BIHUB PATH

juny 7, 2021

El repte de la IA en l’esport: obtenir les dades per a l’aprenentatge.

Fan Engagement i Big Data

APUNTA’T AL Certificat en Tecnologia i Ciència Aplicades a l’Esport

UNIR-SE ARA
318K

La Intel·ligència Artificial (IA) està treballant ja en moltes de les coses que ens envolten. Des d’aplicacions molt senzilles, com els algorismes que ens recomanen música o pel·lícules en funció de les nostres preferències, fins a programes usats per les administracions públiques per a la seva relació amb els ciutadans. La IA també s’està emprant en l’esport professional, on el major repte és facilitar a aquests programes una base de dades sobre la qual realitzar el seu aprenentatge.

És així perquè sota el terme genèric d’intel·ligència artificial s’hi inclouen diferents tècniques amb una característica comuna, ser programes informàtics que s’ensenyen a si mateixos. Per fer-ho necessiten una quantitat de dades difícil de manejar per un ésser humà, parlem de milers i fins i tot de milions d’exemples. Això fa relativament fàcil generar programes de reconeixement facial, pensem en els milions de fotos pujades a les xarxes. I dificilíssim trobar dades d’esportistes professionals, la xifra dels quals no supera per molt el número dels agrupats en la UNI, associació mundial d’esportistes: 85.000 atletes. A més del seu baix número, els mesuraments han de ser sobre aspectes molt específics per ser útils.

Com tot en l’esport, això és més un repte que un problema. I els mètodes que algunes startup han començat ja a aplicar per solucionar-ho semblen indicar cap a on apunta el desenvolupament de la IA en  aquest camp. Cap a la creació d’aparells que subministrin dades per a l’aprenentatge, i que puguin aplicar-se a col·lectius d’esportistes professionals. Però també a uns altres que, com els qui se sotmeten a un entrenament militar, passen per situacions d’esforç i treball individual o en equip, anàlogues a l’esport. D’aquesta manera es busca alimentar la base de dades d’aprenentatge.

Una placa per saber si la teva manera de moure’t degenerarà en una lesió

Un dels casos més destacables és Sparta Science. El seu fundador Phil Wagner va ser jugador universitari de futbol americà, però va haver d’abandonar per lesions i després de graduar-se com a metge es va posar com a objectiu prioritari mesurar el risc de lesió muscoesquelètica. La que es produeix a conseqüència de traumatismes petits i repetits. Els metges saben des de fa temps que existeix una correlació mesurable entre la manera de moure’s i el risc de lesionar-se. I per descomptat que una intel·ligència artificial gestionant milions de dades acabaria trobant el patró per a eliminar-les, identificant el risc en un xut, en un salt, en un placatge, o en els errors posturals. El significatiu d’aquest cas és, precisament, el dispositiu ideat per a obtenir-lo, el “force plate”.

 

Utilització del force plate per a la recollida de dades en les instal·lacions de Sparta Science.

Aquesta plataforma tot just triga vint segons a recollir 60.000 dades només amb que l’usuari salti, empenyi o es balancegi sobre ella. Diversos equips de la lliga de futbol americà, sens dubte un esport amb alta incidència de lesions, han adoptat aquesta tecnologia, i gràcies a això la massa de dades ja inclou a molts jugadors d’elit. Ara ho usen també equips de la NBA i la MLB, però el més prometedor és la contractació que d’ells ha fet l’exèrcit estatunidenc. La seva intenció és estalviar milions en el tractament de lesions per entrenament dels seus soldats, i la interessant contrapartida per a l’àmbit esportiu serà una gran base de dades sobre lesions musculoesquelètiques en relació amb el moviment. Perquè sens dubte la intensitat de l’entrenament militar guarda analogies amb la d’un esportista professional.

Avaluar objectivament l’habilitat d’un futbolista sobre la base dels seus tocs de la pilota

L’empresa Seattle Sports Science parteix del plantejament radical que, en realitat, l’habilitat d’un futbolista mai s’ha mesurat. Es refereixen a la relació entre el toc de la pilota amb qualsevol part del cos i el resultat posterior del llançament. Identifiquen vint-i-tres punts de contacte, repartits entre el cap (quatre) el tors (cinc), les cames (dues) i els peus (sis cadascun), i mesuren l’eficàcia d’aquest toc. I aspiren a mesurar-la a fi de crear una “analítica de l’habilitat” (skills analytic) específica per al futbol.

En aquest cas l’aparell desenvolupat per a la recollida de dades és el Isotechne Motion, un pal clavat a la gespa amb sensors que mesuren el lloc d’impacte, moviment, velocitat i precisió del tir. Pensat per a l’entrenament, es combina amb una màquina que llança les pilotes amb diferents trajectòries, velocitats i distàncies. El paper de la intel·ligència artificial aquí és agrupar les dades recollides, centenars i milers de tocs dels jugadors, per al seu posterior tractament. La IA aprèn i diagnostica de manera individual l’habilitat de cada futbolista i l’anàlisi del seu xut en relació als altres jugadors, a les passades, tirs a porteria, etcètera.

Punts mesurats pel dispositiu Isotechne.

Hi ha un benefici clar aquí per a l’entrenador i per a l’avaluació de nous talents. El tècnic pot conèixer de manera precisa on és més feble un jugador de la seva plantilla i reforçar aquest aspecte, identificant casos com el de no dominar la trajectòria de la pilota quan la colpeja amb el pit. Analitzant la sessió individual d’un aspirant també obtindria un rang de precisió i efectivitat. Això, pel que fa al benefici objectiu del seu ús per un equip. A més la suma de totes aquestes dades compondria un Big Data molt valuós per al machine learning de les IAs. Identificant patrons útils per a absolutament tots els jugadors del món. O el que és el mateix, permetent mesurar, sobre la base dels resultats dels seus tocs, i de manera objectiva, a un futbolista en una escala de l’1 al 10.

El que no deixa de ser una visió parcial, ja que deixa fora aquells jugadors amb menor habilitat però amb un coneixement tàctic o de posicionament que els fa millors. Com en molts altres camps, la IA necessita encara molt desenvolupament, i contemplar més escenaris d’aprenentatge.

Resulta interessant la reflexió de Jeff Alger, CEO de Seattle Sport Sciences, sobre la IA. En la seva opinió els algorismes, que són la base de la intel·ligència artificial, van i vénen, però les dades són per sempre. Al que caldria afegir que de la capacitat per poder disposar d’ells i tractar-los en dependrà en un futur molt pròxim gran part de l’èxit dels equips i jugadors professionals. Benvinguts a la intel·ligència artificial esportiva.

 

Martín Sacristán

NOTES RELACIONADES

¿VOLS SABER MÉS?

  • SUBSCRIU-TE
  • CONTACTE
  • APLICAR

ESTIGUES AL DÍA AMB LES NOSTRES NOVETATS

Tens preguntes sobre Barça Universitas?

  • Startup
  • Investigador
  • Corporatiu

Si us plau, completa els camps:

Si us plau, completa els camps:

Si us plau, completa els camps:

El Formulari ha estat enviat amb èxit.

Si us plau, completa els camps:

Si us plau, completa els camps:

Si us plau, completa els camps:

El Formulari ha estat enviat amb èxit.

Si us plau, completa els camps:

Si us plau, completa els camps:

Si us plau, completa els camps:

El Formulari ha estat enviat amb èxit.