VAR کو ریفری کا فیصلہ کب الٹنا چاہیے؟
26 جون 2026 کو، ورلڈ کپ کے گروپ مرحلے کے آخری راؤنڈ میں، سیئٹل میں ایران کا مقابلہ مصر سے ہوا۔ مصنفین اسٹیڈیم میں موجود تھے۔ 93ویں منٹ میں، Shoja Khalilzadeh نے وہ گول کیا جو جیت کا گول لگ رہا تھا، اور میدان میں موجود ریفری ٹیم نے گول کو آن سائیڈ قرار دیا۔ کئی منٹ کے غور و خوض کے بعد، ویڈیو اسسٹنٹ ریفری (VAR) نے یہ فیصلہ الٹ دیا: اس کی 3D تشکیلِ نو (reconstruction) کے مطابق، گول کرنے والے کے پاؤں کا ایک چھوٹا سا حصہ آف سائیڈ پوزیشن میں تھا۔ میچ برابری پر ختم ہوا۔ The Athletic کے مطابق، ایران کے ناک آؤٹ راؤنڈز تک پہنچنے کا امکان اب بھی 92% تھا؛ اگلے دن کے نتائج نے اسے صفر کر دیا۔
مصنفین کا سوال سادہ ہے: کیا VAR کا بتایا ہوا آف سائیڈ کا ایک بہت چھوٹا فرق ریفری کا فیصلہ الٹنے کے لیے کافی ہونا چاہیے؟
ایک فریم 17 سینٹی میٹر لمبا ہے
اسکرین پر درستگی میدان میں درستگی نہیں ہے۔ 30 فریم فی سیکنڈ پر ریکارڈ کی گئی ویڈیو میں، 5 میٹر فی سیکنڈ کی رفتار سے دوڑتا کھلاڑی دو مسلسل فریموں کے درمیان تقریباً 17 سینٹی میٹر آگے بڑھ جاتا ہے۔ گیند کھیلے جانے کے عین لمحے کے بارے میں ذرا سی غیر یقینی بھی کسی 3D ماڈل کے ملی میٹروں سے زیادہ اہم ہو سکتی ہے۔
Princeton University کے Amir Ali Ahmadi، اور Algonquin Regional High School کے Parsa اور Radeen Alavi نے اس تنازعے کو ایک احتمالی ماڈل (probability model) میں بدل دیا۔ حقیقی فرق، θ، آف سائیڈ لکیر سے آگے حملہ آور کا فاصلہ ہے: مثبت کا مطلب آف سائیڈ ہے۔ ریفری اسے σ_H پھیلاؤ والی ایک بے ترتیب غلطی کے ساتھ محسوس کرتا ہے، مگر صرف ہاں یا نہیں کہتا ہے۔ VAR ایک عدد ناپتا ہے، σ_AI پھیلاؤ والی اپنی بے ترتیب غلطی کے ساتھ۔ دونوں غلطیوں کو گاؤسی (Gaussian) اور ایک دوسرے سے آزاد فرض کیا جاتا ہے۔
√(2/π) کا اصول
پھر مصنفین وہ فرق تلاش کرتے ہیں جو مشاہدہ شدہ چیز — ریفری کا فیصلہ اور VAR کا ایک عدد — کو سب سے زیادہ ممکن بنا دے، ایک طریقہ جسے زیادہ سے زیادہ امکان (maximum likelihood) کہا جاتا ہے۔ وہ ثابت کرتے ہیں کہ یہ بہترین تخمینہ ہمیشہ موجود ہوتا ہے اور یکتا ہوتا ہے۔ اس سے بھی بہتر، آخری فیصلے کے لیے کسی حساب کی ضرورت ہی نہیں، صرف ایک حد سے موازنہ کافی ہے:
c = √(2/π) × σ_AI² / σ_H
جب دونوں میں اختلاف ہو، تو VAR ریفری کا فیصلہ صرف تب الٹتا ہے جب اس کا ناپا ہوا فرق c سے بڑا ہو۔ اس سے کم ہو تو ریفری کا فیصلہ برقرار رہتا ہے۔ عدد √(2/π)، جو تقریباً 0.80 ہے، خود گھنٹی نما منحنی (bell curve) سے آتا ہے۔
ایک ایسا ریفری لیں جس کی عام غلطی 10 سینٹی میٹر ہو اور ایک ایسا VAR جس کی عام غلطی 2 سینٹی میٹر ہو۔ حد 0.32 سینٹی میٹر بنتی ہے۔ متضاد VAR فرق 0.20 سینٹی میٹر ہو تو ریفری کا فیصلہ برقرار رہتا ہے؛ 0.50 سینٹی میٹر ہو تو الٹ جاتا ہے۔ حملہ آور کو لکیر سے آگے دکھانا کافی نہیں: VAR کو اسے واضح طور پر لکیر سے آگے دکھانا ہوگا۔
