Tiempo de lectura: 8 minutos

Análisis táctico automático de partidos de fútbol

Hoy entrevistamos a Maurici A. López Felip, CEO de la start up barcelonesa Kognia Sports Intelligence. La solución de Kognia desarrollada en colaboración con INFAIMON permite a los entrenadores corregir situaciones tácticas sobre la marcha durante los partidos gracias a la tecnología y la inteligencia artificial, proporcionando clips de video concretos para el análisis posterior de situaciones tácticas claves en el juego.

Inteligencia artificial y Big Data en el deporte: oportunidades y limitaciones actuales

INF – Buenos días Maurici. ¿Puedes explicarnos cuál fue tu primera experiencia con la visión por computación y la inteligencia artificial?

ML – Yo provengo del mundo del fútbol, donde he tenido la oportunidad de jugar en etapa formativa con jugadores como Gerard Piqué y Cesc Fàbregas. Posteriormente, cuando pasé de jugador a entrenador, empecé a mirar el fútbol desde otro prisma de estudio y un análisis más profundo. Fue precisamente durante mis estudios de máster y doctorado en Estados Unidos, tratando de buscar respuestas sobre cómo automatizar los conceptos tácticos del juego, donde me encontré por primera vez con literatura que abordaba el problema de la inteligencia artificial. Nuestra perspectiva de estudio era la psicología ecológica y los estudios de la psicología de la percepción de James Gibson, quien afirmaba que el organismo percibe directamente el entorno en relación a sus movimientos.

Por otra parte, allí también descubrí por primera vez las teorías de David Marr, quien fue pionero en integrar los resultados de la psicología y la inteligencia artificial en nuevos modelos de procesamiento visual. A diferencia de Gibson, Marr afirmaba que la percepción no podía ser directa, sino que se percibía por diferentes etapas y niveles de estructuración del entorno. Por ejemplo, si percibimos un coche en el entorno, lo primero que percibimos no es el coche en movimiento, como afirman las teorías ecológicas, sino que lo que percibimos es un grupo de figuras geométricas que, de forma conjunta, vienen a representar un coche. Esto no significa que los jugadores de fútbol perciban el entorno de esta misma manera, pero lo relevante es que David Marr dejó un legado muy importante para los futuros estudios en ciencias computacionales y de algún modo anticipó todos los procesos y el método que se ha seguido para que las máquinas identifiquen o reconozcan ciertos patrones del entorno.

INF – ¿En qué medida crees que la inteligencia artificial y el Big Data están revolucionando el mundo del deporte y el fútbol en particular?

ML – Pues desde la sinceridad y la humildad, te diría que lo están revolucionando a nivel de ruido. Mucha gente empieza a hablar del Big Data sin entender que lo importante es cómo extraer valor de estas cantidades ingentes de datos. Estamos ante resultados numéricos a los que se les tiene que dotar de información y, en realidad, la inteligencia artificial tendría que ayudarnos a llevar a cabo este proceso completo que aún debe realizar un humano. Creo que vamos en la dirección correcta y obviamente es bueno que la gente hable y aprecie el valor que puede llegar a tener la inteligencia artificial, aunque también es cierto que hay mucho desconocimiento y necesitamos ir un paso más allá. En cualquier caso, es muy prometedor el camino que nos queda por recorrer dentro del mundo del deporte.

INF – En relación al «nivel de ruido» que comentas, en una entrevista publicada el pasado 25 de septiembre en El País, el delantero del Bayern Robert Lewandovski hizo la siguiente reflexión: “En esta industria cada vez hay más gente que no ve los partidos, ni analiza lo que ocurre porque en la modernidad cada vez hay menos paciencia para ver atentamente los 90 minutos de los partidos, y solo ven las estadísticas y el Big Data.” ¿Cuáles son las limitaciones de los métodos actuales de análisis táctico en el fútbol?

