EL PAIS 馃數 Google construy贸 un ayudante t谩ctico artificial para Klopp, y funciona bastante bien – Shango Media
News-FRONT-ES

EL PAIS 馃數 Google construy贸 un ayudante t谩ctico artificial para Klopp, y funciona bastante bien

El experimento en el que la inteligencia artificial (IA) ha llegado m谩s lejos en la comprensi贸n de las din谩micas del f煤tbol comenz贸 con una conversaci贸n de vecinos. En 2018, Julian Ward y Karl Tyls pensaron que estar铆a bien hacer algo juntos. Ward era el responsable del programa de cesiones del Liverpool y Tyls trabajaba en DeepMind, la divisi贸n de IA de Google. Organizaron una reuni贸n en Melwood, la vieja ciudad deportiva del club, donde los recibi贸 el que era director de investigaci贸n del Liverpool, Ian Graham: 鈥淟a gran idea era: 驴Y si la IA pudiera reemplazar al entrenador?鈥, recuerda a trav茅s de una videollamada. 鈥淧ero no quer铆amos ser demasiado controvertidos, as铆 que lo dejamos en ver si la IA podr铆a ser un entrenador ayudante que aconsejara al entrenador鈥.

Casi ocho a帽os m谩s tarde, aquella charleta de vecinos ha desembocado en la publicaci贸n en la revista Nature Communication de los detalles de la construcci贸n de TacticAI, una herramienta de inteligencia artificial capaz de ayudar a J眉rgen Klopp a preparar las jugadas de c贸rner. El sistema es capaz de analizar y destilar horas y horas de v铆deos de saques de esquina y aportar sugerencias indistinguibles de las humanos. El 90% de las veces los analistas del Liverpool prefer铆an las ideas de la m谩quina frente a lo que hab铆a sucedido en la realidad.

Antes de construir esta herramienta, exploraron ideas m谩s generales sobre qu茅 podr铆a conseguir la IA con el f煤tbol. Decidieron que el primer reto para la IA ser铆a una especie de juego. Deten铆an el v铆deo de un partido y le ped铆an que adivinara c贸mo iban a seguir movi茅ndose los futbolistas, seg煤n cuenta Graham, que es doctor en F铆sica te贸rica por la Universidad de Cambridge: 鈥淐on los jugadores que est谩n cerca del bal贸n, las predicciones son realmente buenas durante los primeros diez segundos. Si est谩n lejos, pod铆a desviarse unos diez metros, pero para esos jugadores no es tan importante si lo predice mal鈥. De eso sali贸 una publicaci贸n en la revista Scientific Reports, de la familia de Nature. Hab铆an conseguido entrenar a la inteligencia artificial para que adquiriera una comprensi贸n bastante notable de las din谩micas complejas que operan en un partido.

Despu茅s, como explica Graham, buscaron c贸mo sacar fruto de lo aprendido: 鈥淟os c贸rners son una situaci贸n controlada. Es muy desordenada, hay muchos jugadores en el 谩rea, agarr谩ndose la camiseta, d谩ndose codazos鈥 pero sabemos que la pelota est谩 parada y la van a centrar al 谩rea鈥. Tambi茅n hab铆a posibilidad de premio: 鈥淓n el Liverpool sab铆amos que 铆bamos a tener siete u ocho c贸rners por partido. Si podemos maximizar nuestras oportunidades de marcar, si eso nos da una o dos victorias por temporada, puede ser la diferencia entre quedar primero o segundo鈥.

Para abordar el problema, DeepMind envi贸 a Zhe Wang, un ingeniero con investigaciones sobre rob贸tica que ven铆a de ense帽ar a jugar al f煤tbol a humanoides, y a Petar Velickovic, una de las personas que desarroll贸 el modelo que permite calcular a Google Maps cu谩nto se tarda en ir de un sitio a otro. 鈥淓s un viaje salir de nuestro laboratorio de investigaci贸n y aplicar estas tecnolog铆as para resolver problemas del mundo real. Es fascinante鈥, dice Zhe por videollamada.

Los inicios resultaron un tanto decepcionantes para Graham: 鈥淎l principio la IA solo dec铆a cosas bastante obvias. Dec铆amos, vale, entiende lo que es un c贸rner abierto y uno cerrado, y que el bal贸n se aleja de la porter铆a en el primero. Pero no era culpa suya. Si no le haces las preguntas correctas, no te dar谩 las respuestas correctas. Ver las diferencias entre los c贸rners que se abren es mucho m谩s interesante鈥.

Fueron adiestrando al sistema hasta que aprendi贸 a hacer tres cosas: revisar y catalogar todos los v铆deos de c贸rners que se le proporcionen, predecir qu茅 va a suceder en cada uno dependiendo de la colocaci贸n de los jugadores (qui茅n recibir谩 el bal贸n, si puede haber un tiro) y generar alternativas para afrontar cada caso (situar un defensa un metro m谩s adelante, por ejemplo).

Uno de los ejemplos en los que TacticAI sugiere ajustes en la posici贸n de los jugadores para defender un c贸rner y as铆 reduce la probabilidad de que los atacantes reciban la pelota.
Uno de los ejemplos en los que TacticAI sugiere ajustes en la posici贸n de los jugadores para defender un c贸rner y as铆 reduce la probabilidad de que los atacantes reciban la pelota.

Para Velickovic, la principal ventaja de TacticAI, cuyo motor han liberado y servir铆a para otros deporte de equipo, es la carga que alivia: 鈥淟os analistas de v铆deo tienen que emplear menos tiempo analizando patrones. Los humanos podemos hacerlo bien, pero no r谩pido鈥. Tambi茅n supone un atajo al buscar opciones para da帽ar al rival o defenderse de 茅l: 鈥淟os humanos pueden encontrar ajustes mejores, si piensan durante m谩s tiempo, pero TacticAI puede darte algo que el 90% de las veces es mejor, y te lo da en segundos. As铆 tienes m谩s tiempo para la parte creativa鈥.

Graham tambi茅n ve que ese es el espacio de la mente humana: 鈥淟a IA aprende de los datos que ha visto, as铆 que solo producir谩 cosas similares a lo que ha visto. No algo completamente nuevo. A m铆 me gustan los c贸rners locos鈥. Como aquel saque sorpresa con el que eliminaron al Bar莽a en la vuelta de la semifinal de la Champions de 2019, tras perder 3-0 en el Camp Nou. Alexander-Arnold saca muy r谩pido y Origi marca antes de que los azulgrana se den cuenta. Segu铆an un plan: James French, el analista de rivales, se hab铆a dado cuenta viendo v铆deos de que cuando conced铆an un c贸rner los jugadores del Bar莽a se distra铆an protestando al 谩rbitro, hablando entre ellos鈥 Y lo aprovecharon. Esa idea no lo habr铆a tenido TacticAI.

Puedes seguir a EL PA脥S Deportes en Facebook y X, o apuntarte aqu铆 para recibir nuestra newsletter semanal.

Suscr铆bete para seguir leyendo

Lee sin l铆mites

_

Bouton retour en haut de la page
Fermer