Exclusivo: como o Google usa o aprendizado de máquina para analisar movimentos de futebol


Quando você compra a palmilha GMR, recebe um par de inserções (uma para cada sapato) e uma etiqueta Jacquard. É o mesmo Tag que vem nas jaquetas mais recentes da Levi ou na mochila YSL. Escolha em qual sapato você deseja que a etiqueta esteja e você pode colocar uma tag falsa na outra para se sentir equilibrada. Depois de emparelhar a eletrônica com o jogo da FIFA, você veste as chuteiras e segue para o campo. Seu telefone não precisa estar em qualquer lugar perto de você enquanto você corre; o Tag executa seus algoritmos de aprendizado de máquina localmente no dispositivo.

É inteligente o suficiente para saber que não precisa acompanhar sua caminhada até o campo. Em vez disso, o Tag só começa a usar a maior parte do seu poder de computação quando detecta que você está fazendo ativamente movimentos normalmente feitos quando as pessoas jogam futebol. Como o Tag sabe como são esses movimentos? Bem, possui sensores internos que podem medir aceleração e rotações angulares, além de um microcontrolador capaz de executar redes neurais, que são programas algorítmicos ensinados a reconhecer padrões.

“Tivemos que construir todo um conjunto de novos algoritmos de aprendizado de máquina que possam pegar os dados do sensor provenientes do Tag e interpretá-los com base nos movimentos”, diz Nicholas Gillian, engenheiro líder de aprendizado de máquina do Google ATAP.

Você pode aprender muito observando padrões. Dados provenientes de um corredor, por exemplo, parecerão estáveis ​​durante toda a duração do treino e muito cíclicos. Os dados de um jogador de futebol parecerão muito mais erráticos, com surtos repentinos e curvas rápidas misturados a momentos de pouca atividade. Gillian diz que o Google trabalhou com Adidas, EA e especialistas em futebol para coletar dados de jogadores que jogam em diferentes contextos (seja durante o treinamento ou em um jogo real). Esses dados foram usados ​​para treinar milhares de redes neurais para entender esses movimentos complicados do futebol. Os dados são anonimizados para que não estejam vinculados a um usuário específico e não há recursos de GPS ou rastreamento de localização no hardware.

As redes neurais estão tão bem treinadas agora que o Tag pode reconhecer quando você faz uma curva rápida, quando chuta a bola, o quão longe você correu, sua velocidade máxima, se você está passando ou atirando, e quão poderoso seu chutes são. Pode até estimar a velocidade da bola depois de chutá-la. Tudo isso está acontecendo em tempo real enquanto o jogador se move.

Gillian observou que esses modelos de aprendizado de máquina costumam ter gigabytes de tamanho. A equipe da ATAP conseguiu exportar seu código para alguns kilobytes para poder rodar no Tag – da mesma forma que o Google reduziu os algoritmos do Google Assistant para que ele pudesse rodar localmente em seus telefones Pixel.

No entanto, no contexto do aplicativo da FIFA, o jogador precisará voltar ao telefone e aguardar que os dados sejam enviados ao videogame para ver o progresso em seus objetivos. Você pode jogar futebol normalmente ou pode tentar atingir especificamente os objetivos necessários para progredir em seu time virtual no videogame. Não importa se você é um especialista ou um amador, pois a equipe do Google fez questão de coletar dados de jogadores com diferentes níveis de conhecimento.

“Não estamos pedindo para você jogar futebol de uma maneira diferente”, disse Giles. “Apenas vá jogar futebol do jeito que você sempre joga.”

A próxima onda de computação

O Google vem se movendo lentamente para esse futuro da computação ambiental, onde a tecnologia é perfeitamente integrada ao seu ambiente. Seus telefones Pixel mais recentes têm um sensor que pode identificar gestos com as mãos, permitindo que os proprietários acenem com a mão acima do telefone para alternar faixas de músicas ou tocar e pausar músicas, tudo sem precisar tocar no telefone ou falar um comando de voz. O telefone também possui sensores que podem detectar se o proprietário sofreu um acidente de carro, com base em algoritmos de aprendizado de máquina do que acontece durante acidentes, e entrará em contato com os serviços de emergência se não receber uma resposta.



Fonte

Leave a Reply

Your email address will not be published. Required fields are marked *