DeepMind ha costruito un assistente tattico artificiale per il tecnico del Liverpool e funziona piuttosto bene (El Pais)
DeepMind ha collaborato con il Liverpool per creare TacticAI, un motore che analizza la disposizione nei calci d’angolo e suggerisce idee che gli analisti preferiscono all’umano il 90% delle volte. L’esperimento in cui l’intelligenza artificiale (AI) ha raggiunto il livello più alto nella comprensione delle dinamiche del calcio è iniziato con una conversazione. Nel 2018, Julian Ward e Karl Tyls pensarono che sarebbe stato bello fare qualcosa insieme. Ward era responsabile del programma di prestiti del Liverpool e Tyls lavorava a DeepMind, la divisione di AI di Google. Organizzarono un incontro a Melwood, la vecchia struttura sportiva del club, dove li accolse Ian Graham, all’epoca direttore della ricerca del Liverpool: “L’idea principale era: e se l’AI potesse sostituire l’allenatore. “Ma non volevamo essere troppo controversi, quindi ci siamo limitati a vedere se l’IA potesse essere un assistente allenatore che consigliasse l’allenatore”.
Quasi otto anni dopo, quella chiacchierata ha portato alla pubblicazione su Nature Communication dei dettagli sulla costruzione di TacticAI, uno strumento di intelligenza artificiale in grado di aiutare l’allenatore Jurgen Klopp a preparare le azioni di calcio d’angolo. Il sistema è in grado di analizzare e sintetizzare ore e ore di video dei calci d’angolo e suggerire idee indistinguibili da quelle umane. Il 90% delle volte gli analisti del Liverpool preferiva le idee della macchina rispetto a ciò che era successo nella realtà. Prima di costruire questo strumento, hanno esplorato idee più generali su cosa potesse fare l’IA con il calcio. Hanno deciso che la prima sfida per l’AI sarebbe stata una sorta di gioco. Fermavano il video di una partita e chiedevano di indovinare come si sarebbero mossi i calciatori: con i giocatori vicini al pallone, le previsioni sono davvero buone nei primi dieci secondi. Se sono lontani, potevano deviare di circa dieci metri, ma per quei giocatori non è così importante se la previsione è sbagliata. Da questo è nata una pubblicazione su “Scientific Reports”, della famiglia di Nature. Successivamente si è cercato come trarre vantaggio da ciò che si era imparato: i calci d’angolo sono una situazione controllata. È molto disordinata, ci sono molti giocatori nell’area, che si afferrano la maglia, si danno gomitate… ma si sa che la palla è ferma e verrà calciata nell’area. C’era anche la possibilità di un premio: “Al Liverpool sapevamo che avremmo avuto sette o otto calci d’angolo per partita. Se possiamo massimizzare le nostre opportunità di segnare, se questo ci dà una o due vittorie per stagione, potrebbe fare la differenza tra arrivare primi o secondi”.
Per affrontare il problema, DeepMind ha inviato Zhe Wang, un ingegnere con esperienze nella robotica che proveniva dall’insegnamento del calcio a humanoidi, e Petar Velickovic, una delle persone che ha sviluppato il modello che consente a Google Maps di calcolare quanto tempo ci vuole per andare da un luogo all’altro. Gli inizi sono stati un po’ deludenti: “All’inizio l’AI diceva solo cose piuttosto ovvie. Diceva, ok, capisce cosa è un calcio d’angolo aperto e uno chiuso, e che la palla si allontana dalla porta nel primo. Ma non era colpa sua. Se non fai le domande giuste, non otterrai le risposte giuste. Vedere le differenze tra i calci d’angolo aperti è molto più interessante”. Hanno continuato ad addestrare il sistema finché non ha imparato a fare tre cose: rivedere e catalogare tutti i video dei calci d’angolo forniti, prevedere cosa succederà in ognuno in base alla posizione dei giocatori (chi riceverà la palla, se ci potrà essere un tiro) e generare alternative per affrontare ogni caso (posizionare un difensore un metro più avanti, ad esempio).
