BIHUB PATH

junio 7, 2021

El reto de la IA en el deporte: obtener los datos para el aprendizaje

Fan Engagement & Big Data

APÚNTATE AHORA AL Certificado en Tecnología y Ciencia Aplicadas al Deporte

ÚNETE AHORA
318K

La Inteligencia Artificial (IA) está trabajando ya en muchas de las cosas que nos rodean. Desde aplicaciones muy sencillas, como los algoritmos que nos recomiendan música o películas en función de nuestras preferencias, hasta programas usados por las administraciones públicas para su relación con los ciudadanos. La IA también se está empleando el deporte profesional, donde el mayor reto es facilitar a estos programas una base de datos sobre la que realizar su aprendizaje.

Es así porque bajo el término genérico de inteligencia artificial se incluyen diferentes técnicas con una característica común, son programas informáticos que se enseñan a sí mismos. Para hacerlo necesitan una cantidad de datos difícil de manejar por un ser humano, hablamos de miles e incluso de millones de ejemplos. Eso hace relativamente fácil generar programas de reconocimiento facial, pensemos en los millones de fotos subidas a las redes. Y dificilísimo encontrar datos de deportistas profesionales, cuya cifra no supera demasiado el número de los agrupados en la UNI, asociación mundial de deportistas: 85.000 atletas. Además de su bajo número, las mediciones tienen que ser sobre aspectos muy específicos para ser útiles.

Como todo en el deporte, esto es más un reto que un problema. Y los métodos que algunas startup han comenzado ya a aplicar para solucionarlo parecen indicar hacia dónde apunta el desarrollo de la IA en este campo. Hacia la creación de aparatos que suministren datos para el aprendizaje, y que puedan aplicarse a colectivos de deportistas profesionales. Pero también a otros que, como quienes se someten a un entrenamiento militar, pasan por situaciones de esfuerzo y trabajo individual o en equipos análogas al deporte. De esta forma se busca alimentar la base de datos de aprendizaje. 

Una placa para saber si tu modo de moverte degenerará en lesión

Uno de los casos más destacables es Sparta Science. Su fundador Phil Wagner fue jugador universitario de fútbol americano, tuvo que abandonar por lesiones y tras graduarse como médico se puso como objetivo prioritario medir el riesgo de lesiones musculoesqueléticas. La que se produce como consecuencia de traumatismos pequeños y repetidos. Los médicos saben desde hace tiempo que existe una correlación medible entre el modo de moverse y el riesgo de lesionarse. Y desde luego que una inteligencia artificial manejando millones de datos acabaría encontrando el patrón para eliminarlas, identificando el riesgo en un chute, en un salto, en un placaje, o en los errores posturales. Lo significativo de este caso es, precisamente, el dispositivo ideado para obtenerlo, el “force plate”.

Utilización del force plate para la recogida de datos en las instalaciones de Sparta Science.

Esta plataforma apenas tarda veinte segundos en recoger 60.000 datos con solo que el usuario salte, empuje o se balancee sobre ella. Varios equipos de la liga de fútbol americano, sin duda un deporte con alta incidencia de lesiones, han adoptado esta tecnología, y gracias a eso la masa de datos ya incluye a muchos jugadores de élite. Ahora lo usan también equipos de la NBA y la MLB, pero lo más prometedor es la contratación que de ellos ha hecho el ejército estadounidense. Su intención es ahorrar millones en el tratamiento de lesiones por entrenamiento de sus soldados, y la interesante contrapartida para el ámbito deportivo será una gran base de datos sobre lesiones musco-esqueléticas en relación con el movimiento. Porque sin duda la intensidad del entrenamiento militar guarda analogías con el de un deportista profesional.

Evaluar objetivamente la habilidad de un futbolista en base a sus toques del balón

La empresa Seattle Sports Science parte del planteamiento radical de que, en realidad, la habilidad de un futbolista nunca se ha medido. Se refieren a la relación entre toque del balón con cualquier parte del cuerpo y resultado posterior del lanzamiento. Identifican veintitrés puntos de contacto, repartidos entre la cabeza (cuatro) el torso (cinco), las piernas (dos) y los pies (seis cada uno), y miden la eficacia de ese toque. Y aspiran a medirla a fin de crear una “analítica de la habilidad” (skill analytics) específica para el fútbol.

En este caso el aparato desarrollado para la recogida de datos es el Isotechne Motion, un poste clavado en el césped con sensores que miden lugar de impacto, movimiento, velocidad y precisión del tiro. Pensado para el entrenamiento, se combina con una máquina que lanza los balones con diferentes trayectorias, velocidades y distancias. El papel de la inteligencia artificial aquí es agrupar los datos recogidos, los cientos y miles de toques de los jugadores, para su tratamiento posterior. La IA aprende y diagnostica de forma individual la habilidad de cada futbolista y el análisis de su chute en relación a los otros jugadores, a los pases, tiros a portería, etcétera.

Puntos medidos por el dispositivo Isotechne.

Hay un beneficio claro aquí para el entrenador y para la evaluación de nuevos talentos. El técnico puede conocer de forma precisa dónde es más débil un jugador de su plantilla y reforzar ese aspecto, identificando casos como el de no dominar la trayectoria del balón cuando lo golpea con el pecho. Analizando la sesión individual de un aspirante también obtendría un rango de precisión y efectividad. Esto, en cuanto al beneficio objetivo del uso por un equipo. Además la suma de todos estos datos compondría un Big Data muy valioso para el machine learning de las IAs. Identificando patrones útiles para absolutamente todos los jugadores del mundo. O lo que es lo mismo, permitiendo medir, en base a los resultados de sus toques, y de forma objetiva, a un futbolista en una escala del 1 al 10.

Lo que no deja de ser una visión parcial, ya que deja fuera aquellos jugadores con menor habilidad pero cuyo conocimiento táctico o posicionamiento les hace mejores. Como en muchos otros campos, la IA necesita aún mucho desarrollo, y contemplar más escenarios de aprendizaje.

Resulta interesante la reflexión de Jeff Alger, CEO de Seattle Sport Sciences, sobre IA. En su opinión los algoritmos, que son la base de la inteligencia artificial, van y vienen, pero los datos son para siempre. A lo que habría que añadir que de la capacidad para disponer de ellos y tratarlos dependerá en un futuro muy próximo gran parte del éxito de los equipos y jugadores profesionales. Bienvenidos a la inteligencia artificial deportiva.

 

Martín Sacristán

 

NOTAS RELACIONADAS

¿Quieres saber más?

  • Suscríbete
  • Contáctanos
  • Únete al HUB

Mantente al día con nuestras novedades

¿Tienes preguntas sobre Barça Universitas?

  • Startup
  • Centro de Investigación
  • Corporativo

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.

Por favor, completa los campos:

Por favor, completa los campos:

Por favor, completa los campos:

El Formulario ha sido enviado exitosamente.