La nueva tecnología de inteligencia artificial podría cambiar la preparación del juego para los equipos del Super Bowl

Los jugadores y entrenadores de los Philadelphia Eagles y los Kansas City Chiefs pasarán horas y horas en salas de cine esta semana preparándose para el Super Bowl. Estudiarán posiciones, jugadas y formaciones, tratando de identificar qué tendencias de los oponentes pueden explotar mientras miran su propia película para reforzar las debilidades.

La nueva tecnología de inteligencia artificial que están desarrollando los ingenieros de la Universidad Brigham Young podría reducir significativamente el tiempo y el costo que se dedica al estudio de la película para los equipos destinados al Super Bowl (y todos los equipos de fútbol universitario y de la NFL), al tiempo que mejora la estrategia del juego al aprovechar la poder de los grandes datos.

El profesor DJ Lee de BYU, el estudiante de maestría Jacob Newman y los estudiantes de doctorado Andrew Sumsion y Shad Torrie están usando IA para automatizar el proceso de análisis y anotación de imágenes de juegos que lleva mucho tiempo. Usando el aprendizaje profundo y la visión por computadora, los investigadores han creado un algoritmo que puede ubicar y etiquetar de manera consistente a los jugadores de la película del juego y determinar la formación del equipo ofensivo, un proceso que puede demandar el tiempo de una gran cantidad de asistentes de video.

“Estábamos teniendo una conversación sobre esto y nos dimos cuenta de que probablemente podríamos enseñar un algoritmo para hacer esto”, dijo Lee, profesor de ingeniería eléctrica e informática. “Entonces organizamos una reunión con BYU Football para aprender su proceso e inmediatamente supimos, sí, podemos hacer esto mucho más rápido”.

Si bien aún se encuentra en las primeras etapas de la investigación, el equipo ya obtuvo una precisión superior al 90 % en la detección y etiquetado de jugadores con su algoritmo, junto con una precisión del 85 % en la determinación de formaciones. Creen que la tecnología eventualmente podría eliminar la necesidad de la práctica ineficiente y tediosa de la anotación manual y el análisis de videos grabados que utilizan la NFL y los equipos universitarios.

Lee y Newman miraron por primera vez las imágenes reales del juego proporcionadas por el equipo de fútbol de BYU. Cuando comenzaron a analizarlo, se dieron cuenta de que necesitaban algunos ángulos adicionales para entrenar adecuadamente su algoritmo. Así que compraron una copia de Madden 2020, que muestra el campo desde arriba y detrás de la ofensiva, y etiquetaron manualmente 1000 imágenes y videos del juego.

Usaron esas imágenes para entrenar un algoritmo de aprendizaje profundo para ubicar a los jugadores, que luego se alimenta a un marco de red residual para determinar en qué posición están jugando los jugadores. Finalmente, su red neuronal usa la información de ubicación y posición para determinar qué formación (de más de 25 formaciones) está usando la ofensiva, desde Pistol Bunch TE hasta I Form H Slot Open.

Lee dijo que el algoritmo puede identificar formaciones con precisión en un 99,5 % cuando la ubicación del jugador y la información de etiquetado son correctas. La Formación I, donde cuatro jugadores se alinean uno frente al otro (centro, mariscal de campo, fullback y corredor) resultó ser una de las formaciones más difíciles de identificar.

Lee y Newman dijeron que el sistema de IA también podría tener aplicaciones en otros deportes. Por ejemplo, en el béisbol podría ubicar las posiciones de los jugadores en el campo e identificar patrones comunes para ayudar a los equipos a refinar la forma en que se defienden contra ciertos bateadores. O podría usarse para ubicar jugadores de fútbol para ayudar a determinar formaciones más eficientes y efectivas.

El algoritmo de BYU se detalla en un artículo de revista «Análisis previo al juego automatizado de formaciones de fútbol americano usando aprendizaje profundo», publicado recientemente en una edición especial de Avances de inteligencia artificial y aplicaciones de visión en electrónica.

“Una vez que tenga estos datos, podrá hacer mucho más con ellos; puedes llevarlo al siguiente nivel”, dijo Lee. “El big data nos puede ayudar a conocer las estrategias de este equipo, o las tendencias de ese entrenador. Podría ayudarlo a saber si es probable que lo hagan en 4th Down y 2 o si despejarán. La idea de usar la IA para los deportes es genial, y si podemos darles incluso un 1 % de ventaja, valdrá la pena”.

Relacionado

El material de este comunicado de prensa proviene de la organización de investigación de origen. El contenido puede ser editado por estilo y longitud. ¿Quieren más? Regístrese para recibir nuestro correo electrónico diario.