Il guru dei dati del City Football Group Lee Mooney al New York Times: “Il calcio è già cambiato. E’ una corsa agli armamenti, e non possiamo andare con il coltello ad una sparatoria”
“È del tutto fattibile che l’intelligenza artificiale possa simulare più partite di calcio in 24 ore di quante ne siano mai state giocate professionalmente nel mondo reale in tutti i 150 anni di storia di questo sport“. E con questa affermazione di Lee Mooney, responsabile dei dati del City Football Group per sei anni, si apre un fronte enorme per i feticisti del calcio “statistico”. Il New York Times analizza la situazione, premettendo che l’evoluzione è velocissima e si rischia di restare al palo mentre il progresso investe anche il vecchio pallone.
“Pensate a quante partite Pep Guardiola può aver giocato, gestito e guardato. Se tornate indietro a ogni generazione che lo ha portato a essere dove è ora, attraverso Johan Cruyff e Rinus Michels, quell’esperienza composita potrebbe potenzialmente essere simulata in poche ore“. E due.
In pratica “tutta quella conoscenza di problem-solving verrebbe costruita perfettamente in un singolo cervello sintetico. Ciò costituirebbe un potenziale affascinante per nuove tattiche, metodi di allenamento, modi di misurare le prestazioni, riconoscere le capacità di coaching umano e il giudizio sui talenti“.
Il calcio, scrive il Nyt, si sta già muovendo in quella direzione: l’esempio più noto è la collaborazione tra il Liverpool e Google DeepMind per migliorare la strategia sui calci d’angolo utilizzando l’intelligenza artificiale .
Visti i progressi nei dati di tracciamento dei giocatori, Mooney ritiene che il calcio potrebbe raggiungere il punto in cui i club avranno addestrato l’intelligenza artificiale a simulare le partite contro i loro prossimi avversari, modellando i singoli giocatori in base alle loro qualità tecniche e meccaniche e producendo animazioni 3D di come potrebbero svolgersi le partite nella vita reale.
“Si potrebbe impostare una partita contro il Manchester City, addestrare l’AI per capire come giocano e quali sono i loro punti di forza e di debolezza individuali, e poi giocare milioni di volte per trovare le strategie più efficaci per batterli con i giocatori che hai”, dice Mooney. “Addestriamo i piloti di linea nei simulatori prima di volare, perché dobbiamo sapere che è sicuro. Questo tipo di intelligenza artificiale potrebbe dare agli allenatori il loro parco giochi sicuro per correre rischi ed esplorare un universo molto più ampio di tattiche e soluzioni, prima di mettere a repentaglio il loro lavoro. L’animazione può quindi mostrare le strutture di accumulo più efficaci per battere la loro pressione, quanto velocemente premere e in quale struttura recuperare. Stai addestrando la tecnologia per comprendere il gioco in uno spazio virtuale per poi informare le decisioni del mondo reale”.
“C’è anche il potenziale per riconoscere se i giocatori stanno calando nel gioco o se il loro processo decisionale sta diventando compromesso e quindi consigliare una sostituzione in tempo reale.”
Intanto “la proliferazione dell’analisi dei dati nel calcio negli ultimi 15 anni ha fatto sì che non ci sia un solo club della Premier League tra i 20 attuali che non utilizzi i dati come primo filtro nelle proprie operazioni di scouting”.
“Uno scouting data scientist, la cui azienda lavora con vari club in tutta Europa, ritiene che il Santo Graal sarà quando i club non dovranno più immaginare come un potenziale acquisto si adatterebbe alla loro squadra. Invece, saranno in grado di usare l’intelligenza artificiale per tradurre tutti i dati e i video che hanno sullo stile del giocatore e sulle tattiche del team acquirente e usarli per visualizzare come si comporterebbero in determinate situazioni”, scrive il Nyt.
Mooney dice anche che “ci sono cose che i modelli non possono vedere o hanno ampie fasce di incertezza nella stima. Come si comporta un giocatore sotto pressione, la manipolazione della palla in spazi ristretti, la tempistica delle scansioni, la morbidezza del suo tocco, la sua visione per vedere un passaggio: tratti che sono facili da vedere su video ma difficili, o lenti, con i dati”.
“Ci sarà una danza delicata mentre queste cose si evolvono. Per tutto ciò che una macchina non può vedere ora, ci sarà un ramo della ricerca che colmerà quel divario. Creerà una sana tensione tra uomo e macchina, ma anche una vera e propria co-dipendenza: un input umano di qualità è essenziale per sviluppare risorse analitiche sempre più forti”.
Mooney e il suo team hanno appena creato un modello che ha sequenziato 25 milioni di presenze di giocatori, risalenti ai primi anni 2000, identificando modelli e tratti che possono prevedere la traiettoria di potenziali ingaggi.
Il calcio è già cambiato con i dati. Meno giocatori tirano da fuori area a causa della bassa probabilità che si trasformino in un gol, mentre le squadre generalmente mantengono il possesso e palleggiano meno di prima.
“Mi viene in mente la battuta di Jurassic Park sugli scienziati che erano così preoccupati di riuscire a farcela che non si sono fermati a pensare se avrebbero dovuto farlo“, dice Mooney.
“Il mio lavoro professionale è aiutare le squadre a vincere e a ottenere il massimo valore possibile dai loro soldi, quindi dovrò farlo perché se non lo faccio io lo farà qualcun altro, e allora ti ritrovi in una corsa agli armamenti in cui porti un coltello a una sparatoria“.