Los modelos de IA pueden mejorar las tácticas del “corner”

Del The Economist Ciencia y Tecnologia del 19 de marzo de 2024

Para Google DeepMind, una empresa de inteligencia artificial (IA), los tiros de esquina son como juegos de ajedrez.
En parte porque ambos cuentan con bandos opuestos preparados para reaccionar ante un único movimiento inminente. Pero también, sin duda, porque ellos también pueden verse revolucionados por la IA.
Los modelos de IA prosperan donde hay abundantes datos.
El fútbol satisface con creces este requisito. Los jugadores de élite llevan chalecos que miden el ritmo cardíaco, la posición, la velocidad y la fuerza ejercida; Los analistas del equipo miran horas de imágenes para contar porcentajes de posesión y números de pases, tiros y goles. En un artículo publicado el 19 de marzo en Nature Communications https://www.nature.com/ncomms/ , Wang y sus colegas trabajaron con el personal del Liverpool Football Club para introducir estos datos en un modelo estadístico conocido como “red neuronal gráfica “(GNN por sus siglas en ingles)
Luego pudieron utilizar este modelo para predecir qué jugador en el campo terminaría haciendo el primer contacto con el balón con niveles de precisión similares a los de los expertos humanos.

Los entrenadores de todo el mundo deberían estar caminando frente a sus banquillos emocionados por la noticia.
Durante los 90 minutos habituales de un partido de fútbol, es raro encontrarse dos veces con la misma situación.
Pero los tiros de esquina, que son eminentemente repetibles, son el foco de horas de entrenamiento especializado.
Y hacerlo bien en ellos vale la pena. El Arsenal, que se encontraba en la cima de la Premier League cuando se publicó este artículo de investigación, ha marcado 13 goles de córner de un total de 70 en la temporada.
Pequeñas ventajas en esta parte del juego pueden marcar una gran diferencia. El GNN de DeepMind https://deepmind.google/ funciona estableciendo relaciones estadísticas entre los datos recopilados de los 22 jugadores durante 7.176 tiros de esquina.
Cada rutina de esquina finalmente se representó como un vector en un espacio de 352 dimensiones: imposible de visualizar para un humano, pero fácil de procesar para una computadora.
Las esquinas que se desarrollaron de manera similar terminaron muy juntas en ese espacio, lo que permitió al modelo hacer predicciones sobre nuevas jugadas a balón parado.
El modelo también fue capaz de utilizar este análisis para sugerir nuevas tácticas. Y, según las calificaciones dadas por cinco expertos del Liverpool, las tácticas de tiro de esquina generadas por IA fueron tan buenas como las sugeridas por los entrenadores humanos.
De hecho, cuando se mostraron 50 pares de esquinas, una real y otra con una mejora sugerida por la IA, el 90% de las sugerencias de la IA fueron aceptadas por la mayoría de los jueces.

Ver nota completa en https://www.economist.com/science-and-technology/2024/03/19/ai-models-can-improve-corner-kick-tactics

Texto