Jogadores e treinadores do Philadelphia Eagles e do Kansas City Chiefs passarão horas e horas em salas de cinema esta semana em preparação para o Super Bowl. Eles estudarão posições, jogadas e formações, tentando identificar quais tendências do oponente podem explorar enquanto olham para seu próprio filme para reforçar as fraquezas.
A nova tecnologia de inteligência artificial que está sendo desenvolvida por engenheiros da Brigham Young University pode reduzir significativamente o tempo e o custo do estudo de filmes para times do Super Bowl (e todos os times de futebol da NFL e universitários), ao mesmo tempo em que aprimora a estratégia de jogo, aproveitando o poder dos grandes dados.
DJ Lee, professor da BYU, estudante de mestrado Jacob Newman e Ph.D. os alunos Andrew Sumsion e Shad Torrie estão usando IA para automatizar o demorado processo de análise e anotação manual de filmagens de jogos. Usando aprendizado profundo e visão computacional, os pesquisadores criaram um algoritmo que pode localizar e rotular consistentemente os jogadores do filme do jogo e determinar a formação do time ofensivo – um processo que pode exigir o tempo de uma série de assistentes de vídeo.
“Estávamos conversando sobre isso e percebemos, uau, provavelmente poderíamos ensinar um algoritmo para fazer isso”, disse Lee, professor de engenharia elétrica e de computação. “Então, marcamos uma reunião com a BYU Football para aprender seu processo e soubemos imediatamente, sim, podemos fazer isso muito mais rápido.”
Ainda no início da pesquisa, a equipe já obteve mais de 90% de precisão na detecção e rotulagem de jogadores com seu algoritmo, juntamente com 85% de precisão na determinação de formações. Eles acreditam que a tecnologia poderia eventualmente eliminar a necessidade da prática ineficiente e tediosa de anotação manual e análise de vídeo gravado usado pela NFL e times universitários.
Lee e Newman primeiro olharam para imagens de jogos reais fornecidas pelo time de futebol da BYU. Quando começaram a analisá-lo, perceberam que precisavam de alguns ângulos adicionais para treinar adequadamente seu algoritmo. Então, eles compraram uma cópia do Madden 2020, que mostra o campo por cima e por trás do ataque, e rotulou manualmente 1.000 imagens e vídeos do jogo.
Eles usaram essas imagens para treinar um algoritmo de aprendizado profundo para localizar os jogadores, que então alimenta uma estrutura de rede residual para determinar em que posição os jogadores estão jogando. Por fim, sua rede neural usa as informações de localização e posição para determinar qual formação (de mais de 25 formações) o ataque está usando – qualquer coisa, desde o Pistol Bunch TE até o I Form H Slot Open.
Lee disse que o algoritmo pode identificar formações com precisão de 99,5% quando a localização do jogador e as informações de rotulagem estão corretas. A formação I, onde quatro jogadores estão alinhados um na frente do próximo – centro, zagueiro, zagueiro e zagueiro – provou ser uma das formações mais difíceis de identificar.
Lee e Newman disseram que o sistema de IA também pode ter aplicações em outros esportes. Por exemplo, no beisebol, ele poderia localizar as posições dos jogadores no campo e identificar padrões comuns para ajudar os times a refinar como eles se defendem contra certos rebatedores. Ou pode ser usado para localizar jogadores de futebol para ajudar a determinar formações mais eficientes e eficazes.
“Depois de obter esses dados, você poderá fazer muito mais com eles; você pode levá-los para o próximo nível”, disse Lee. “Big data pode nos ajudar a conhecer as estratégias desta equipe, ou as tendências daquele treinador. Pode ajudar você a saber se eles provavelmente vão tentar na 4ª descida e 2 ou se vão chutar. A ideia de usar IA para esportes é muito legal, e se pudermos dar a eles pelo menos 1% de vantagem, valerá a pena.”
Com informações de Science Daily.
