Investigación
Como parte de nuestra colaboración de varios años con el Liverpool FC, desarrollamos un sistema de inteligencia artificial completo que puede asesorar a los entrenadores sobre los tiros de esquina.
‘Esquina tomada rápidamente… ¡Origí!’
El Liverpool FC logró una remontada histórica en las semifinales de la UEFA Champions League 2019. Uno de los momentos más emblemáticos fue un tiro de esquina de Trent Alexander-Arnold que alineó a Divock Origi para anotar lo que ha pasado a la historia como El mayor gol del Liverpool FC.
Los tiros de esquina tienen un gran potencial para marcar goles, pero diseñar una rutina depende de una combinación de intuición humana y diseño de juego para identificar patrones en los equipos rivales y responder sobre la marcha.
Hoy en Comunicaciones de la naturaleza, presentamos TacticAI: un sistema de inteligencia artificial (IA) que puede proporcionar a los expertos conocimientos tácticos, particularmente en tiros de esquina, a través de IA predictiva y generativa. A pesar de la disponibilidad limitada de datos estándar sobre tiros de esquina, TacticAI logra resultados de vanguardia mediante el uso de un enfoque de aprendizaje profundo geométrico para ayudar a crear modelos más generalizables.
Desarrollamos y evaluamos TacticAI junto con expertos del Liverpool Football Club como parte de una colaboración de investigación de varios años. Los evaluadores expertos humanos prefirieron las sugerencias de TacticAI el 90% de las veces a las configuraciones tácticas vistas en la práctica.
TacticAI demuestra el potencial de las técnicas de asistencia de IA para revolucionar los deportes para jugadores, entrenadores y aficionados. Deportes como el fútbol también son un dominio dinámico para el desarrollo de la IA, ya que presentan interacciones de múltiples agentes en el mundo real, con datos multimodales. El avance de la IA para los deportes podría traducirse en muchas áreas dentro y fuera del campo, desde juegos de computadora y robóticaa la coordinación del tráfico.
TacticAI es un sistema de inteligencia artificial completo con modelos predictivos y generativos combinados para analizar lo que sucedió en jugadas anteriores y cómo hacer ajustes para hacer más probable un resultado particular.
Desarrollar un plan de juego con el Liverpool FC
Hace tres años, iniciamos una colaboración de varios años con el Liverpool FC para avanzar en la IA para el análisis deportivo.
Nuestro primer artículo, Plan de juego, analizó por qué la IA debería usarse para ayudar a las tácticas de fútbol, destacando ejemplos como el análisis de los tiros penales. En 2022, desarrollamos Computadora gráfica, que mostró cómo se puede utilizar la IA con un prototipo de sistema predictivo para tareas posteriores en el análisis del fútbol. El sistema podría predecir los movimientos de los jugadores fuera de cámara cuando no había datos de seguimiento disponibles; de lo contrario, un club tendría que enviar un ojeador para ver el partido en persona.
Ahora, hemos desarrollado TacticAI como un sistema de IA completo con modelos predictivos y generativos combinados. Nuestro sistema permite a los entrenadores probar configuraciones alternativas de jugadores para cada rutina de interés y luego evaluar directamente los posibles resultados de dichas alternativas.
TacticAI está diseñado para abordar tres preguntas centrales:
- Para una determinada configuración táctica de tiro de esquina, ¿qué pasará? por ejemplo, ¿quién tiene más probabilidades de recibir el balón? ¿Habrá un intento de tiro?
- Una vez que se ha realizado una configuración, ¿podemos entender qué sucedió? Por ejemplo, ¿han funcionado bien tácticas similares en el pasado?
- ¿Cómo podemos ajustar las tácticas para lograr un resultado particular? por ejemplo, ¿cómo deberían reposicionarse los jugadores defensores para disminuir la probabilidad de intentos de tiro?
Predecir los resultados de los tiros de esquina con aprendizaje profundo geométrico
Se concederá un tiro de esquina cuando el balón traspase la línea de fondo, tras tocar a un jugador del equipo defensor. Predecir los resultados de los tiros de esquina es complejo, debido a la aleatoriedad en el juego de los jugadores individuales y la dinámica entre ellos. Esto también es difícil de modelar para la IA debido a los limitados datos disponibles sobre tiros de esquina estándar: solo se juegan unos 10 tiros de esquina en cada partido de la Premier League cada temporada.
(A) Cómo se convierten las situaciones de tiro de esquina en una representación gráfica. Cada jugador es tratado como un nodo en un gráfico. Una red neuronal de gráficos opera sobre este gráfico actualizando la representación de cada nodo mediante el paso de mensajes.
(B) Cómo procesa TacticAI un tiro de esquina determinado. Las cuatro combinaciones posibles de reflejos se aplican a la esquina y se alimentan al modelo central de TacticAI. Interactúan para calcular las representaciones finales de los jugadores, que pueden usarse para predecir resultados.
