Seleccionar página

La compañía de Google publicó un artículo de investigación y una publicación de blog que lo acompaña que detalla sus nuevas primitivas motoras probabilísticas neuronales (NPMP), un método mediante el cual los agentes de inteligencia artificial pueden aprender a operar cuerpos físicos.

Fuente: DeepMind

«Un NPMP es un módulo de control de motores de propósito general que traduce las intenciones de los motores a corto plazo en señales de control de bajo nivel, y se entrena fuera de línea o a través de RL al imitar los datos de captura de movimiento (MoCap), grabados con rastreadores en humanos o animales que realizan movimientos de interés«.

En años anteriores, equipos como el Liverpool han contratado los servicios de DeepMind para que sus sistemas de inteligencia artificial puedan ayudar al entrenador y permitan tomar decisiones mejor informadas.

El objetivo del ejercicio es ayudar a la IA y sus desarrolladores a descubrir cómo optimizar la capacidad de los agentes para predecir resultados. Después de varios días de entrenamiento, la IA comienza a predecir hacia dónde irá la pelota y cómo reaccionarán los otros agentes a su movimiento.

Será interesante ver cómo les irá a los modelos más adaptables, como los que está desarrollando DeepMind, una vez que se trasladen del entorno de laboratorio a las aplicaciones robóticas reales.

Más información: The Next web

La experiencia del Liverpool con Deep Mind (2021)

El Liverpool unió sus fuerzas con DeepMind para explorar el uso de la inteligencia artificial en el mundo del fútbol. Un artículo de investigadores de las dos organizaciones, se publicó en el Journal of Artificial Intelligence Research .

“El momento es el correcto”, dice Karl Tuyls, investigador de IA en DeepMind y uno de los autores principales del artículo. La colaboración de DeepMind en Liverpool surgió de su puesto anterior en la universidad de la ciudad (el fundador de DeepMind, Demis Hassabis , también es fanático de toda la vida del Liverpool y fue asesor en la investigación). Los dos grupos se reunieron para discutir dónde la IA podría ayudar a los jugadores y entrenadores de fútbol. Liverpool también proporcionó a DeepMind datos sobre todos los partidos de la Premier League que jugó el club entre 2017 y 2019.

En los últimos años, la cantidad de datos disponibles en el fútbol se ha incrementado con el uso de sensores, rastreadores GPS y algoritmos de visión por computadora para rastrear el movimiento de la pelota de ambos jugadores.

Conclusiones más importantes de la experiencia Liverpool / DeepMind (Google)

  1. Capacidad para hacer predicciones. Para los equipos de fútbol, ​​la IA ofrece una forma de detectar patrones que los entrenadores no pueden; Para los investigadores de DeepMind, el fútbol ofrece un entorno limitado pero desafiante para probar sus algoritmos. “Un juego como el fútbol es súper interesante porque hay muchos agentes presentes, hay competencia y aspectos colaborativos”. La IA podría resultar particularmente útil a la hora de hacer predicciones. El documento demuestra cómo puede entrenar un modelo con datos sobre un equipo y una alineación específicos para predecir cómo reaccionarán sus jugadores en una situación particular: si golpea un balón largo en el canal de la mano derecha contra el Manchester City, por ejemplo, Kyle Walker correr en una dirección particular, mientras que John Stones puede hacer otra cosa. Esto se conoce como ‘fantasma’, porque las trayectorias alternativas se superponen a lo que realmente sucedió, como en un videojuego, y tiene una variedad de aplicaciones diferentes. Podría usarse, por ejemplo, para predecir las implicaciones de un cambio táctico, o cómo podría jugar un oponente si un jugador clave se lesiona. Estas son cosas que los entrenadores probablemente notarían por sí mismos, y Tuyls enfatiza que el objetivo no es diseñar herramientas para reemplazarlas. “Hay muchos datos, muchos para digerir y no es necesariamente tan fácil manejar estas masas de datos”, dice. “Estamos tratando de construir tecnología de asistencia”.
  2. Análisis de datos. Como parte del artículo, los investigadores también realizaron un análisis de más de 12 000 tiros de penaltis lanzados en toda Europa en las últimas temporadas: clasificaron a los jugadores en grupos según su estilo de juego y luego usaron esa información para hacer predicciones sobre dónde estaban más. probabilidad de anotar un penalti y si era probable que anotaran. Los delanteros, por ejemplo, tenían más probabilidades de apuntar a la esquina inferior izquierda que los mediocampistas, quienes adoptaron un enfoque más equilibrado, y los datos demostraron que la estrategia óptima para los lanzadores de penaltis era, como era de esperar, patear hacia su lado más fuerte.
  3. Análisis de rendimiento de Jugadores. Otros modelos pueden ser capaces de procesar los números en contrafactuales, para estimar cuánto contribuyó una acción específica, como un pase o una entrada fallada, a un gol, o xG. Podrían usarse en el análisis posterior al partido para demostrar a los jugadores por qué deberían haber pasado el balón en una situación particular en lugar de intentar disparar. Un modelo entrenado con los datos de rendimiento de los jugadores (fuerza y ​​estado físico) podría rastrear la fatiga mejor que los entrenadores humanos y recomendar que los jugadores descansen antes de lesionarse.
  4. El reto de integrar la IA como un instrumento útil. La IA no reemplazará a los entrenadores de fútbol. pero sus impactos podrían sentirse en la próxima década. “El propósito es tener un sistema perfecto que se integre bien con el jugador humano en el campo y facilite su trabajo”, dice. “No creo que vea grandes impactos en los próximos seis meses o un año, pero en los próximos cinco años algunas de las herramientas estarán más desarrolladas, y podría ver algo como un ‘Entrenador asistente de video automatizado’ que puede ayudar con el análisis previo y posterior al partido, o puede mirar la primera mitad de un juego y darte consejos sobre lo que podría cambiarse en la segunda mitad”.
  5. DeepMind espera combinar la visión por computadora, el aprendizaje estadístico y la teoría de juegos para ayudar a los equipos a detectar patrones en los montones de datos que recopilan y que de otro modo no podrían ver. La aplicación de la inteligencia artificial al fútbol podría hacer que los jugadores y entrenadores fueran más inteligentes, ahora si pudiera hacer lo mismo para los propietarios.

La apuesta alicantina de «Meta Software Factory» en la «Meta Football League«

Joaquín Pedreño fundador de Meta Software Factory, uno de cuyos proyectos es la «Meta Football League» nos señala que la posibilidad de utilizar Deep Mind para el fútbol virtual tiene un enorme potencial. No sólo por la gamificación que supone en los entornos de los Metaversos actualmente existentes, Joaquín cree que la capacidad de introducir estilos de juegos y simulaciones puede llevar el fútbol actual a otra era, donde el talento innato de los jugadores se vea incrementado por la «inteligencia» de las estrategias de juego de los equipos.

«Nosotros estamos en una etapa de gamificación pero nos vamos a sumar entusiastamente a la era IA», comenta Joaquín.

Metaverse Football League es la primera liga de fútbol en el metaverso, las personas tienen la posibilidad de crear su propio fútbol club, necesitarán encontrar 8 jugadores (un grupo de amigos), crecer su afición y llegar a lo más alto de la liga para ganar grandes premios. También se le enseñará a los propietarios de los clubes como pueden monetizar su club a través de los NFTs o de los wearables( equipaciones virtuales).

Metaverse football league se encarga de toda la organización de los partidos, liga y la creación de estadio. Un estadio increíble que ha llevado mucho esfuerzo construir, consta de dos entradas una para jugadores y otra para los aficionados que vayan a apoyar a su equipo.

Más noticias del Observatorio IA: