Los 7.176 ejemplos del Liverpool y el algoritmo para rematar un córner

Los 7.176 ejemplos del Liverpool y el algoritmo para rematar un córner

En Youtube hay un montón de tutoriales del FIFA que te enseñan a marcar gol en todos los saques de esquina. Sólo hay que elegir muy bien al lanzador, al rematador, y pulsar unas cuantas teclas en el mando de la PlayStation. Ahora, un equipo de científicos acaba de publicar un artículo en la revista científica Nature, en la que aseguran que, con la ayuda de la Inteligencia Artificial, también se puede hacer en la vida real.

Para ello entrenaron a un sistema, denominado TacticAI, con una arquitectura de algoritmos y fórmulas al que añadieron 7.176 saques de esquina lanzados por el equipo del Liverpool a lo largo de su historia. Incluido el de Oakley Cannonier, el recogepelotas de la famosa semifinal Liverpool-Barça. Lo que supone introducir variables tan complicadas como pillar a una defensa insólitamente despistada, y que el recogepelotas le pase la pelota a toda velocidad a Alexander Arnold, mientras Divock Origi espera en el área pequeña.

«En la vida real, las rutinas de los saques de esquina se preparan antes de cada partido, por lo que un sistema que ayude a analizar y mejorar las posibilidades de marcar sería beneficioso para ayudar a los expertos humanos», explican los investigadores. Sus resultados fueron puestos manos del equipo técnico de Jürgen Klopp, que determinó que las ideas de TacticAI era mejores que las suyas para nueve de cada 10 saques de esquina, un dato realmente escalofriante.

«aprendizaje profundo geométrico»

Zhe Wang, Petar Velikovi, Karl Tuyls, tres expertos en IA, utilizaron el denominado «aprendizaje profundo geométrico», que consiste en identificar patrones estratégicos clave para producir resultados predictivos y generativos, capaces de modificarse y aprender sobre la marcha por sí mismos.

Con los 7.176 córners, TacticAI pudo predecir con precisión qué jugador debería recibir la pelota en cada momento, en qué posición, a qué velocidad debería moverse, y hacia dónde debería disparar una vez que recibiera. Pero también, y al mismo tiempo, otros resultados positivos con configuraciones de jugadores y movimientos de balón alternativos a ese inicial.

Lo más llamativo era la capacidad de la máquina para generar configuraciones tácticas realistas e indistinguibles de los escenarios del mundo real, según las evaluaciones de un grupo de cinco expertos que la probaron: tres analistas de datos, un analista de vídeo y un asistente del equipo red.

más allá de un simple analista

Los investigadores creen que su trabajo podría sentar las bases para una inminente generación de asistentes de IA que se sentarán también en los banquillos, y que ya van mucho más allá de un simple analista de datos, predictor de rendimientos o de posibilidades de éxito de una jugada o un disparo. «Ayudarán a los entrenadores a determinar las configuraciones óptimas de los jugadores, preguntando a la máquina directamente por cualquier posibilidad, y a desarrollar contratácticas sobre la marcha que maximicen las posibilidades de ganar», explican en su artículo.

Y no se quedan ahí. Los autores también sugieren que el método podría extenderse a otras jugadas a balón parado, como faltas y saques de banda, pero también a otros deportes de equipo que alberguen situaciones de juego suspendido.

kpd