دو غلطیاں جن کا وزن برابر نہیں
فارمولے میں ایک عدم تشاکل (asymmetry) چھپا ہے۔ حد VAR کی غلطی کے مربع کے ساتھ بڑھتی ہے، مگر ریفری کی غلطی کے ساتھ صرف معکوس تناسب رکھتی ہے: VAR کی غلطی دگنی کریں تو حد چار گنا ہو جاتی ہے، ریفری کی غلطی دگنی کریں تو حد صرف آدھی رہ جاتی ہے۔ زیادہ شور والے VAR کو زیادہ مضبوط ثبوت درکار ہوتا ہے؛ زیادہ شور والے ریفری کا فیصلہ الٹنا آسان ہوتا ہے۔ مصنفین ان مختلف قوتوں (powers) کو معلومات کی دو قسموں سے جوڑتے ہیں: VAR کے لیے ایک عدد، ریفری کے لیے محض ایک علامت (sign)۔
دونوں کو ملانے کا بھی فائدہ ہوتا ہے۔ 2 سینٹی میٹر کی برابر غلطیوں اور 2 سینٹی میٹر کے حقیقی فرق کے ساتھ، اکیلا ریفری یا اکیلا VAR 15.87% مواقع پر غلط ہوتا ہے؛ مشترکہ اصول 9.70% مواقع پر۔
ماڈل تعصب (bias) کو بھی سنبھالتا ہے۔ ایسے ریفری کے لیے جو اوسطاً 5 سینٹی میٹر سے آف سائیڈ قرار دینے کی طرف مائل ہو، دو مختلف حدیں بنتی ہیں: آف سائیڈ فیصلہ الٹنے کے لیے 0.20 سینٹی میٹر، آن سائیڈ فیصلہ الٹنے کے لیے 0.46 سینٹی میٹر۔ اور اگر خود VAR میں 1 سینٹی میٹر کا معلوم تعصب ہو، تو اسے نظر انداز کرنا فیصلے کو پلٹ سکتا ہے۔
اصول استعمال کرنے کے لیے غلطی کے چاروں پیرامیٹر درکار ہیں۔ مقالہ دکھاتا ہے کہ انشانکاری (calibration) کے ایسے کھیل کے لمحات سے، جن میں حقیقی فرق معلوم ہو، ان کا اندازہ کیسے لگایا جائے: VAR کے لیے ایک سادہ اوسط اور پھیلاؤ، اور ریفری کے ہاں یا نہیں والے فیصلوں کے لیے ایک “probit” فٹ۔
میدان سے آگے
یہی ڈھانچہ ہر اس جگہ نظر آتا ہے جہاں ایک انسان فیصلہ دیتا ہے اور ایک مشین اسی مقدار کی پیمائش دیتی ہے: ایک ڈاکٹر جو کسی زخم (lesion) کو غیر مہلک یا مہلک قرار دے، ساتھ میں AI کا مہلک پن کا اسکور؛ ایک انجینئر جو ہوائی جہاز کے کسی پرزے کو منظوری دے، ساتھ میں نقص کی شدت کا اسکور؛ ایک فنڈ مینیجر، ساتھ میں کسی ماڈل کا متوقع منافع۔ مصنفین تجویز کرتے ہیں کہ اصول کا حقیقی اثر وہاں آزمایا جائے جہاں انشانکاری آسان ہو، جیسے مالیات، طبی امیجنگ اور پیش گوئی کی منڈیاں (prediction markets)۔
مقالہ ایک تدریسی تحریر کے طور پر لکھا گیا ہے، انڈرگریجویٹ طلبہ اور ہائی اسکول کے ان اعلیٰ درجے کے طلبہ کے لیے جو بنیادی احتمال اور کیلکولس جانتے ہیں۔ اس کے پیرامیٹر محض توضیحی (illustrative) ہیں: کسی حقیقی ریفری یا VAR نظام کی انشانکاری نہیں کی گئی۔ اس کی آخری سطر اعترافات (acknowledgements) کی ہے، جہاں مصنفین بتاتے ہیں کہ انہوں نے اشکال، پروف ریڈنگ اور معقولیت کی جانچ (sanity checks) کے لیے ChatGPT استعمال کیا، “اپنے √(2/π) اصول کی پیروی کرتے ہوئے، تاکہ یقینی بنایا جائے کہ AI ان کے انسانی فیصلے کو نہ الٹے”۔
