VAR, HAKEMİN KARARINI NE ZAMAN BOZMALI?
26 Haziran 2026’da, Dünya Kupası grup aşamasının son turunda İran, Seattle’da Mısır’la karşılaştı. Yazarlar stadyumdaydı. 93. dakikada Shoja Khalilzadeh galibiyet golü gibi görünen golü attı ve sahadaki hakem ekibi golcünün ofsaytta olmadığına karar verdi. Dakikalar süren değerlendirmenin ardından video yardımcı hakem (VAR) kararı bozdu: 3B rekonstrüksiyonuna göre golcünün ayağının küçük bir kısmı ofsayt konumundaydı. Maç berabere bitti. The Athletic’e göre İran’ın eleme turlarına kalma şansı hâlâ %92’ydi; ertesi günün sonuçları bunu sıfıra indirdi.
Yazarların sorusu basit: VAR’ın bildirdiği çok küçük bir ofsayt marjı, hakemin kararını bozmaya yetmeli mi?
Bir kare 17 santimetre uzunluğunda
Ekrandaki hassasiyet sahadaki hassasiyet değildir. Saniyede 30 kare kaydedilen bir videoda, saniyede 5 metre koşan bir sporcu ardışık iki kare arasında yaklaşık 17 santimetre yol alır. Topun oynandığı kesin an hakkındaki hafif bir belirsizlik bile, bir 3B modelin milimetrelerinden daha önemli olabilir.
Princeton Üniversitesi’nden Amir Ali Ahmadi ile Algonquin Regional High School’dan Parsa ve Radeen Alavi, tartışmayı bir olasılık modeline dönüştürdü. Gerçek marj θ, hücum oyuncusunun ofsayt çizgisini aştığı uzaklıktır: pozitif değer ofsayt demektir. Hakem onu σ_H yayılımlı rastgele bir hatayla algılar, ama yalnızca evet ya da hayır der. VAR, σ_AI yayılımlı kendi rastgele hatasıyla bir sayı ölçer. Her iki hatanın da Gauss dağılımlı ve bağımsız olduğu varsayılır.
√(2/π) kuralı
Yazarlar ardından gözlemleneni — hakemden bir karar ve VAR’dan bir sayı — en olası kılan marjı arıyor; bu yönteme en çok olabilirlik denir. Bu en iyi tahminin her zaman var olduğunu ve tek olduğunu kanıtlıyorlar. Daha da iyisi, nihai karar hiçbir hesap gerektirmiyor, yalnızca bir eşikle karşılaştırma:
c = √(2/π) × σ_AI² / σ_H
İkisi anlaşamadığında VAR, hakemin kararını ancak ölçtüğü marj c’den büyükse bozar. Bunun altında hakemin kararı geçerli kalır. Yaklaşık 0,80 olan √(2/π) sayısı çan eğrisinin kendisinden gelir.
Tipik hatası 10 cm olan bir hakem ve tipik hatası 2 cm olan bir VAR düşünün. Eşik 0,32 cm olur. Hakemle çelişen 0,20 cm’lik bir VAR marjı hakemin kararını yerinde bırakır; 0,50 cm’lik bir marj onu bozar. Hücum oyuncusunu çizginin ötesine yerleştirmek yetmez: VAR onu açıkça çizginin ötesine yerleştirmelidir.
Aynı ağırlıkta olmayan iki hata
Formül bir asimetri barındırıyor. Eşik, VAR’ın hatasının karesiyle büyür, ama hakeminkiyle yalnızca ters orantılıdır: VAR’ın hatasını iki katına çıkarın, eşik dört katına çıkar; hakeminkini iki katına çıkarın, eşik yalnızca yarıya iner. Daha gürültülü bir VAR daha güçlü kanıt gerektirir; daha gürültülü bir hakemin kararı daha kolay bozulur. Yazarlar bu farklı kuvvetleri iki bilgi türüne bağlıyor: VAR için bir sayı, hakem için yalnızca bir işaret.
İkisini birleştirmek de karşılığını veriyor. 2 cm’lik eşit hatalar ve 2 cm’lik gerçek bir marjla, tek başına hakem ya da tek başına VAR zamanın %15,87’sinde yanılır; birleşik kural ise %9,70’inde.
Model yanlılığı da ele alıyor. Ortalama 5 cm’lik bir farkla ofsayt vermeye eğilimli bir hakem için iki farklı eşik çıkar: bir ofsayt kararını bozmak için 0,20 cm, bir ofsayt yok kararını bozmak için 0,46 cm. VAR’ın kendisinin bilinen 1 cm’lik bir yanlılığı varsa, bunu göz ardı etmek kararı tersine çevirebilir.
Kuralı kullanmak için dört hata parametresi gerekir. Makale, gerçek marjın bilindiği kalibrasyon pozisyonlarından bunların nasıl tahmin edileceğini gösteriyor: VAR için basit bir ortalama ve yayılım, hakemin evet ya da hayır kararları için bir “probit” uyumlaması.
Sahanın ötesinde
Aynı yapı, bir insanın bir hüküm verdiği ve bir makinenin aynı nicelik için bir ölçüm verdiği her yerde ortaya çıkıyor: bir lezyonu iyi huylu ya da kötü huylu ilan eden bir doktorun yanında bir yapay zekâ kötü huyluluk skoru, bir uçak parçasına onay veren bir mühendisin yanında bir kusur ciddiyeti skoru, bir fon yöneticisinin yanında bir modelin beklenen getirisi. Yazarlar, kuralın gerçek etkisinin finans, tıbbi görüntüleme ve tahmin piyasaları gibi kalibrasyonun kolay olduğu alanlarda test edilmesini öneriyor.
Makale, temel olasılık ve kalkülüs bilen lisans öğrencileri ve ileri düzey lise öğrencileri için bir öğretim metni olarak yazılmış. Parametreleri açıklama amaçlıdır: hiçbir gerçek hakem ya da VAR sistemi kalibre edilmedi. Son satırı teşekkür bölümüne ait; yazarlar orada şekiller, düzelti ve sağlama kontrolleri için ChatGPT kullandıklarını, “yapay zekânın kendi insan yargılarını bozmamasını sağlamak için √(2/π) kurallarını izleyerek” yaptıklarını söylüyor.
