"Há algumas décadas atrás, Jeff Alger, então alto quadro da Microsoft, treinava em part-time uma equipa de futebol amador e percebeu que havia muito pouca ciência aplicada ao desenvolvimento dos jogadores.
"Não havia maneiras objectivas de medir a qualidade dos jogadores", disse, "e sem poder medir, não temos nada".
A sua sensibilidade analítica de designer de sistemas fê-lo reconhecer o problema e assim despediu-se da Microsoft, fez um mestrado em gestão desportiva e abriu uma empresa que usaria inteligência artificial para avaliar o talento dos atletas e o treino das equipas. Hoje é uma referência no reconhecimento de padrões de aprendizagem de sistemas para a melhoria do treino e disponibilização de análises avançadas sobre desempenho competitivo.
É já irrefutável que o 'machine learning' aplicado aos desportos colectivos de alto rendimento pode a melhorar a própria ciência desportiva no trabalho com os atletas em todas as suas vertentes.
Já durante esta temporada a sua empresa acompanhou o Málaga, na Liga Adelante, capturando tudo o que acontecia em campo, quer em treinos quer em jogos, com cerca de 20 câmaras sincronizadas em vídeo de alta definição 4K.
É a omnisciência no processo de observação e de avaliação.
O sistema avalia a habilidade e consistência dos jogadores. Por exemplo, a quem determinado jogador passa a bola, quem a recebe, como a recebe, com que frequência, bem como a estrutura táctica da equipa no momento de cada decisão individual. Rastreia o eixo de rotação e a taxa de rotação da bola. E esta não é a única forma como a tecnologia está a ser usada.
Os clube profissionais de futebol obtêm uma fatia cada vez mais significativa da sua receita com a venda de jogadores. As academias tornaram-se em centros de receita para muitos clubes, à medida que desenvolvem jovens jogadores e depois os vendem para outros clubes mesmo sem que estes alguma vez tenham consistentemente comprovado o seu valor ao mais alto nível, e sem uma medida objectiva do sucesso desportivo em é ainda mais difícil atribuir um valor ao atleta. Igualmente aqui, sistemas como o SCOUTPANEL, de avaliação dos atletas com a aplicação da IA (Inteligência Artificial), estão a revolucionar o mercado oferecendo aos decisores análises de performance e de potencial baseadas na recolha de centenas de milhões de dados que seriam virtualmente impossíveis de contemplar e processar pela intervenção humana. Aplicando a todos métricas apuradas ao longo de mais de uma dezena de anos de data tracking e que, ao contrário do olho humano, nada têm de subjectivo.
A questão de saber se os características/movimentos/decisões de determinado jogador correspondem às necessidades específicas de uma equipa em particular também tem sido um dos focos de aplicação destes sistemas, e com assinalável sucesso. Por exemplo, é possível identificar um jogador aparentemente menos capaz, mas que seja determinante numa execução técnica específica ou numa fase do jogo em que a equipa do clube interessado na sua contratação seja particularmente deficitária.
Outros sistemas também podem detectar ou prever lesões. A Sparta Science, trabalha num armazém em Silicon Valley que tem uma pista de corrida repleta de equipamentos para avaliar a condição física de atletas.
A empresa usa o machine learning para recolher e analisar dados de placas electrónicas no pista que medem força e equilíbrio. O sistema colecciona mais de 3.000 pontos de dados por segundo e um teste ao atleta leva cerca de 20 segundos.
Na verdade muitas vezes os atletas não reconhecem uma lesão ou ignoram sinais de vir a desenvolver uma lesão, o sistema tem um histórico comparado de todos os testes que fez e do seu próprio diagnóstico. Com base nos dados recolhidos o sistema pode até avaliar a evolução da bio mecânica do jogador, ou seja, dos seus movimentos mais detalhados e recomendar formas do atleta se aproximar da sua "assinatura de movimento ideal".
A chave para toda essa tecnologia são os dados e os sistemas de visão computacional estão cada vez mais mais avançados, seja na busca de tumores em ecografias, quer na procura de padrões de movimento numa transmissão televisiva. Neste caso, os computadores já são treinados para reconhecer a bola em várias condições de iluminação, bem como entender qual o ponto do pé que entra em contacto com a bola.
Para o computador fazer isso à priori, equipas humanas precisam de anotar meticulosamente milhões de imagens. Quanto mais dados forem anotados, com detalhe e fiabilidade, mais precisa será a análise e a aprendizagem da máquina. "Basicamente, quem tiver os dados melhor identificados ganha". Os melhores computadores a pensarem o jogo serão sempre aqueles que tiveram os melhores professores. Novamente somos confrontados com a vantagem dos sistemas que já vêm sendo desenvolvidos no seio dos gabinetes de análise dos grandes clubes internacionais e que já dispõem de um data-lake, com uma dimensão crítica de dados cruzados e testados ao longo de anos, inatingíveis pelos esforços bem intencionados de empresas mais recentes.
A Matchmetrics, como spin-off do departamento de scouting do Borussia de Dortmund, herdou o trabalho de mais de 15 anos de recolha de dados, e mais tarde com grandes clubes como o Arsenal de Londres, ou AC Milan estabeleceu colaborações que vão muito para além de uma simples relação fornecedor/cliente.
Quando se fala de algoritmos é necessário ter em conta quem, e como, "ensinou a máquina". Como o próprio futebol jogado ao mais alto nível comprova, de nada vale investir milhões numa grande equipa sem ter antes de mais um grande treinador. Assim é também com os computadores. De nada interessa a complexidade do algoritmo ou a potência do processador, se não tiver tido os melhores programadores, se as ideias nas quais radicam todas as "operações" de processamento de dados, não forem efectivas e com resultados comprovados pelos clubes que antes dos demais tomaram a dianteira do futuro. Só assim evitamos o logro da modernidade."
Sem comentários:
Enviar um comentário
A opinião de um glorioso indefectível é sempre muito bem vinda.
Junte a sua voz à nossa. Pelo Benfica! Sempre!