Inteligência Artificial

Como o Liverpool usa inteligência artificial para melhorar escanteios

Publicado por
Isabella Caminoto

Com a chegada de Arne Slot como técnico do Liverpool, uma série de ideias inovadoras surgiu de sua nova equipe técnica. Os métodos de treinamento originais dos assistentes, Sipke Hulshoff e John Heitinga. A voz vibrante do principal preparador físico, Ruben Peeters. Os criativos exercícios de treinamento do técnico de goleiros, Fabian Otte.

Fora dos gramados, o Liverpool tem desenvolvido um assistente de treinador para auxiliar na estratégia de bolas paradas para a próxima temporada… e ele não é humano.

O departamento de análise do Liverpool é conhecido por seu trabalho pioneiro, liderado pelo diretor de pesquisa William Spearman, que assumiu o cargo de Ian Graham em 2023. Em seu mais recente projeto, eles se uniram ao Google DeepMind, utilizando inteligência artificial (IA) para determinar estratégias para escanteios.

A colaboração culminou em um artigo publicado na Nature Communications – TacticAI: um assistente de IA para táticas de futebol. O projeto, liderado pelos pesquisadores Zhe Wang e Petar Velickovic, utilizou dados de 9.693 escanteios coletados das temporadas 2020-21, 2021-22 e 2022-23 (até janeiro de 2023) da Premier League, alimentando informações sobre a altura, peso, posição inicial e movimento de cada jogador durante a rotina de escanteio.

As informações de cada jogador permitiram aos pesquisadores prever os resultados mais prováveis de ocorrer em uma determinada configuração de escanteio. Por exemplo, qual jogador provavelmente receberá a bola? A sequência levará a uma tentativa de chute?

Uma vez que a sequência foi executada, a análise pode então construir uma imagem para determinar se rotinas semelhantes foram bem-sucedidas no passado. Crucialmente, o TacticAI pode extrair dessa análise para gerar sugestões que melhorem o resultado do escanteio. Por exemplo, mover o posicionamento ou a orientação corporal dos jogadores para reduzir as chances de sofrer um chute de um determinado escanteio.

O gráfico abaixo mostra quatro sugestões feitas pelo TacticAI para ajustar o posicionamento dos jogadores na defesa de um escanteio.

Como evidência da capacidade do modelo, especialistas do Liverpool – incluindo treinadores assistentes, analistas de vídeo e cientistas de dados – foram incapazes de distinguir entre a saída fornecida pelas sugestões do TacticAI e as rotinas reais de escanteio, com as rotinas sugeridas sendo favorecidas em relação à sequência original de escanteio em 90% das vezes – destacando a eficácia do modelo em fornecer melhorias dentro da estrutura tática.

Como você pode ver no gráfico acima, os ajustes sugeridos podem parecer sutis, mas o pesquisador líder conjunto Velickovic enfatiza que essas sugestões estão de acordo com o futebol moderno. Pequenas mudanças em distâncias, tempo e tomada de decisão podem ser a diferença entre vitória e derrota.

“O objetivo não é dizer a um jogador que ele precisa se mover dois ou três metros para a esquerda ou direita”, disse Velickovic ao The Athletic. “Você faz pequenos ajustes na localização, orientação ou velocidade de um jogador, que são todos relativamente pequenos, e isso foi deliberado.”

Um objetivo central do projeto do Liverpool com o Google DeepMind é fornecer aos treinadores e analistas uma ferramenta para ajudá-los com o fluxo de trabalho. Os analistas de oposição costumam assistir a centenas de vídeos na preparação para um jogo, o que é trabalhoso. A capacidade do TacticAI de filtrar rotinas semelhantes do oponente e criar estratégias defensivas é poderosa.

É mais eficiente tirar conclusões em uma fração do tempo, e este trabalho fornece uma abordagem tática objetiva sem preconceito, respaldada por milhares de exemplos.

“Esta ferramenta é projetada para acelerar a capacidade de um treinador de identificar padrões”, disse Velickovic. “Os treinadores estão olhando para situações complexas com 22 jogadores, e eles têm que descobrir quais são as partes-chave que fizeram ou quebraram uma determinada estratégia – e quais jogadores foram responsáveis.”

“Com um sistema como este – onde ele produz imediatamente ajustes para todos os jogadores defensivos – você pode focar sua atenção e imediatamente perceber que, por exemplo, um defensor específico está fazendo algo errado.”

“Se isso acontecer com seu defensor em muitas situações, você pode tentar corrigi-lo em seu treinamento. Se for um jogador adversário, você pode trabalhar em estratégias para explorar essa fraqueza.”

Leia também:

Este post foi modificado pela última vez em %s = human-readable time difference 19:16

Isabella Caminoto

Advogada e mestranda em Direito Internacional, tenho a democracia e a liberdade como bandeiras irrenunciáveis. Sou apaixonada pelos animais e acredito que o bem-estar do nosso planeta deveria ser o destaque diário da pauta da nossa sociedade.

Posts recentes

Google se associa à Apptronik para desenvolver robôs humanoides

O Google DeepMind acaba de anunciar uma parceria estratégica com a Apptronik, uma empresa de…

20 de dezembro de 2024

Genesis: Um novo patamar para simulações físicas em IA

Uma equipe de pesquisadores de 20 laboratórios diferentes acaba de apresentar o Genesis, um motor…

20 de dezembro de 2024

Google lança seu próprio modelo de IA de “raciocínio”

O Google acabou de lançar o que está chamando de um novo modelo de inteligência…

19 de dezembro de 2024

GitHub Copilot agora é gratuito

A GitHub, de propriedade da Microsoft, acaba de anunciar um nível gratuito de seu Copilot…

19 de dezembro de 2024

ChatGPT ganha um novo número de telefone; veja

A OpenAI acaba de lançar uma nova maneira surpreendente de acessar o ChatGPT - através…

19 de dezembro de 2024

Google lança novo benchmark para testar a factualidade de LLMs

O Google DeepMind acaba de lançar o FACTS Grounding, um novo benchmark projetado para avaliar…

18 de dezembro de 2024