Google construyó un ayudante táctico artificial para Klopp, y funciona bastante bien

El experimento en el que la inteligencia artificial (IA) ha llegado más lejos en la comprensión de las dinámicas del fútbol comenzó con una conversación de vecinos. En 2018, Julian Ward y Karl Tyls pensaron que estaría bien hacer algo juntos. Ward era el responsable del programa de cesiones del Liverpool y Tyls trabajaba en DeepMind, la división de IA de Google. Organizaron una reunión en Melwood, la vieja ciudad deportiva del club, donde los recibió el que era director de investigación del Liverpool, Ian Graham: “La gran idea era: ¿Y si la IA pudiera reemplazar al entrenador?”, recuerda a tra...

El experimento en el que la inteligencia artificial (IA) ha llegado más lejos en la comprensión de las dinámicas del fútbol comenzó con una conversación de vecinos. En 2018, Julian Ward y Karl Tyls pensaron que estaría bien hacer algo juntos. Ward era el responsable del programa de cesiones del Liverpool y Tyls trabajaba en DeepMind, la división de IA de Google. Organizaron una reunión en Melwood, la vieja ciudad deportiva del club, donde los recibió el que era director de investigación del Liverpool, Ian Graham: “La gran idea era: ¿Y si la IA pudiera reemplazar al entrenador?”, recuerda a través de una videollamada. “Pero no queríamos ser demasiado controvertidos, así que lo dejamos en ver si la IA podría ser un entrenador ayudante que aconsejara al entrenador”.

Casi ocho años más tarde, aquella charleta de vecinos ha desembocado en la publicación en la revista Nature Communication de los detalles de la construcción de TacticAI, una herramienta de inteligencia artificial capaz de ayudar a Jürgen Klopp a preparar las jugadas de córner. El sistema es capaz de analizar y destilar horas y horas de vídeos de saques de esquina y aportar sugerencias indistinguibles de las humanos. El 90% de las veces los analistas del Liverpool preferían las ideas de la máquina frente a lo que había sucedido en la realidad.

Antes de construir esta herramienta, exploraron ideas más generales sobre qué podría conseguir la IA con el fútbol. Decidieron que el primer reto para la IA sería una especie de juego. Detenían el vídeo de un partido y le pedían que adivinara cómo iban a seguir moviéndose los futbolistas, según cuenta Graham, que es doctor en Física teórica por la Universidad de Cambridge: “Con los jugadores que están cerca del balón, las predicciones son realmente buenas durante los primeros diez segundos. Si están lejos, podía desviarse unos diez metros, pero para esos jugadores no es tan importante si lo predice mal”. De eso salió una publicación en la revista Scientific Reports, de la familia de Nature. Habían conseguido entrenar a la inteligencia artificial para que adquiriera una comprensión bastante notable de las dinámicas complejas que operan en un partido.

Después, como explica Graham, buscaron cómo sacar fruto de lo aprendido: “Los córners son una situación controlada. Es muy desordenada, hay muchos jugadores en el área, agarrándose la camiseta, dándose codazos… pero sabemos que la pelota está parada y la van a centrar al área”. También había posibilidad de premio: “En el Liverpool sabíamos que íbamos a tener siete u ocho córners por partido. Si podemos maximizar nuestras oportunidades de marcar, si eso nos da una o dos victorias por temporada, puede ser la diferencia entre quedar primero o segundo”.

Para abordar el problema, DeepMind envió a Zhe Wang, un ingeniero con investigaciones sobre robótica que venía de enseñar a jugar al fútbol a humanoides, y a Petar Velickovic, una de las personas que desarrolló el modelo que permite calcular a Google Maps cuánto se tarda en ir de un sitio a otro. “Es un viaje salir de nuestro laboratorio de investigación y aplicar estas tecnologías para resolver problemas del mundo real. Es fascinante”, dice Zhe por videollamada.

Los inicios resultaron un tanto decepcionantes para Graham: “Al principio la IA solo decía cosas bastante obvias. Decíamos, vale, entiende lo que es un córner abierto y uno cerrado, y que el balón se aleja de la portería en el primero. Pero no era culpa suya. Si no le haces las preguntas correctas, no te dará las respuestas correctas. Ver las diferencias entre los córners que se abren es mucho más interesante”.

Fueron adiestrando al sistema hasta que aprendió a hacer tres cosas: revisar y catalogar todos los vídeos de córners que se le proporcionen, predecir qué va a suceder en cada uno dependiendo de la colocación de los jugadores (quién recibirá el balón, si puede haber un tiro) y generar alternativas para afrontar cada caso (situar un defensa un metro más adelante, por ejemplo).

Para Velickovic, la principal ventaja de TacticAI, cuyo motor han liberado y serviría para otros deporte de equipo, es la carga que alivia: “Los analistas de vídeo tienen que emplear menos tiempo analizando patrones. Los humanos podemos hacerlo bien, pero no rápido”. También supone un atajo al buscar opciones para dañar al rival o defenderse de él: “Los humanos pueden encontrar ajustes mejores, si piensan durante más tiempo, pero TacticAI puede darte algo que el 90% de las veces es mejor, y te lo da en segundos. Así tienes más tiempo para la parte creativa”.

Graham también ve que ese es el espacio de la mente humana: “La IA aprende de los datos que ha visto, así que solo producirá cosas similares a lo que ha visto. No algo completamente nuevo. A mí me gustan los córners locos”. Como aquel saque sorpresa con el que eliminaron al Barça en la vuelta de la semifinal de la Champions de 2019, tras perder 3-0 en el Camp Nou. Alexander-Arnold saca muy rápido y Origi marca antes de que los azulgrana se den cuenta. Seguían un plan: James French, el analista de rivales, se había dado cuenta viendo vídeos de que cuando concedían un córner los jugadores del Barça se distraían protestando al árbitro, hablando entre ellos… Y lo aprovecharon. Esa idea no lo habría tenido TacticAI.

Puedes seguir a EL PAÍS Deportes en Facebook y X, o apuntarte aquí para recibir nuestra newsletter semanal.