Innovación

Este nuevo algoritmo elimina las conjeturas de los deportes

Este nuevo algoritmo elimina las conjeturas de los deportes

Los algoritmos para el análisis deportivo no son infrecuentes. Se han utilizado para categorizar datos de jugadores, comparar métricas de rendimiento e incluso predecir intercambios efectivos en la liga. Sin embargo, ninguno ha evaluado con éxito a oponentes como este nuevo algoritmo.

[Fuente de imagen:Pixabay]

Este nuevo algoritmo de aprendizaje profundo de Disney Research, el Instituto de Tecnología de California y el grupo de datos deportivos STATS, les da a los entrenadores una ventaja sobre su competencia. El método toma los datos del juego sobre las posiciones de los jugadores y el movimiento de la pelota para crear modelos sobre cómo se comportaría un jugador típico de otro equipo durante ciertas situaciones. Los modelos, o "fantasmas", permiten a los entrenadores comparar las acciones de los jugadores con lo que el modelo prescribe como efectivo.

Esta no es la primera vez que se usa el efecto fantasma en un juego. Los Toronto Raptors de la NBA utilizaron una versión anterior del software para predecir movimientos defensivos. Si bien fue efectivo, el proceso fue tedioso. Este nuevo algoritmo utiliza un enfoque automatizado mediante técnicas de aprendizaje profundo. Peter Carr, un científico investigador de Disney Research, explicó la mejora:

"Nuestro enfoque evita la necesidad de entrada manual. Nuestro modelo fantasma se puede entrenar en varias horas, después de lo cual puede simular cada juego en tiempo real. Debido a que está completamente automatizado, podemos aprender fácilmente modelos para diferentes subconjuntos de datos, como como todos los partidos de un equipo en particular ".

La técnica de aprendizaje profundo utiliza el mismo sistema de redes neuronales que otros sistemas de aprendizaje profundo como Watson de IBM. El aprendizaje profundo elimina la naturaleza lineal de la mayoría de los algoritmos y permite que un sistema reproduzca lo que sucede en el cerebro humano. Procesa múltiples resultados y analiza toneladas de datos para llegar a cualquier número de resultados posibles.

Específicamente, el equipo dirigido por Disney aprovechó las redes neuronales recurrentes. Esta herramienta les permite analizar el juego reciente y hacer predicciones rápidamente sobre las siguientes acciones. Google utilizó recientemente este tipo de tecnología para crear su sistema Go.

El sistema funciona con la mayoría de los deportes principales. Sin embargo, los investigadores notaron que el fútbol tenía el mayor margen de error, ya que el estado del juego es el más continuo.

Los investigadores presentaron su trabajo en la conferencia MIT Sloan Sports Analytics Conference en Boston, Massachusetts, la semana pasada. A pesar del margen de error del fútbol, ​​ese es el deporte que usaron para demostrar las métricas del algoritmo. Sin embargo, el equipo dijo que el fútbol americano y el baloncesto son los mejores deportes en los que utilizar la tecnología.

"Los datos de juegos precisos, segundo a segundo, están ahora ampliamente disponibles y, a medida que la tecnología mejora, se vuelven cada vez más completos", dijo Markus Gross, vicepresidente de Disney Research, en un comunicado de prensa. "A pesar de lo valiosas que son, métricas como 'Victorias por encima de reemplazo' y 'Valor esperado en puntos' no son el principio final de la analítica deportiva. Como muestra esta nueva investigación, apenas estamos empezando a darnos cuenta todo el potencial de lo que los datos pueden decirnos ".

Puede ver más de las estadísticas de Disney Research sobre el efecto fantasma en este video a continuación:

Puede leer el artículo completo y el análisis de los investigadores aquí, en el sitio web de Disney Research: Fantasma basado en datos usando Deep Imitation Learning.

VEA TAMBIÉN: El sistema de inteligencia artificial podría revolucionar las alineaciones deportivas

Ver el vídeo: Cuál es la fila más rápida del supermercado? Teoría de colas (Octubre 2020).