উল্টে দেওয়া সহজ। লেখকেরা এই ভিন্ন ঘাতগুলোর উৎস খুঁজে পান দুই ধরনের তথ্যে: VAR-এর ক্ষেত্রে একটি সংখ্যা, রেফারির ক্ষেত্রে নিছক একটি চিহ্ন।

দুটিকে মেলানোরও লাভ আছে। দুজনের ভুল সমান, 2 সেন্টিমিটার, আর প্রকৃত ব্যবধান 2 সেন্টিমিটার হলে, শুধু রেফারি বা শুধু VAR ভুল করে 15.87% ক্ষেত্রে; মিলিত নিয়ম, 9.70%।

মডেলটি পক্ষপাতও (bias) সামলাতে পারে। যে রেফারি অফসাইড ধরার দিকে ঝুঁকে থাকেন, গড়ে 5 সেন্টিমিটার, তাঁর জন্য দুটি আলাদা সীমা: অফসাইড সিদ্ধান্ত উল্টাতে 0.20 সেন্টিমিটার, অনসাইড সিদ্ধান্ত উল্টাতে 0.46 সেন্টিমিটার। আর VAR-এর নিজেরই যদি জানা 1 সেন্টিমিটারের পক্ষপাত থাকে, তা উপেক্ষা করলে রায় উল্টে যেতে পারে।

নিয়মটি ব্যবহার করতে চারটি ভুল-পরামিতি জানা দরকার। গবেষণাপত্রটি দেখায়, প্রকৃত ব্যবধান জানা আছে এমন ক্যালিব্রেশন-খেলা (calibration plays) থেকে কীভাবে সেগুলো অনুমান করা যায়: VAR-এর জন্য সাধারণ গড় আর বিস্তার, আর রেফারির হ্যাঁ-না সিদ্ধান্তের জন্য একটি “প্রোবিট” (probit) মেলানো (fit)।

মাঠের বাইরে

একই কাঠামো দেখা যায় যেখানেই একজন মানুষ একটি রায় দেন আর একটি যন্ত্র একই রাশির একটি পরিমাপ দেয়: একজন চিকিৎসক কোনো ক্ষতকে (lesion) নিরীহ (benign) না মারাত্মক (malignant) বলছেন, পাশে AI-এর একটি ম্যালিগন্যান্সি স্কোর (malignancy score); একজন প্রকৌশলী বিমানের একটি যন্ত্রাংশকে ছাড়পত্র দিচ্ছেন, পাশে একটি ত্রুটি-তীব্রতার স্কোর; একজন ফান্ড ম্যানেজার, পাশে একটি মডেলের প্রত্যাশিত রিটার্ন। লেখকেরা প্রস্তাব করেন, নিয়মটির বাস্তব প্রভাব যাচাই করা হোক সেখানে, যেখানে ক্যালিব্রেশন সহজ, যেমন অর্থসংস্থান (finance), চিকিৎসা-চিত্রায়ণ (medical imaging) আর পূর্বাভাস বাজার (prediction markets)।

গবেষণাপত্রটি লেখা হয়েছে একটি শিক্ষামূলক রচনা হিসেবে, স্নাতক স্তরের শিক্ষার্থী আর হাই স্কুলের অগ্রসর শিক্ষার্থীদের জন্য, যারা মৌলিক সম্ভাবনাতত্ত্ব আর ক্যালকুলাস জানে। এর পরামিতিগুলো দৃষ্টান্তমূলক: কোনো বাস্তব রেফারি বা VAR ব্যবস্থার ক্যালিব্রেশন করা হয়নি। এর শেষ লাইনটি কৃতজ্ঞতা স্বীকারের অংশে, যেখানে লেখকেরা জানান যে তাঁরা চিত্র, প্রুফ দেখা আর যৌক্তিকতা যাচাইয়ের (sanity checks) জন্য ChatGPT ব্যবহার করেছেন, “তাঁদের √(2/π) নিয়ম মেনে চলে, যাতে AI তাঁদের মানবিক বিচার উল্টে দিতে না পারে”।