La analítica deportiva se usa rutinariamente para asignar valores a cosas tales como disparos o para comparar el rendimiento del jugador, pero un nuevo método automatizado basado en técnicas de aprendizaje profundo, desarrollado por investigadores de Disney Research, Instituto de Tecnología de California y STATS, un proveedorde datos deportivos: proporcionará a los entrenadores y equipos una herramienta más rápida para ayudar a evaluar el rendimiento atlético defensivo en cualquier situación de juego.
El método innovador analiza datos detallados del juego sobre las posiciones de los jugadores y las bolas para crear modelos, o "fantasmas", de cómo se comportaría un jugador típico en una liga u otro equipo cuando un oponente está en el ataque. Entonces es posiblecompare visualmente lo que los jugadores de un equipo realmente hicieron durante una jugada defensiva versus lo que los jugadores fantasmas habrían hecho.
"Con la innovación del efecto fantasma basado en datos, ahora podemos, por primera vez, cuantificar, analizar y comparar de manera escalable el comportamiento defensivo detallado", dijo Peter Carr, científico investigador de Disney Research.
"A pesar de lo que los escépticos puedan decir, de hecho puedes medir la defensa"
Los investigadores presentaron su método el 3 de marzo de 2017 en la Conferencia MIT Sloan Sports Analytics en Boston. Aunque demostraron el método utilizando datos de 100 juegos de una liga de fútbol profesional, enfatizan que también es aplicable a otros deportes, comocomo fútbol y baloncesto.
"Los datos precisos del juego, segundo por segundo, ahora están ampliamente disponibles y, a medida que la tecnología mejora, se vuelven cada vez más exhaustivos", dijo Markus Gross, vicepresidente de Disney Research. "Tan valiosos como son, métricas como 'El "Valor de puntos esperados" de Wins-Above-Replacement "no es el todo y el final de la analítica deportiva. Como lo demuestra esta nueva investigación, recién estamos comenzando a darnos cuenta del potencial total de lo que los datos nos pueden decir."
Carr fantasmas ha sido utilizado anteriormente por equipos como los Toronto Raptors de la NBA, señaló Carr, que desarrolló un software para predecir lo que un jugador defensivo debería haber hecho en situaciones particulares en lugar de lo que realmente hizo. Tan efectivo como era, esto requería una gran cantidad deanotación manual de los datos del juego. El equipo dirigido por Disney, por el contrario, desarrolló un enfoque totalmente automatizado utilizando técnicas avanzadas de aprendizaje automático.
"Nuestro enfoque evita la necesidad de entrada manual", dijo Carr. "Nuestro modelo fantasma puede ser entrenado en varias horas, después de lo cual puede ser fantasma en cada juego en tiempo real. Debido a que está completamente automatizado, podemos aprender fácilmente los modelospara diferentes subconjuntos de datos, como todos los juegos de un equipo en particular "
Los investigadores usaron un tipo de aprendizaje automático llamado aprendizaje profundo, que usa programas inspirados en el cerebro llamados redes neuronales. Para aprender el modelo de comportamiento de grano fino para cada rol de jugador en una formación, usaron redes neuronales recurrentes, un aprendizaje profundo popularherramienta que es capaz de examinar la historia reciente de las acciones de los jugadores para hacer predicciones de acciones posteriores. Se utilizaron herramientas similares para crear programas de inteligencia artificial que fueron capaces de dominar los videojuegos y vencer a los mejores jugadores humanos del juego de mesa Go.
Para juegos como el fútbol, donde el estado del juego es continuo tanto en el espacio como en el tiempo, las técnicas estándar de aprendizaje profundo no fueron lo suficientemente sólidas. A medida que pasaba el tiempo, las predicciones tienden a desviarse de la verdad básica. Para abordar este problema, los investigadores aprovecharontécnicas del aprendizaje por imitación, una herramienta que puede aprender de las demostraciones y que ha demostrado ser útil en aplicaciones robóticas, dijo Yisong Yue, profesor asistente de informática y ciencias matemáticas en Caltech.
Combinando creatividad e innovación, esta investigación continúa con el rico legado de Disney de aprovechar la tecnología para mejorar las herramientas y los sistemas del mañana.
Fuente de la historia :
Materiales proporcionados por Investigación de Disney . Nota: El contenido puede ser editado por estilo y longitud.
Cite esta página :