Uno dei settori in cui l’utilizzo dell’Intelligenza Artificiale sta portando maggiore innovazione è quello sportivo. Le Olimpiadi di Tokyo 2020, purtroppo rinviate a fine Luglio 2021, dovevano essere il primo evento a fare un largo uso di Virtual, Augmented e Mixed Reality. Il comitato dei Giochi Olimpici, in associazione con Intel, avrebbe dovuto fornire servizi come il monitoraggio 3d degli atleti per gli spettatori nei luoghi degli eventi sportivi. Un software AI di riconoscimento facciale chiamato Neoface doveva essere usato a Tokyo per identificare 300000 persone, inclusi atleti, volontari, giornalisti, addetti alle riprese e personale della sicurezza coinvolti nell’organizzazione dei giochi.
Speriamo che almeno il pubblico giapponese possa godere di questa possibilità visto che al momento la presenza del pubblico straniero non è ancora prevista a causa della pandemia.
Nei prossimi paragrafi proverò a raccontarvi quelle che sono le applicazioni più interessanti dell’intelligenza artificiale al settore sportivo, arrivando a quella che penso sia la vera sfida tecnologica.
F1 Insights
In Formula 1 il continuo miglioramento tecnologico contribuisce ad aumentare non solo le prestazioni del mezzo, ma soprattutto la sicurezza del pilota. Amazon AWS è il fornitore ufficiale sia del servizio Cloud, sia della tecnologia di Machine Learning. Durante un Gran Premio, ogni auto contiene 120 sensori che generano 1,1 milioni di punti dati di telemetria al secondo, trasmessi dall’auto ai box. Questi dati vengono uniti a oltre 69 anni di dati storici sulle corse archiviati in S3, il servizio cloud di storage su AWS, per informare i fan e le squadre sul processo decisionale unico condotto a bordo pista: quanti giri serviranno ad Hamilton per raggiungere Bottas? In quali intervalli di giri è meglio che la Ferrari cambi le gomme? È possibile analizzando i risultati delle prove libere del venerdì prevedere cosa succederà nelle prove ufficiali del sabato? L’articolo originale che spiega il modello usato da F1 Insight è disponibile a questo indirizzo.
Player Performance e Augmented Coaching
L’intelligenza artificiale sta diventando sempre più uno strumento per migliorare le performance degli atleti. Homecourt è un personal trainer per giocatori di basket cha fa uso della Computer Vision e del Machine Learning che, attraverso la fotocamera del dispositivo, è in grado di catturare tutti i movimenti e tiri di un giocatore e analizzarli in tempo reale fornendo un feedback: la percentuale del tiro, velocità, angolo di rilascio, elevazione e la gestione della palla.
Prodotti analoghi esistono già per altri sport come, ad esempio, il Tennis o il Cricket dove addirittura cominciano a usarsi sensori installati sugli stessi strumenti di gioco.
La IBM in collaborazione con Red Hat e l’Associazione Tennis degli Stati Uniti nel 2019 ha lanciato un prodotto chiamato Coach Advisor destinato agli allenatori e ai talent scout di giocatori junior. Tradizionalmente, per valutare la meccanica e la resistenza di un’atleta, gli allenatori hanno fatto affidamento sulla loro esperienza ed istinto. Tuttavia, una partita può durare diverse ore per una percorrenza fino a 10 km lungo tutto il campo: quantificare la fatica e le energie spese non è semplice. Quindi vengono usati dataset speciali:
- Carico fisiologico: misura dello sforzo fisico del giocatore e del lavoro complessivo svolto in una partita
- Intensità meccanica: misura delle accelerazioni e decelerazioni durante tutta la partita
Poiché la buona salute fisica è della massima importanza nella vita di un atleta, sia esso dilettante che professionista, negli ultimi anni si è assistito ad una esplosione dei cosiddetti wearable device che raccolgono i principali parametri e li immagazzinano sul Cloud. Cosa è possibile fare con questi dati? Ad esempio prevenire gli infortuni muscolari o scoprire problemi più gravi fino a quel momento nascosti. In realtà siamo ancora agli inizi dell’affermazione di algoritmi consolidati e possibilmente democratici, ossia non solo a disposizione di team e organizzazioni milionarie.
