L’intelligenza artificiale sta prendendo sempre più piede in diversi ambiti della società moderna fornendo un importante aiuto in ambito lavorativo, alcune volte addirittura sostituendo o integrandosi ad alcune figure professionali. E i risultati sono decisamente sorprendenti.
Già da diversi anni la raccolta di dati e statistiche applicate allo sport riportano analisi in grado di implementare le performance sportive, correggere errori e migliorare le scelte di stagione in stagione. Ma l’utilizzo dell’intelligenza artificiale potrebbe avere un impatto rivoluzionario nel mondo dello sport. L’esempio perfetto arriva da “TacticAI”.
Che cos’è TacticAI? L’intelligenza artificiale applicata al calcio
“TacticAI” è un sistema di intelligenza artificiale in grado di prevedere il risultato dei calci d’angolo e fornire suggerimenti tattici realistici e accurati nelle partite di calcio, presentato su Nature Communications.
Secondo un sondaggio realizzato fra gli utilizzatori, è venuto fuori che gli esperti del Liverpool FC preferiscono le strategie proposte da TacticAI rispetto alle tattiche esistenti nel 90% dei casi. Tale ricerca potrebbe gettare le basi per la prossima generazione di assistenti IA per aiutare gli allenatori nella gestione della tattica della propria squadra e per quella da applicare alla squadra avversaria massimizzando le possibilità di vittoria.
L’importanza dei calci d’angolo nel calcio
I calci d’angolo sono stati presi in esame perchè offrono un’immediata opportunità per fare gol, spesso utilizzando schemi e tattiche provate e riprovate in allenamento. Dunque, anche migliorabili da un sistema che aiuti ad analizzare e migliorare le possibilità di segnare.
Zhe Wang, Petar Velickovic, Karl Tuyls e altri colleghi hanno progettato TacticAI, un assistente allenatore basato sull’intelligenza artificiale per analizzare i calci d’angolo con dati di tracciamento di alta qualità. Il Deep Learning geometrico è stato utilizzato per identificare modelli strategici chiave per produrre risultati predittivi e generativi.
Con questi, TacticAI è stato in grado di prevedere con precisione il primo calciatore che riceverà la palla dopo che è stato effettuato un calcio d’angolo e il risultato diretto del calcio. Il sistema potrebbe anche valutare i possibili risultati con configurazioni alternative dei giocatori e generare variazioni tattiche che migliorano i risultati della partita.
Gli autori hanno addestrato e testato TacticAI utilizzando un set di dati di 7.176 calci d’angolo delle passate stagioni di Premier League forniti dal Liverpool FC. Hanno dimostrato i vantaggi di TacticAI e hanno scoperto che le configurazioni tattiche generate erano realistiche e indistinguibili dagli scenari del mondo reale valutati da un gruppo di cinque esperti di calcio: tre data scientist, un analista video e un assistente allenatore del Liverpool FC.
Secondo gli autori, tale metodo potrebbe essere applicato anche in altre situazioni di gioco simili come calci di punizione o rimesse laterali, nonchè ad altri sport di squadra con situazioni di ‘gioco fermo’.
TacticAI genera aggiustamenti tattici realistici?
Per rispondere a questa domanda, lo studio si è basato su un dataset di 50 calci d’angolo della Premier League. Per un sottoinsieme di questi angoli, è stata applicata l’intelligenza artificiale di TacticAI per proporre tattiche alternative e ridurre al minimo o massimizzare la probabilità di tiro, usando poi il suggerimento di TacticAI al posto dell’angolo originale.
È stato chiesto poi agli esperti sportivi di giudicare se ciascuno di questi angoli fosse reale o generato. Attraverso discussioni con i valutatori e osservando i loro commenti, sono venute fuori diverse strategie per rilevare il realismo:
- La maggior parte dei valutatori ha scelto di decidere il realismo basandosi sul rilevamento se ci fosse qualcosa di marcatamente
insolito nella configurazione, ad esempio una strategia che lasciava i giocatori avversari nello spazio libero. - Una strategia alternativa, impiegata da un valutatore, è stata quella di decidere il realismo in base al fatto che la situazione sarebbe potuta plausibilmente accadere, anche se avesse avuto un assetto tattico chiaramente non ottimale. Questo approccio ha finito per etichettare la maggior parte degli esempi come reali.
- I valutatori specializzati nell’analisi dei calci d’angolo hanno preferito una strategia basata sul “recupero”, in cui
valuterebbero un angolo come reale se fossero in grado di ricordare dalla memoria quell’esatta disposizione.
Nonostante questa varietà di approcci, tutti i valutatori sono stati
generalmente confusi su quali campioni fossero reali e hanno sottolineato all’unanimità quanto sia stato impegnativo questo compito.
TacticAI prevede chi riceverà i calci d’angolo in maniera plausibile?