TacticAI predice con éxito el juego de tiros de esquina aplicando un enfoque geométrico de aprendizaje profundo. Primero, modelamos directamente las relaciones implícitas entre jugadores representando configuraciones de tiros de esquina como gráficos, en los que los nodos representan a los jugadores (con características como posición, velocidad, altura, etc.) y los bordes representan las relaciones entre ellos. Luego, explotamos una simetría aproximada del campo de fútbol. Nuestra arquitectura geométrica es una variante de la Red convolucional equivalente de grupo que genera los cuatro reflejos posibles de una situación determinada (original, H-flip, V-flip, HV-flip) y obliga a que nuestras predicciones para receptores e intentos de tiro sean idénticas en los cuatro. Este enfoque reduce el espacio de búsqueda de posibles funciones que nuestra red neuronal puede representar a aquellas que respetan la simetría de reflexión y produce modelos más generalizables, con menos datos de entrenamiento.
Proporcionar sugerencias constructivas a expertos humanos.
Al aprovechar sus modelos predictivos y generativos, TacticAI puede ayudar a los entrenadores a encontrar tiros de esquina similares y probar diferentes tácticas.
Tradicionalmente, para desarrollar tácticas y contratácticas, los analistas volvían a ver muchos videos de juegos para buscar ejemplos similares y estudiar a los equipos rivales. TacticAI calcula automáticamente las representaciones numéricas de los jugadores, lo que permite a los expertos buscar de manera fácil y eficiente rutinas pasadas relevantes. Validamos aún más esta observación intuitiva a través de extensos estudios cualitativos con expertos en fútbol, quienes encontraron que las recuperaciones principales de TacticAI fueron relevantes el 63% de las veces, casi el doble del punto de referencia del 33% observado en enfoques que sugieren pares basados en el análisis directo de la similitud de la posición de los jugadores.
El modelo generativo de TacticAI también permite a los entrenadores humanos rediseñar tácticas de tiro de esquina para optimizar las probabilidades de ciertos resultados, como reducir la probabilidad de un intento de tiro para una configuración defensiva. TacticAI proporciona recomendaciones tácticas que ajustan las posiciones de todos los jugadores de un equipo en particular. A partir de estos ajustes propuestos, los entrenadores pueden identificar patrones importantes, así como actores clave para el éxito o el fracaso de una táctica, más rápidamente.
(A) Un ejemplo de tiro de esquina donde en realidad hubo un intento de tiro.
(B) TacticAI puede generar un entorno contrafactual en el que la probabilidad de tiro se ha reducido ajustando el posicionamiento y las velocidades de los defensores.
(C) Las posiciones de defensa sugeridas dan como resultado una probabilidad reducida de receptor para los jugadores atacantes 2-4.
(D) El modelo es capaz de generar múltiples escenarios de este tipo y los entrenadores pueden inspeccionar las diferentes opciones.
En nuestro análisis cuantitativo, demostramos que TacticAI era preciso a la hora de predecir los receptores de tiros de esquina y las situaciones de tiro, y que el reposicionamiento de los jugadores era similar a cómo se desarrollaban las jugadas reales. También evaluamos estas recomendaciones cualitativamente en un estudio de caso ciego donde los evaluadores no sabían qué tácticas eran del juego real y cuáles fueron generados por TacticAI. Los expertos en fútbol humano del Liverpool FC descubrieron que nuestras sugerencias no se pueden distinguir de los saques de esquina reales y fueron favorecidas por encima de sus situaciones originales el 90% de las veces. Esto demuestra que las predicciones de TacticAI no solo son precisas, sino también útiles y desplegables.
Ejemplos de mejoras estratégicas que los evaluadores prefirieron a las jugadas originales, donde TacticAI sugirió:
(A) Las recomendaciones de cuatro jugadores son más favorables para la mayoría de los evaluadores.
(B) Los defensores más alejados de la esquina realizan mejores carreras de cobertura
(C) Carreras de cobertura mejoradas para un grupo central de defensores en el área de penalti
(D) Carreras de seguimiento sustancialmente mejores para dos defensores centrales, junto con una mejor posición para otros dos defensores en el área de portería.
Avanzando en la IA para los deportes
TacticAI es un sistema de inteligencia artificial completo que podría brindar a los entrenadores información táctica instantánea, amplia y precisa, que también es práctica en el campo. Con TacticAI, hemos desarrollado un asistente de IA capaz para tácticas de fútbol y hemos logrado un hito en el desarrollo de asistentes útiles en IA deportiva. Esperamos que investigaciones futuras puedan ayudar a desarrollar asistentes que se expandan a entradas más multimodales fuera de los datos de los jugadores y ayuden a los expertos de más maneras.
Mostramos cómo se puede utilizar la IA en el fútbol, pero el fútbol también puede enseñarnos mucho sobre la IA. Es un juego muy dinámico y desafiante de analizar, con muchos factores humanos, desde el físico hasta la psicología. Es un desafío incluso para expertos como los entrenadores experimentados detectar todos los patrones. Con TacticAI, esperamos aprender muchas lecciones en el desarrollo de tecnologías de asistencia más amplias que combinen la experiencia humana y el análisis de IA para ayudar a las personas en el mundo real.