கணிதம்முன்பதிப்புகோட்பாடுபடிக்க 3 நிமிடங்கள்

VAR எப்போது நடுவரின் முடிவை மாற்ற வேண்டும்?

2026 ஜூன் 26 அன்று, உலகக் கோப்பைக் குழு நிலையின் கடைசிச் சுற்றில், ஈரான் சியாட்டிலில் (Seattle) எகிப்தை எதிர்கொண்டது. ஆசிரியர்கள் மைதானத்தில் இருந்தனர். 93-வது நிமிடத்தில், Shoja Khalilzadeh வெற்றி கோல் போலத் தோன்றிய ஒன்றை அடித்தார்; ஆடுகளத்தில் இருந்த நடுவர் குழு அந்த கோலை ஆன்சைடு (onside) என்று தீர்ப்பளித்தது. பல நிமிட ஆலோசனைக்குப் பிறகு, காணொளி உதவி நடுவர் (VAR) அந்த முடிவை மாற்றியது: அதன் 3D மறுகட்டமைப்பின்படி, கோல் அடித்தவரின் கால்பாதத்தின் ஒரு சிறு பகுதி ஆஃப்சைடு நிலையில் இருந்தது. ஆட்டம் சமநிலையில் முடிந்தது. The Athletic-இன் கூற்றுப்படி, நாக்அவுட் சுற்றுகளை அடைய ஈரானுக்கு அப்போதும் 92% வாய்ப்பு இருந்தது; மறுநாள் முடிவுகள் அதைப் பூச்சியத்துக்குக் கொண்டுசென்றன.

ஆசிரியர்களின் கேள்வி எளிமையானது: VAR தெரிவிக்கும் மிக மிகச் சிறிய ஓர் ஆஃப்சைடு இடைவெளி (margin), நடுவரின் முடிவை மாற்றப் போதுமானதாக இருக்க வேண்டுமா?

ஒரு சட்டகம் 17 சென்டிமீட்டர் நீளம்

திரையில் உள்ள துல்லியம், ஆடுகளத்தில் உள்ள துல்லியம் அல்ல. வினாடிக்கு 30 சட்டகங்கள் (frames) என்ற வீதத்தில் பதிவுசெய்யப்பட்ட காணொளியில், வினாடிக்கு 5 மீட்டர் வேகத்தில் ஓடும் ஒரு வீரர், அடுத்தடுத்த இரண்டு சட்டகங்களுக்கு இடையே ஏறக்குறைய 17 சென்டிமீட்டர் நகர்கிறார். பந்து ஆடப்பட்ட சரியான கணம் பற்றிய சிறிய நிச்சயமின்மைகூட, ஒரு 3D மாதிரியின் மில்லிமீட்டர்களை விட அதிக முக்கியத்துவம் பெறலாம்.

Princeton பல்கலைக்கழகத்தைச் (Princeton University) சேர்ந்த Amir Ali Ahmadi, Algonquin Regional High School-ஐச் சேர்ந்த Parsa மற்றும் Radeen Alavi ஆகியோர், இந்தச் சர்ச்சையை ஒரு நிகழ்தகவு மாதிரியாக மாற்றினர். உண்மையான இடைவெளி θ என்பது, ஆஃப்சைடு கோட்டைத் தாண்டி தாக்குதல் வீரர் இருக்கும் தொலைவு: நேர்மம் என்றால் ஆஃப்சைடு. நடுவர் அதை σ_H பரவல் கொண்ட ஒரு சீரற்ற பிழையுடன் உணர்கிறார், ஆனால் ஆம் அல்லது இல்லை என்று மட்டுமே சொல்கிறார். VAR, σ_AI பரவல் கொண்ட தன் சொந்தச் சீரற்ற பிழையுடன், ஓர் எண்ணை அளக்கிறது. இரண்டு பிழைகளும் காசியன் (Gaussian) பரவல் கொண்டவை, ஒன்றையொன்று சாராதவை என்று அனுமானிக்கப்படுகின்றன.

√(2/π) விதி

பிறகு ஆசிரியர்கள், கவனிக்கப்பட்டதை — நடுவரிடமிருந்து ஒரு முடிவு, VAR-இடமிருந்து ஓர் எண் — மிக அதிக நிகழ்தகவு கொண்டதாக ஆக்கும் இடைவெளியைத் தேடுகின்றனர்; இந்த முறைக்குப் பெரும நிகழ்தகவு மதிப்பீடு (maximum likelihood) என்று பெயர். இந்தச் சிறந்த மதிப்பீடு எப்போதும் இருக்கிறது, அது தனித்துவமானது என்று அவர்கள் நிறுவுகின்றனர். அதைவிடச் சிறப்பாக, இறுதி முடிவுக்கு எந்தக் கணக்கீடும் தேவையில்லை, ஒரு வரம்பு மதிப்புடன் (threshold) ஓர் ஒப்பீடு மட்டுமே போதும்:

c = √(2/π) × σ_AI² / σ_H

இரண்டும் முரண்படும்போது, VAR அளக்கும் இடைவெளி c-ஐ விடப் பெரியதாக இருந்தால் மட்டுமே அது நடுவரின் முடிவை மாற்றுகிறது. அதற்குக் கீழே, நடுவரின் முடிவு நிலைக்கிறது. ஏறக்குறைய 0.80 ஆன √(2/π) என்ற எண், மணி வளைவிலிருந்தே (bell curve) வருகிறது.