ML – Lewandovski tiene toda la razón y demuestra su amor por el fútbol, por su deporte. Por eso se reivindica en contra de unas personas que gestionan el día a día de la preparación deportiva, pero que son expertos en otros ámbitos distintos al fútbol y defienden su posición montados en la ola oportunista del Big Data y la inteligencia artificial para influir en la toma de decisiones. Alguien que realmente ha jugado al fútbol y que ama este deporte cuestiona el hecho de basar el rendimiento de un jugador en estadísticas como el número de veces que ha tocado el balón o según el porcentaje de pases. Lo importante no son estos resultados sobre un evento o una acción muy concreta que se ha repetido un cierto número de veces, sino cómo el jugador se va desenvolviendo y va comprendiendo el juego según las situaciones en las que se encuentra como, por ejemplo, si se va posicionando bien en relación al balón, a los defensas o a la portería, si viene a recibir entre líneas cuando toca o hace un desmarque de ruptura al espacio cuando corresponde.

La problemática que hay para estudiar estos conceptos es que tienen que ser analizados por el entrenador. Son conceptos intangibles que hasta ahora parecían incuantificables. ¿Cómo vamos a detectar o a cuantificar si un jugador viene a recibir entre líneas o hace un desmarque detrás de la espalda? Lo único que se cuantifica son los pases correctos, largos, cortos, etc. Los métodos actuales de que dispone un entrenador son básicamente videoanalistas de confianza cuya tarea principal es ver el partido y el vídeo para generar información acerca de estos conceptos de la comprensión del juego. Este proceso se ha llevado a cabo de forma manual hasta el día de hoy. Estamos hablando de una o varias personas viendo los vídeos cada partido y buscando específicamente cosas muy concretas: análisis individual, del propio equipo, del oponente, etc.

Evidentemente, este enfoque tiene unas limitaciones enormes, empezando por el tiempo invertido en ello. Cuando estás en la élite y puedes llegar a jugar dos partidos por semana, tienes muy pocos días para generar mucha información, para revisarla y para tomar decisiones al respecto. En tres días es imposible generar esta información a nivel individual, del equipo y del oponente y pasar este feedback. Te pasas demasiado tiempo delante de la pantalla y no acabas pasando tiempo con el verdadero protagonista que es el jugador. La otra limitación evidente es que, al tener que invertir tanto tiempo en generar la información, no tienes la capacidad de realizar un análisis profundo del estudio del juego y te quedas con datos más secundarios sobre el modelo de juego. Estos métodos tan rudimentarios son los que emplean el 99% de los clubes en la actualidad.

«Nosotros no damos reports de estadísticas ni números. Lo que el software de Kognia proporciona es información visual a nivel táctico en el propio lenguaje del entrenador.»

INF – Y aquí es donde entra Kognia para dar solución a este problema.

ML – Exactamente. En la industria del fútbol y del deporte en general se invierte mucho dinero en las tecnologías más punteras del mercado. Una de estas tecnologías es la de tracking para el rastreo de jugadores en el campo que ofrece alrededor de 25 datos por segundo sobre la posición de los jugadores. El problema es que la gestión y computación de estos datos se ha utilizado simplemente para generar variables muy primarias que ofrecen una información básica alrededor de lo que ocurre en el terreno de juego. Me estoy refiriendo al match running performance, es decir el rendimiento de carrera durante el partido. Por ejemplo, se sabe que la media de kilómetros que recorre un jugador por partido es de 12,4 km. Hay muchos estudios en relación al rendimiento físico, pero lo que un entrenador realmente quiere es valorar si sus jugadores están comprendiendo el juego. Valorar si aquellos principios tácticos que ellos han trabajado se están aplicando o no. Kognia quiere cerrar este círculo de recoger estos datos y ofrecer una información que beneficie al entrenador, algo que no se ha hecho hasta el día de hoy.

INF- Un factor diferencial de Kognia es el know-how, ya que cuenta con un equipo de expertos. ¿Cuál ha sido su influencia y relevancia en el desarrollo del proyecto?

ML – Nosotros trabajamos en base a una librería de fundamentos tácticos generados por expertos del fútbol liderados por Joan Vilà, que es una persona muy vinculada al mundo del fútbol desde sus inicios como jugador en los años 70 y 80, junto a grandes jugadores como Johan Cruyff y Carles Rexach, y con experiencia como entrenador en diferentes etapas de su carrera. Joan desarrolló conceptos del fútbol para ayudar a los jugadores a entender qué criterios deben de tomar para orientar su juego en cada situación en la que se encuentren. Estos conceptos se engloban en una librería de 230 fundamentos tácticos divididos por línea, por nivel individual y por equipo.

