Intelligenza artificiale e machine learning cambiano il modo di giocare e guardare le partite e di prevedere i risultati

Mondiali 2018

I mondiali, l’evento calcistico più atteso, amplificano le emozioni dei tifosi di ogni squadra, ma pochi immaginano come intelligenza artificiale e machine learning incidano sul loro modo di vivere le partite. Eppure, si tratta di tecnologie all’avanguardia che cambiano sia il modo di giocare che quello di guardare gli incontri, nonché le modalità di previsione dei loro risultati.

Cerchiamo di capire come queste innovazioni contribuiscono a trasformare il calcio internazionale e quali altri contesti stanno rivoluzionando.

Estrazione dei dati: cambiare le modalità di gioco

A maggio, la FIFA ha annunciato che ogni squadra del campionato avrebbe potuto disporre di due tablet durante le partite: uno per l’analista di squadra che osserva la partita dalla tribuna e un altro per la squadra di coaching in panchina. Questi dispositivi offrono a giocatori e allenatori nuove opportunità di raccogliere dati, valutare decisioni e reagire alle interazioni in campo.

L’estrazione dei dati consente di analizzare le complesse informazioni derivanti dai giocatori e dagli incontri. Registrazioni video o partite giocate in precedenza rappresentano quindi l’origine di questi dati, con i quali è possibile elaborare programmi di allenamento finalizzati a evitare lesioni, migliorare tempi di recupero, o focalizzarsi sui punti deboli dei giocatori.

Ora, grazie all’introduzione delle nuove regole e dei tablet in campo, per la prima volta le squadre possono accedere a informazioni ed analisi in tempo reale.

Anche l’impiego delle tecnologie di comunicazione durante il gioco può rivelarsi letteralmente rivoluzionario. Durante il processo di estrazione vengono recuperati e organizzati i dati considerati rilevanti. A questo punto, l’allenatore può analizzarli per identificare le tendenze e fare previsioni sulle partite future della squadra avversaria. Lo staff in panchina può così decidere meglio quale giocatore sostituire o come migliorare la difesa.

Oliver Bierhoff, team manager della nazionale tedesca, si dice soddisfatto delle nuove regole: “Oggi abbiamo tante opzioni a disposizione, come l’intelligenza artificiale e il machine learning; sono novità non sempre ben viste nel mondo del calcio, ma che ne faranno parte in futuro.” Bierhoff ritiene che l’impiego dell’analisi e dello scambio dei dati sul campo possa facilitare i processi decisionali delle squadre più piccole.

Analizzando le partite in tempo reale, la capacità di condividere, elaborare e analizzare i dati avrà un impatto incisivo sul modo di condurre la partita.

Deep learning: cambiare il modo in cui si guardano le partite

L’AI non si limita all’estrazione dei dati. I sistemi di deep learning sono algoritmi che simulano i processi decisionali del cervello umano, ma diversamente dai piccoli set di dati usati nell’estrazione che avviene durante il gioco, i sistemi di deep learning ‘masticano’ volumi imponenti di informazioni, i cosiddetti Big Data, provenienti da più origini e in grado di amplificare la profondità e l’ambito dei dati esaminati.

Con questi sistemi i ricercatori dell’Università di Washington, di Facebook e di Google hanno elaborato una soluzione che può acquisire un video di calcio da YouTube e visualizzarlo in tre dimensioni sfruttando dispositivi basati su tecnologie di realtà aumentata o visori 3D. Uno dei problemi principali dei ricercatori era quello di reperire un set di dati di allenamenti calcistici sufficientemente grande. Dovevano quindi acquisire un’immagine piatta bidimensionale e trovare un numero di punti di vista sufficienti per renderla tridimensionale. Servivano numerose immagini di ogni giocatore e una serie di dati di allenamento che mostrassero i giocatori in diverse pose e divise.

Il problema è stato risolto utilizzando i videogiochi FIFA di Electronic Arts, che vengono aggiornati ogni anno facendo sì che l’enorme quantità di informazioni contenuta in ogni gioco sia moltiplicata per il numero di edizioni disponibili. Per ottenere le immagini necessarie, i ricercatori hanno adottato una tecnica che hanno definito “interruzione delle chiamate di sistema”. Durante la partita, mentre i giocatori manovrano i propri calciatori, il programma “comunica” con il sistema operativo. I ricercatori interrompono questa “conversazione” ed estraggono i dati delle singole immagini, dalle quali vengono rimossi campo e sfondi, così da isolare la figura umana. L’immagine può quindi essere ritagliata per concentrarsi sulle posizioni del corpo, che vengono poi inviate a una rete neurale, uno dei sistemi di deep learning. Le reti neurali riconoscono i modelli nelle immagini, invece che nei numeri o nelle lettere. Nel caso del calcio, questo sistema aggrega e ordina i dati in modo da sovrapporre le posizioni e creare la profondità necessaria per la riproduzione in 3D.

Sebbene non sia ancora pronta per gli incontri dal vivo, è plausibile che per i Mondiali del 2022 la tecnologia di deep learning abbia già cambiato il modo di guardare le partite.

Intelligenza artificiale: un nuovo metodo per le previsioni calcistiche

I tifosi di tutto il mondo siedono sul bordo delle loro poltrone spronando la squadra del cuore verso la vittoria. Per il campionato a 32 squadre in corso, i pronostici tradizionali indicano il Brasile o la Germania come vincitori incontrastati. Due società che si occupano di AI hanno però aggregato le informazioni in modo differente, pronosticando un vincitore che potrebbe sorprendere.

Unanimous AI Swarm ha raccolto un gruppo di 30 esperti per fare previsioni indipendenti sul campionato e sui risultati di ogni partita. L’azienda ha quindi estratto i dati e li ha elaborati applicando il proprio algoritmo. Non sorprende, ma secondo questi dati l’inarrestabile team tedesco ripeterà la vittoria del 2014.

Va detto però che 30 esperti non rappresentano certo il maggior numero di dati disponibile, e che per una previsione di machine learning affidabile è necessario un insieme di dati ben più grande, come quello su cui si basano le previsioni effettuate dal Politecnico dell’Università di Dormund, in Germania.

I ricercatori dell’istituto hanno raccolto 16 diverse categorie di informazioni che possono incidere sul successo di una squadra, e con queste hanno creato un set di dati più esaustivo. Le ricerche non hanno considerato solo la forza del singolo team in un determinato match, poiché una sola giornata negativa più influenzare i risultati di un intero campionato.

Hanno perciò tenuto conto di fattori quali la formazione delle squadre, il benessere dei paesi di provenienza, il punteggio nelle classifiche, la capacità di acquisire punti nelle partite in casa e l’esperienza degli allenatori. Tutti questi dati sono quindi stati aggregati ed elaborati usando un metodo di intelligenza artificiale chiamato “foreste casuali”. Prevedendo il numero di goal che ogni squadra avrebbe potuto segnare in ogni partita, l’approccio ha consentito ai ricercatori di simulare i risultati reali.