வழக்கமான பிழை 10 cm கொண்ட ஒரு நடுவரையும், வழக்கமான பிழை 2 cm கொண்ட ஒரு VAR-ஐயும் எடுத்துக்கொள்ளுங்கள். வரம்பு மதிப்பு 0.32 cm. முரண்படும் 0.20 cm VAR இடைவெளி, நடுவரின் முடிவை அப்படியே விட்டுவிடுகிறது; 0.50 cm இடைவெளி அதை மாற்றுகிறது. தாக்குதல் வீரரைக் கோட்டுக்கு அப்பால் வைப்பது மட்டும் போதாது: VAR அவரைத் தெளிவாக அதற்கு அப்பால் வைக்க வேண்டும்.

ஒரே எடை இல்லாத இரண்டு பிழைகள்

சூத்திரத்தில் ஒரு சமச்சீரின்மை உள்ளது. வரம்பு மதிப்பு VAR-இன் பிழையின் வர்க்கத்துடன் வளர்கிறது, ஆனால் நடுவரின் பிழைக்கு எதிர் விகிதத்தில் மட்டுமே உள்ளது: VAR-இன் பிழையை இரட்டிப்பாக்கினால் வரம்பு மதிப்பு நான்கு மடங்காகிறது, நடுவரின் பிழையை இரட்டிப்பாக்கினால் அது பாதியாக மட்டுமே குறைகிறது. அதிக இரைச்சல் கொண்ட VAR-க்கு வலுவான சான்று தேவை; அதிக இரைச்சல் கொண்ட நடுவரின் முடிவை மாற்றுவது எளிது. இந்த வெவ்வேறு அடுக்குகளை, ஆசிரியர்கள் இரண்டு வகைத் தகவல்களுக்குக் காரணமாகக் காட்டுகின்றனர்: VAR-க்கு ஓர் எண், நடுவருக்கு வெறும் ஒரு குறி (sign).

இரண்டையும் இணைப்பதும் பலன் தருகிறது. 2 cm சமமான பிழைகளுடனும், 2 cm உண்மையான இடைவெளியுடனும், நடுவர் மட்டுமோ VAR மட்டுமோ 15.87% நேரங்களில் தவறு செய்கின்றனர்; இணைந்த விதி, 9.70%.

இந்த மாதிரி சார்புநிலையையும் (bias) கையாள்கிறது. சராசரியாக 5 cm அளவுக்கு ஆஃப்சைடு கொடி உயர்த்தும் சாய்வு கொண்ட ஒரு நடுவருக்கு, இரண்டு வெவ்வேறு வரம்பு மதிப்புகள் கிடைக்கின்றன: ஓர் ஆஃப்சைடு முடிவை மாற்ற 0.20 cm, ஓர் ஆன்சைடு முடிவை மாற்ற 0.46 cm. VAR-க்கே அறியப்பட்ட 1 cm சார்புநிலை இருந்தால், அதைப் புறக்கணிப்பது தீர்ப்பையே புரட்டிவிடலாம்.

விதியைப் பயன்படுத்த, நான்கு பிழை அளவுருக்கள் தேவை. உண்மையான இடைவெளி அறியப்பட்ட அளவுத்திருத்த ஆட்ட நிகழ்வுகளிலிருந்து (calibration plays) அவற்றை எப்படி மதிப்பிடுவது என்று ஆய்வுக்கட்டுரை காட்டுகிறது: VAR-க்கு ஓர் எளிய சராசரியும் பரவலும், நடுவரின் ஆம்-இல்லை முடிவுகளுக்கு ஒரு “probit” பொருத்தமும்.

ஆடுகளத்துக்கு அப்பால்

ஒரு மனிதர் தீர்ப்பு வழங்கி, ஓர் இயந்திரம் அதே கணியத்தின் அளவீட்டைத் தரும் எல்லா இடங்களிலும் இதே கட்டமைப்பு தோன்றுகிறது: AI வழங்கும் வீரியமிகு தன்மை மதிப்பெண்ணுக்கு அருகில், ஒரு புண்ணைத் (lesion) தீங்கற்றது அல்லது வீரியமிக்கது என்று தீர்மானிக்கும் ஒரு மருத்துவர்; ஒரு குறைபாட்டுத் தீவிர மதிப்பெண்ணுக்கு அருகில், ஒரு விமானப் பாகத்தை அனுமதிக்கும் ஒரு பொறியாளர்; ஒரு மாதிரியின் எதிர்பார்க்கப்படும் வருவாய்க்கு அருகில் ஒரு நிதி மேலாளர். அளவுத்திருத்தம் எளிதாக உள்ள நிதி, மருத்துவப் படிமவியல், முன்கணிப்புச் சந்தைகள் போன்ற துறைகளில் விதியின் உண்மையான விளைவைச் சோதிக்க ஆசிரியர்கள் பரிந்துரைக்கின்றனர்.

இந்த ஆய்வுக்கட்டுரை, அடிப்படை நிகழ்தகவும் நுண்கணிதமும் அறிந்த இளநிலைப் பட்டப்படிப்பு மாணவர்களுக்கும் மேம்பட்ட உயர்நிலைப் பள்ளி மாணவர்களுக்கும் ஒரு கற்பித்தல் படைப்பாக எழுதப்பட்டுள்ளது. அதன் அளவுருக்கள் விளக்கத்துக்கானவை மட்டுமே: எந்த உண்மையான நடுவரோ VAR அமைப்போ அளவுத்திருத்தம் செய்யப்படவில்லை. அதன் கடைசி வரி நன்றியுரைப் பகுதிக்குச் சொந்தமானது; அங்கே ஆசிரியர்கள், படங்கள், மெய்ப்புத் திருத்தம், சரிபார்ப்புகள் ஆகியவற்றுக்கு ChatGPT-ஐப் பயன்படுத்தியதாகக் கூறுகின்றனர், “AI தங்கள் மனிதத் தீர்ப்பை மாற்றிவிடவில்லை என்பதை உறுதிசெய்ய, தங்கள் √(2/π) விதியைப் பின்பற்றியபடியே”.