Desde la compañía consideran que "la aplicación de técnicas avanzadas de inteligencia artificial al fútbol tiene el potencial de revolucionar el juego".
El uso de estadísticas y sistemas computacionales para obtener mejores resultados deportivos no es nada nuevo. La película Moneyball, por ejemplo, dramatizó el caso de un equipo de béisbol de Oakland que logró mejorar su rendimiento, contratando y alineando a los jugadores adecuados en base a su presupuesto, para mejorar sus resultados en el campo de juego. Pero el Liverpool de la Premiere League está yendo más allá.
El equipo rojo, que el año pasado tuvo una fenomenal campaña, la cual contrasta con sus resultados de la actual temporada, colaboró con los servicios de DeepMind, una subsidiaria de la casa matriz de Google, para explorar el uso de la inteligencia artificial (IA) en el fútbol.
Dicho trato, según consta en Wired, fue revelado en el Journal of Artificial Intelligence Research. Ahí, uno de los investigadores involucrados asegura que este es el "momento adecuado" para concretar este tipo de exploración.
"La aplicación de técnicas avanzadas de inteligencia artificial al fútbol tiene el potencial de revolucionar el juego en muchos ejes, para jugadores, tomadores de decisiones, fanáticos y locutores", recalcan desde DeepMind.
El plan con la inteligencia artificial
A grandes rasgos, Livepool proporcionó detallados datos sobre sus partidos entre 2017 y 2019. Estos no solo involucran elementos disponibles desde hace años, como la posesión o número de tarjetas, sino que también otros mucho más profundos. Todo cortesía del uso de sensores, rastreadores GPS y algoritmos de visión por computadora para rastrear el movimiento de la pelota en la cancha.
En esa línea, explican que la IA es capaz de analizar datos en tiempo real para detectar patrones que los entrenadores quizás no perciben de forma inmediata. Y por eso este deporte representa una gran oportunidad para probar los algoritmos.
"Un juego como el fútbol es súper interesante porque hay muchos agentes presentes, hay competencia y aspectos de colaboración", dijo Karl Tuyls, uno de los investigadores de DeepMind.
En ese sentido, el trabajo exploratorio con el Liverpool demostró cómo se puede entrenar a un modelo con datos sobre un equipo y alineación específicos para predecir cómo reaccionarán sus jugadores en una situación particular. "Si lanzas un balón largo en el lado de la derecha contra el Manchester City, por ejemplo, Kyle Walker correrá en una dirección particular, mientras que John Stones puede hacer otra cosa", explica el análisis detallado.
Lo anterior podría tomarse como base para predecir las implicaciones de un cambio táctico o cómo podría jugar un oponente si un jugador clave sale lesionado. Y como existen directores técnicos que se dan cuenta de esos cambios, el objetivo de todo esto no busca reemplazarlos.
"Hay una gran cantidad de datos, muchos que digerir y no es necesariamente tan fácil manejar esta gran cantidad de datos. Estamos intentando desarrollar tecnología de asistencia", explicó Tuyls.
Tantos datos como se quieran
Los datos analizables son tan variados, que los investigadores sostienen que inclusive se podría calcular cómo una entrada fallida podría contribuir a un gol, así como permitir presentar a los jugadores por qué era mejor dar un pase en vez de disparar al arco en una situación en particular tras un partido.
Pero esas opciones no se quedan solo ahí. Un modelo entrenado con datos de rendimiento (fuerza y estado físico) también podría recomendar qué jugadores necesitan descansar para evitar lesiones.
En el análisis que se llevó a cabo, los investigadores también revisaron 12000 penales lanzados en toda Europa en las últimas temporadas. A partir de ahí clasificaron a los jugadores en grupos según su estilo de juego. Luego utilizaron la información para hacer predicciones sobre la dirección de los disparos y la posibilidades de anotación. Por ejemplo, notaron que los delanteros apuntaban mucho más a la esquina inferior izquierda que los mediocampistas.
Pero en toda esa suma de datos, también tienen claro que los análisis deben ser tomados por expertos para no llegar a conclusiones equivocadas sobre la información que entrega la inteligencia artificial. "No estamos tratando de construir robots, estamos tratando de mejorar el juego de fútbol humano", remarcó Karl Tuyls.
En ese sentido, el investigador plantea que las posibilidades están ahí para ser aprovechadas en el mediano plazo. Por ejemplo, en los próximos cinco años, algunas de las herramientas podrían estar tan desarrolladas, que un asistente de video automatizado podría analizar la primera mitad de un partido para entregar datos que se podrían utilizar en la toma de decisiones después del entretiempo.