Lo que hacemos es recoger los datos de rastreo de estas tecnologías tan punteras y leemos estos fundamentos en base a estas variables secundarias como velocidad o distancia. Es decir, a partir de estas variables más básicas generamos conceptos de más alto orden hasta llegar al fundamento. Esto se consigue mediante un componente de inteligencia artificial que permite generar videoclips de conceptos tácticos que son del interés del entrenador con un overlay o dibujo gráfico superpuesto en el vídeo de forma automatizada que ayuda a entender las oportunidades de acción en cada situación. Nosotros no damos reports de estadísticas ni números. Lo que el software de Kognia proporciona es información visual a nivel táctico en el propio lenguaje del entrenador.

INF – ¿Esta sería la principal diferencia con vuestra competencia?

ML – Correcto. La competencia se ha centrado más en el análisis físico y técnico de los jugadores como hemos comentado anteriormente. Pero el entrenador ve cosas que la mayoría de espectadores no pueden apreciar. Hasta el momento, nadie se había preocupado de generar un software que sea capaz de leer lo que leen los ojos de un entrenador cuando ven un partido de fútbol y, por supuesto, con la ventaja de generar automáticamente esta información de forma muy rápida durante el mismo partido. El entrenador solamente necesita filtrar qué jugadas le sirven de ejemplo para educar y seguir haciendo crecer al equipo y al jugador para percatarse de aquellas cosas que se deben mejorar o evitar en el siguiente partido. Hemos calculado que para analizar unos 20 fundamentos tácticos e identificar los patrones, se necesitan 200 horas de trabajo tanto si es una o dos personas. Además, también añadimos una capa de pintura que grafía la oportunidad del movimiento. La ventaja competitiva que ofrece el software de Kognia es brutal para poder inyectar calidad en todo el proceso y ganar más tiempo para invertirlo en tus jugadores. Esta es la gran diferencia respecto a la competencia.

INF – ¿Qué os hizo decantaros por INFAIMON como especialista y proveedor de soluciones de visión artificial?

ML – En Kognia tenemos muy claro que detrás de cualquier proceso debe de haber un método muy bien contrastado. Nosotros hemos tenido la suerte de contar con asesores de confianza del mundo académico que nos recomendaron encarecidamente trabajar con INFAIMON en base a sus experiencias previas con INFAIMON y con otros proveedores. Además de estas referencias positivas, otros puntos a favor son el servicio, la proximidad y el trato personal que nos ofrecen. En cualquier momento están ahí cuando los necesitamos, llamándoles a horas intempestivas. INFAIMON siempre nos ha sabido asesorar en la mejor dirección para mejorar aspectos técnicos relativos a las cámaras o a las grabaciones. Incluso cuando hemos contrastado la información con otras empresas, al final siempre hemos llegado a la conclusión de que la solución que nos ofrece INFAIMON es la correcta.

INF – ¿Cuáles eran vuestras necesidades técnicas en cuanto a hardware/software de visión y cómo fueron resueltas?

ML – Nosotros ya teníamos un conocimiento muy extenso en visión por computación. Una vez recibíamos la imagen, teníamos muy claro cómo abordar los problemas. Sin embargo, el problema era cómo hacer llegar la imagen y aquí es donde teníamos dudas acerca del hardware que necesitábamos para recoger imágenes de partidos de fútbol. Una vez seleccionado el hardware, tuvimos que abordar otros problemas como la sincronización de imágenes o la calibración de las cámaras, en los que la ayuda de INFAIMON ha sido clave para nosotros. Nos expusieron las diferentes opciones que existen en el mercado y los distintos procesos con sus pros y sus contras, acompañándonos durante todo el proyecto y ofreciéndonos una solución a medida adaptada a nuestras necesidades.

INF – Para terminar, ¿tienes alguna anécdota con INFAIMON que te gustaría compartir con nosotros?

ML – Recuerdo una vez que nuestro CTO y algunos ingenieros fueron a realizar unos tests en un campo de entrenamiento acompañados de un representante de INFAIMON. El presidente del club trató de establecer conversación con el representante de INFAIMON acerca de los acuerdos que habíamos firmado con el club en cuestión, pensando que esta persona, que daba una imagen muy profesional, era la persona que lideraba el proyecto de KOGNIA. Somos un equipo joven y esto suele ocurrir muy a menudo, especialmente en el mundo del fútbol.