¿Es posible detectar y seleccionar a los mejores jugadores de fútbol en edades tempranas con ayuda de algoritmos de Inteligencia Artificial (IA)? En este artículo te vamos a dar la respuesta.
Entendiendo la inteligencia artificial
Es imposible comenzar un artículo de este tipo sin explicar brevemente qué es la Inteligencia Artificial (IA) y el “Machine Learning”.
Cuando pensamos en Machine Learning y en Inteligencia Artificial no podemos abstraernos de la ciencia ficción, de alguna manera pensamos en robots sustituyendo o ayudando al ser humano en tareas repetitivas, peligrosas o muy caras. Pensamos también en Terminator, R2D2 de Star Wars y una gran cantidad de personajes de historias pensadas para fascinarnos, emocionarnos y estimular nuestra imaginación.
Cuando hablamos de Machine Learning pensamos en una máquina que aprende y es verdad, pero, el verdadero nombre de la disciplina es “aprendizaje automático”, que es mucho más viejo que muchas máquinas modernas; el problema es que la cantidad de cálculos que se requieren para un resultado práctico sólo es posible con computadores modernos y solo ahora se pone lo podemos usar con eficacia en algunos campos que antes no era posible.
Un ejemplo de aprendizaje automático que todos conocemos es la predicción del clima, los que ya tenemos algunos años recordamos que, de pequeños, los meteorólogos no acertaban casi nunca, ¿por qué?, porque no tenían un “modelo” ajustado, simplemente no tenían ni suficientes datos, ni suficiente capacidad de cálculo. Ahora, luego de algunos años, no solo aciertan con sus predicciones, sino que lo hacen hora por hora. Ahora si tienen un “modelo” ajustado y capacidad de cálculo. Pero … ¿qué es un modelo ?
Modelos en inteligencia artificial
Un modelo es, simplemente, una función matemática que explica un comportamiento en el mundo real y sí, es muy fácil, tanto que lo podemos ver con un ejemplo :
Digamos que tenemos esta información, si x=1 entonces y=1, si x=2 entonces y=2, si x=3 entonces y=3, así hasta 7.
Ahora, si dijéramos, si x=8, entonces ¿ cuanto vale y ?, el lector responderá 8 (y=8), ¿por qué?, porque el lector ha encontrado una función matemática que “ajusta” los datos que tenemos, por lo tanto, ¡puede hacer predicciones!. En este caso la función es y=x, una simple recta a 45º. Ahora el lector ya conoce la base del aprendizaje automático y puede entenderlo. El cómo se encuentran esas funciones excede los límites de este artículo.
Aprendizaje automático supervisado
El ejemplo que hemos dado pertenece a lo que se llama “aprendizaje automático supervisado”,es decir, mediante ejemplos de cosas que ya han pasado, se genera una función matemática que “generaliza” la realidad y la “modela”, de esa forma y aunque en el ejemplo anterior si para x=351 el valor de y no se corresponda a 351 como dice el modelo, no importa demasiado, porque la gran mayoría si corresponderá o estará muy cerca. Eso se llama un modelo ajustado.
Aprendizaje no supervisado
Existe otro tipo de aprendizaje llamado no supervisado en donde no sabemos exactamente que estamos buscando y mediante ciertos procedimientos se encuentran patrones en la realidad que se pueden modelar, por lo tanto, además de conocer esos patrones, podemos predecir, un ejemplo de esto se puede ver en la clasificación de células para buscar malformaciones. A veces, sobre el aprendizaje automático se dice que es “quien encuentra orden en el caos”, o “que encuentra patrones en la realidad”.
Inteligencia Artificial aplicada al fútbol
La gran pregunta es, ¿puede aplicarse el aprendizaje automático al fútbol ?, la respuesta es muy simple y directa, SI, igual que con el clima, solo se trata de conocer las variables relevantes para un jugador de fútbol. Es cierto que muchas variables pueden cambiar, como por ejemplo la velocidad, si un jugador se entrena mucho podrá ser más veloz, más resistente etc; nuestro modelo puede incluso decirnos que tanto debe entrenar y en qué áreas, pero, lo importante, la verdadera pregunta que debemos hacernos es, ¿porque existe solo un Leo Messi, un Luís Suárez o un Cristiano Ronaldo?, ¿por qué no todos los delanteros son tan buenos como ellos?.
La respuesta es que existen parámetros o variables que nos diferencian, afortunadamente, como seres humanos. No importa lo que yo entrene, puedo correr horas y hacer miles de lanzamientos … nunca seré Suárez, por ejemplo. Tendré mejor salud, más precisión y me desharé de algo de mi grasa abdominal, pero, jamás me contratará el FC Barcelona como delantero en lugar de Luis Suárez.
Estos parámetros son los que los especialistas en scouting saben ver en un chico y por eso lo seleccionan, ¿pueden equivocarse?, si, pueden, pero, si se equivocan mucho tendrán que dedicarse a otra cosa, por lo tanto, estamos de acuerdo que, existen parámetros que “en potencia” identifican buenos jugadores, excelentes jugadores, cracks y por supuesto malos jugadores.
El aprendizaje automático puede, si le enseñamos cuales son esos parámetros, no solo encontrar los cracks, los buenos, malos y excelentes, sino que nos podría decir, por ejemplo, que debe hacer uno muy bueno para ser excelente, ¿por qué?, porque conoce los parámetros para ser un crack, por lo tanto, solo debe calcular lo que nos falta y proponerlo. Nuevamente, el aprendizaje automático no fabricará cracks, solo nos dirá quien parece serlo y quien no, que debe hacer un futbolista para sacar el máximo de si mismo, donde debe mejorar y sobre todo cuanto.
Finalmente, al igual que en la predicción del clima, hay un margen de error y existirá siempre. En estos sistemas hay variables cuyo estado solo depende de esa variable, por lo tanto, no se puede predecir al completo. Por ejemplo, podemos tener un chico muy prometedor, con todas las variables para ser un futbolista de élite, pero, que decida arruinar su carrera de una de las mil maneras a su disposición. Si bien eso también se puede de alguna forma predecir, no se puede controlar, no al menos por una máquina, no ahora ni nunca.
Por eso, el aprendizaje automático es una herramienta que nos pone más cerca del éxito, pero no lo garantiza al cien por ciento, digamos que si al 97, para ello, seguirá siendo necesario el entrenador de toda la vida, que nos haga hacer los ejercicios para llegar a los parámetros que necesitamos, el kinesiólogo, el médico y ese viejo portero del club que nos conoce y nos pega una buena colleja cuando estamos sacando los pies del tiesto.
Trabajando en modelos de predicción
En varios lugares del mundo hay proyectos investigando la aplicación de la Inteligencia Artificial en el mundo del deporte, en. Si estás interesado en recibir más información sobre ellos puedes contactar conmigo mediante mis redes sociales.
Machine Learning, Data Science, Big Data, Artificial Intelligence, Computer Vision advisor en Intelligent Machines
Hola Eduardo. Excelente artículo. Acá el latinoamerica es un servicio que se va a necesitar (y como siempre llegará de forma tardía)
Trabajo hace años en sport management y este tema me apasiona mucho. ¿Tienes más info específica de esto o en su defecto, conoces clubes profesionales que tengan algún modelo predictivo para optimizar sus contrataciones y proyecciones como profesional? Nos será muy útil.
Estamos al habla. Muchas gracias!! Grandes éxitos para ti
Me gustaría más información a respecto del tema para aplicar en el club que trabajo. Estamos en contacto.
Saludos