Streaming e trasmissione di eventi
Un sistema basato sulla AI può scegliere automaticamente il giusto angolo della telecamera da mostrare sugli schermi degli utenti, fornendo sottotitoli in lingue differenti basate sulla localizzazione dello spettatore. Il Deep Learning permette ormai di creare produzioni televisive completamente automatizzate che sono allo stesso livello di riprese professionali. E queste riprese possono essere usate per estrarre gli highlight da distribuire successivamente per i canali che non hanno l’esclusiva dell’evento. Fantascienza? IBM Watson da anni aiuta il torneo di tennis di Wimbledon ad estrarre i momenti migliori delle partite. Per l’edizione del 2019 del torneo, IBM ha dichiarato di aver istruito Watson ad utilizzare dati acustici per misurare l’impatto della palla ed ottenere un migliore ritaglio (cropping) dell’immagine. Un’azienda come Pixellot offre hardware specializzato accoppiato a software di AI per registrare eventi sportivi ed estrarne i momenti più significativi. Il passo finale è quello di estrarre automaticamente da questi riassunti video una cronaca scritta: è il cosiddetto giornalismo automatizzato che sfrutta il Natural Language Processing. Una piattaforma di questo tipo è ad esempio Wordsmith.
Siete curiosi di dare un’occhiata a del codice e non solo a dei prodotti commerciali? Deltatre è uno dei leader tecnologici che fornisce servizi per i principali eventi sportivi e federazioni. La sua unità di ricerca ha creato un account github che ospita diversi progetti tra i quali citiamo Action recognition in sports (soccer, shots) nato in collaborazione con Microsoft. Si tratta di una soluzione per la rivelazione automatica di azioni calcistiche (ad esempio quando un giocatore tira in porta) che combina numerose tecniche di computer vision e deep learning eseguite in una pipeline su scala cloud, utilizzando Microsoft Azure e framework open-source come Pytorch, TensorFlow e OpenCV. Potete seguire il loro canale YouTube per interessanti approfondimenti.
Arbitraggio aumentato
Siamo abituati da anni nel calcio all’uso della goal line technology o al VAR. Si tratta tuttavia di applicazioni abbastanza banali. Ci sono invece casi più interessanti come gli sport in cui è necessario assegnare un giudizio basato sui livelli di difficoltà di un esercizio: pensate ad esempio alla ginnastica, ritmica e artistica, o ai tuffi. La Fujitsu, in occasione dei campionati del mondo, ha presentato un apparecchio grande quanto un router Wi-Fi contenente sensori laser tridimensionali per tracciare i movimenti dei ginnasti. I dati, elaborati da modelli AI, offrono ai giudici e arbitri velocità, angoli e posizioni dei corpi aiutandoli ad interpretare correttamente gli esercizi.
Analisi strategiche: la vera sfida
Marcelo Bielsa, noto allenatore di calcio attualmente al Leeds United, ha raccontato come prepara tatticamente la sua squadra. Il team di analisi a sua disposizione guarda tutte e 51 le partite della squadra avversaria nella stagione corrente e in quella precedente. Ogni partita richiede un’analisi di quattro ore alla ricerca di informazioni ben specifiche: titolari, riserve, tattiche, decisioni strategiche. Una metodologia che richiede circa 200 ore per ogni partita portando a conclusioni soggettive e spesso poco accurate. La tecnologia può rendere questo processo più efficiente? Beh, non è un compito semplice. Supponiamo di raccogliere tutti i dati relativi ai singoli giocatori. Purtroppo, le strategie e le formazioni sono nascoste dai dati di tracciamento nei quali i giocatori, ovviamente, si muovono: è quindi un classico caso in cui bisogna eliminare il rumore di fondo dai dati. Serve solo una potenza di calcolo tale da poter eseguire query sui dati di tracciamento su un numero molto alto di formazioni teoriche.
Conclusioni
L’ambito sportivo ci sta mostrando alcune delle più interessanti applicazioni avanzate dell’intelligenza artificiale, sia quelle orientate al miglioramento delle prestazioni dell’atleta che quelle pensate a una migliore fruizione dello spettatore in uno stadio o a casa davanti alla tv.
Non ci resta che aspettare le olimpiadi di Tokyo per vedere quali saranno le novità che saranno presentate, notando che tutti questi esempi ci mostrano quale dovrebbe essere lo scopo di queste tecnologie: essere un supporto al miglioramento della nostra vita, in tutti i suoi aspetti.
Continuate a seguirci!
Scritto da
Salvatore Sorrentino