Llega Tactic AI, un asistente virtual de fútbol

Uno de los axiomas más tópicos del mundo del fútbol afirma que sacar un córner es medio gol. Habría que mirar las estadísticas para comprobarlo, pero en el la pasada final de la Copa del Rey entre el Athletic de Bilbao y el Mallorca hubo 12 saques de esquina, 8 para el Athletic y 4 para el Malloca. El gol de los bermellones llegó tras una serie de remates y rechaces tras un córner. Quizá no sea el ejemplo más limpio, pero sirve para mostrar el peligro de las jugadas a balón parado y su valor táctico.

Con los saques de esquina como escenario y tema central, investigadores de la compañía Google DeepMind han desarrollado Tactic AI, un asistente de inteligencia artificial (IA) que podría ayudar a los entrenadores a elegir las mejores configuraciones de jugadores para rematar un saque de esquina. Esta herramienta se ha entrenado con datos de más de 7.000 córneres jugados en partidos de la Premier League.

Propuestas de Tactic AI para la recepción del balón a la salidad de un córner. Google DeepMind

Para buscar nuevas tácticas

Los resultados de este investigación, las propuestas que ofreció esta herramienta de IA fueron validados por expertos del Liverpool FC, que prefirieron las sugerencias de Tactic AI el 90% de las veces a las configuraciones tácticas vistas en la práctica. Quizá ese 10% restante sea el margen que queda para la improvisación y la picardia humana, que en ocasiones se impone a la tactica y estrategia, sea humana o artifical. El mejor ejemplo es el gol de Origí en córner sacado por Trent Alexander durante un partido semifinales de la UEFA Champions League de 2018-2019 entre el Liverpool y el Barcelona, elegido como el mejor de la historia del equipo inglés.

Los saques de esquina son oportunidades importantes para conseguir marcar un gol y brindan a los entrenadores las oportunidades más directas de intervenir y mejorar, de preparar la estrategia y el movimiento adecuado. En la práctica, la forma de jugar los córneres se deciden antes de cada partido, por lo que un sistema que ayude a analizar y mejorar las posibilidades de marcar sería beneficioso para los expertos humanos.

Es lo que los investigadores de Google DeepMind han publicado en la revista Nature Communications explicando el de desarrollo del sistema de inteligencia artificial TacticAI, que puede predecir el resultado de los saques de esquina y ofrecer sugerencias tácticas realistas y precisas en partidos de fútbol.

Según los autores, esta herramienta “incorpora un componente predictivo y otro generativo, lo que permite a los entrenadores muestrear y explorar eficazmente configuraciones alternativas de jugadores para cada rutina de córner y seleccionar aquellas con mayor probabilidad de éxito”.

En las pruebas realizadas, Tactic AI fue capaz de predecir con precisión el primer receptor del balón tras el saque de esquina y el resultado directo del mismo. El sistema también pudo evaluar los posibles resultados con diversas configuraciones de los jugadores y generar variaciones tácticas que mejoraran los resultados del partido.

Datos y expertos del Liverpool FC

Los autores entrenaron y probaron Tactic AI con un conjunto de datos de 7.176 saques de esquina de temporadas pasadas de la Premier League proporcionados por el Liverpool FC. Después, utilizaron el aprendizaje geométrico profundo para identificar los patrones estratégicos clave con el fin de producir los resultados predictivos y generativos.

Así demostraron las ventajas de esta herramienta y descubrieron que las configuraciones tácticas que generaba eran realistas e indistinguibles de los escenarios del mundo real evaluados por un grupo de cinco expertos en fútbol: tres científicos de datos, un analista de vídeo y un asistente de entrenador del Liverpool FC.

Una encuesta realizada a estos expertos del club inglés demuestra, según el estudio, “que las sugerencias de modelos de Tactic AI no solo son indistinguibles de las tácticas reales, sino que también se ven favorecidas frente a las tácticas existentes el 90 % de las veces, además de ofrecer un sistema eficaz de recuperación de saques de esquina”.

Los autores, mirando al futuro, sugieren que este método se podría generalizar a otras jugadas a balón parado, como los saques de banda o los tiros libres, y también a otros deportes de equipo con situaciones en las que se puedan desarrollar jugadas a balón parado.

Esta investigación de Google DeepMind podría sentar las bases para que la próxima generación de asistentes de IA ayude a los entrenadores a determinar las configuraciones óptimas de los jugadores y a desarrollar contratácticas que maximicen las posibilidades de ganar.