Basandosi sui dati utilizzati in precedenza relativi ai calci d’angolo, è stato chiesto agli esperti di determinare quale calciatore potesse ricevere il pallone con maggiore probabilità. Non c’era limite al numero di calciatori da indicare: alcuni ne hanno indicato solo 1, altri da 3 a 5.
È venuto fuori che la top 3 delle previsioni fatte da TacticAI concordava con quelle fatte dai valutatori e non c’erano risultati con differenze significative fra la precisione delle configurazioni generate dall’intelligenza artificiale e quelle reali.
Ciò indica che TacticAI potrebbe essere utilizzato in modo efficace per analizzare in modo predittivo sia i calci d’angolo reali che quelli simulati. L’applicazione pratica sarebbe di fondamentale importanza: si potrebbe, ad esempio, indicare quale calciatore marcare con maggiore attenzione per evitare di subire un gol.
È possibile utilizzare TacticAI per paragonare calci d’angolo simili in maniera utile?
Utilizzando un dataset di 50 calci d’angolo della Premier League, è stato recuperato, per ciascun angolo, un corner più simile possibile sempre relativo alla Premier League utilizzando dei parametri relativi ai grafici prodotti da TacticAI.
È stato chiesto agli esperti se la coppia di angoli presa in esame possa essere giudicata realmente simile. Gli esperti hanno utilizzato diversi approcci per stabilirne l’idoneità, alcune considerazioni comuni includevano: se il calcio d’angolo avesse un effetto a rientrare o ad uscire; l’esistenza di un’opzione di calcio d’angolo corto; marcatura a zona o a uomo; conteggio del numero di giocatori nell’area di rigore; posizionamento del portiere; valutazione se i due calci d’angolo probabilmente avevano la stessa squadra in attacco o in difesa, oppure erano arrivati dalla stessa partita.
Nonostante l’ampia varietà di caratteristiche salienti considerate, i valutatori hanno evidenziato che l’abbinamento di TacticAI è addirittura superiore all’euristica di posizionamento. In maniera pratica, tale sistema può essere utilizzato da analisti e coach per preparare routine sui corner per le squadre avversarie e valutare idee e variazioni su particolari corner che prima avrebbero tralasciato.
TacticAI genera aggiustamenti tattici utili?
Prendendo in esame un dataset di 50 calci d’angolo della Premier League, per ognuno è stato utilizzato il modello generativo di TacticAI per proporre aggiustamenti alle posizioni e alle velocità dei giocatori della squadra in difesa, lasciando la squadra in attacco invariata, in modo tale che la probabilità di tiro prevista fosse ridotta.
Per ciascuno di questi angoli, sono state mostrate ai valutatori le due versioni (originale e modificata con TacticAI) una accanto all’altra. Utilizzando come corner di riferimento sempre quello di sinistra nelle coppie prese in esame, è stato chiesto agli esperti di giudicare quali giocatori della squadra in difesa sono in una posizione migliore o peggiore, considerando gli aggiustamenti tattici effettuati sul corner di destra (nella coppia presa in esame, non battuto da destra, ndr)
È stato chiesto ai valutatori di giudicare se l’angolo di destra fosse, nel complesso, una situazione migliore o peggiore rispetto a quella di sinistra per la squadra difensiva. Per evitare bias, alcune configurazioni sono state invertite di posizione.
I valutatori si sono concentrati su una varietà di caratteristiche salienti: se i difensori sono più bravi a seguire la corsa degli attaccanti, se è meglio muoversi o restare fermi e la posizione del portiere.
Ci sono state due versioni in cui un aggiustamento tattico è stato giudicato “utile” a seconda del profilo del giocatore. Ad esempio, si è ritenuto che alcune scelte avessero probabilità di successo solo se
eseguite da difensori con elevata capacità fisica o forma fisica. TacticAI non aveva accesso, secondo i dati forniti, alle caratteristiche dei calciatori come altezza o peso, dunque tali sfumature erano fuori portata per questo studio e non sono state considerate osservazioni salienti.
Gli esperti si sono espressi in stragrande maggioranza a favore dei suggerimenti di TacticAI, dimostrandolo un elevato grado di accordo. In una delle situazioni prese in esame, addirittura la posizione di 10 difensori è stata giudicata ‘modificata in maniera utile‘, praticamente l’intero posizionamento difensivo della squadra.
Poiché il sistema di generazione guidata è stato deliberatamente progettato per offrire sottili modifiche alle posizioni e alle velocità del giocatore, i valutatori hanno ritenuto tale sistema molto utile
per aiutare a individuare i giocatori che probabilmente non hanno seguito le istruzioni dei loro allenatori e che quindi trascurano il gioco tattico. Ciò può quindi portare ad interventi mirati da parte degli allenatori per sfruttare come punto debole quei giocatori che tendono a ignorare le istruzioni tattiche o a migliorare il coaching tattico sui propri elementi più ‘indisciplinati’.
