Trabalhando com dados de rastreamento de jogadores de 7.176 escanteios marcados na Premier League durante 2020 e 2021, os pesquisadores começaram representando a disposição dos jogadores como um gráfico, com a posição, movimento, altura e peso dos jogadores codificados como nós no gráfico. , e as relações entre os jogadores como as linhas entre eles. Em seguida, eles usaram uma abordagem chamada aprendizagem geométrica profunda, que aproveita a simetria de um campo de futebol para reduzir a quantidade de processamento que a rede neural precisava realizar. (Esta não é uma estratégia nova – uma abordagem semelhante foi usada na influente pesquisa AlphaGo da DeepMind.)
O modelo resultante levou à criação de uma série de ferramentas que poderão ser úteis aos treinadores de futebol. Com base na disposição dos jogadores no momento em que o chute é executado, o TacticAI pode prever qual jogador tem maior probabilidade de fazer o primeiro contato com a bola e se um chute será executado como resultado. Ele pode então gerar recomendações sobre as melhores maneiras de ajustar a posição e o movimento do jogador para maximizar a chance de um chute ser executado (para o time atacante) ou minimizá-la (para o time defensor) – deslocando um defensor para cobrir o poste mais próximo , por exemplo, ou colocar um homem na beira da área.
Os especialistas em futebol do Liverpool gostaram particularmente de como as recomendações da TacticAI poderiam identificar os atacantes que eram críticos para o sucesso de uma tática específica, ou os defensores que estavam “adormecidos ao volante”, diz Veličković. Os analistas passam horas examinando vídeos em busca de pontos fracos nas configurações defensivas de seus oponentes que possam atingir, ou tentando encontrar falhas no desempenho de seu próprio time para dobrar nos treinos. “Mas é realmente difícil rastrear 22 pessoas, em muitas situações diferentes”, diz Veličković. “Se você tiver uma ferramenta como essa, ela imediatamente ajudará você a ver quais jogadores não estão se movendo da maneira certa, quais jogadores deveriam estar fazendo algo diferente.”
O TacticAI também pode ser usado para encontrar outros cantos que apresentem um padrão semelhante de jogadores e movimentos, economizando novamente horas de tempo para os analistas. Segundo DeepMind, as sugestões do modelo foram avaliadas como úteis pelos treinadores do Liverpool duas vezes mais que as técnicas atuais, que se baseiam apenas nas coordenadas físicas dos jogadores e não levam em consideração seus movimentos ou atributos físicos. (Dois cantos podem parecer iguais, mas se o atacante alto estiver na entrada da área em um e correndo em direção ao poste mais próximo no outro, isso provavelmente é importante.)
Uma coisa que também está fazendo, de acordo com Zhe Wang, da DeepMind, outro principal colaborador do artigo, é compensar a falta de uma linguagem adequada para descrever a enorme variedade de coisas diferentes que podem acontecer em uma esquina. Ao contrário do futebol americano, que tem uma nomenclatura profunda e histórica para diferentes jogadas e percursos de corrida, a coreografia de lances de bola parada de futebol com tantos detalhes é um fenômeno relativamente novo. “Diferentes treinadores podem ter suas próprias expressões para os padrões de escanteios que observam”, diz Wang. “Portanto, com o TacticAI, esperamos usar o poder do aprendizado profundo para estabelecer uma linguagem comum para descrever padrões de escanteios.”
No futuro, de acordo com o artigo, os pesquisadores esperam transformar o TacticAI em uma interface de linguagem natural para que os treinadores possam consultá-lo em texto e obter respostas para os problemas que estão tentando resolver em campo. Veličković diz que o modelo pode ser usado durante um jogo para ajudar os treinadores a refinar as suas rotinas de escanteio rapidamente, mas é mais provável que seja útil nos dias que antecedem o jogo, onde irá libertar o tempo dos treinadores. “Não queremos construir sistemas de IA que substituam especialistas”, afirma Veličković. “Queremos construir sistemas de IA que ampliem as capacidades dos especialistas para que eles possam realizar seu trabalho com muito mais eficiência e tenham mais tempo para a parte criativa do coaching.”
