Investigadores de Vanderbilt utilizan inteligencia artificial para ayudar a los jugadores de baloncesto a mejorar sus lanzamientos

Investigadores de la Universidad de Vanderbilt han desarrollado una tecnología de inteligencia artificial para ayudar potencialmente a los jugadores de baloncesto a mejorar su juego en la cancha.

Jules White, decano asociado de programas de aprendizaje estratégico y profesor asociado de informática e ingeniería informática, y Carlos Olea, estudiante de doctorado del Departamento de Informática, desarrollaron un software de IA denominado red relacional temporal para ayudar a determinar el contexto y la mecánica que hay detrás de cada golpe que da un jugador. 

"Estoy realmente entusiasmado con el potencial de la IA para ayudar a los aficionados en casa a aprender y mejorar", declaró White a Fox News Digital. "Creo que mucha gente dispone de una cantidad limitada de tiempo y dinero para acceder al entrenamiento, así que creo que amplía el acceso a la información que necesitas para mejorar".

HAZ CLIC AQUÍ PARA VER MÁS COBERTURA DEPORTIVA EN FOXNEWS.COM

La idea surgió después de que un antiguo alumno pusiera en contacto a White y Olea con NOAH Basketball, una empresa que utiliza cámaras y software de última generación para observar los entrenamientos y recopilar estadísticas de tiro de los jugadores de la NBA y la NCAA. Mediante el reconocimiento facial y la visión por ordenador, NOAH genera estadísticas detalladas sobre cómo y dónde lanza alguien, la trayectoria del balón y desde dónde falla los tiros. 

NOAH proporcionó más de 50.000 horas de secuencias de vídeo, que los investigadores utilizaron para clasificar cinco tipos de tiro diferentes: Tiro libre, atrapar y tirar, fuera del regate, finta con un paso y tiro hacia atrás. Utilizando la IA, pudieron optimizar el reconocimiento del tipo de tiro, logrando una precisión del 96,8% en 1.500 nuevos tiros. 

White dijo que a los investigadores les interesaba conocer las estadísticas, pero también el contexto detrás de las estadísticas, como por ejemplo si el jugador estaba ahí parado haciendo tiros una y otra vez, en comparación con si estaba en medio del juego, o acababa de recibir un pase. 

"Conectamos y hablamos sobre la posibilidad de realizar un proyecto de investigación en el que estudiaríamos el desarrollo de modelos de aprendizaje profundo para ayudarles a identificar lo que estaba ocurriendo", dijo White. "Básicamente, la IA está intentando aprender y comprender cuáles son los movimientos que se relacionan con los distintos tipos de disparos. Básicamente le estamos enseñando cómo se ven las cosas en vídeo".

White dijo que hacer eso es un trabajo humano en el baloncesto, ya que la gente de este deporte tiene que ver esos miles de vídeos y etiquetar individualmente cada uno según el tipo de tiro.

Dijo que el papel de Olea consistía en utilizar todos esos ejemplos para enseñar a la IA a identificar el tipo de disparo, con el código del investigador diciéndole esencialmente a la IA lo que hacía mal y dónde cometía errores. White lo llamó un proceso interactivo en el que la IA recibe ejemplos e intenta predecir cuál es la respuesta correcta para esos ejemplos. Después, el programa vuelve atrás y ve lo que hizo mal, y actualiza su comprensión de esos movimientos.

"La IA que diseñamos puede considerarse como una persona muy ingenua que intenta aprender algo, en este caso cómo identificar esos distintos tipos de tiros a canasta", dijo Olea. 

EL ENTRENADOR DE LOS CARDENALES, OLIVER MARMOL, LANZA UNA EMPRESA DE TECNOLOGIA DE LA EDUCACION DESTINADA A ORIENTAR A LOS ASPIRANTES A ATLETAS

White dijo que probablemente se pueda obtener el mismo tipo de información siguiendo a un jugador con un portapapeles, aunque señaló que sería "enormemente caro hacerlo".

"Para algunos jugadores, se puede justificar ese gasto, pero para todos los demás, esto puede automatizar el proceso de recopilación de esa información que el jugador y el entrenador pueden utilizar para tomar decisiones sobre cómo pueden entrenar", dijo. 

Olea dijo que la simple categorización de los tiros es una pequeña parte del baloncesto, ya que hay otros factores que pueden influir en el tiro, como lo bueno que sea el defensor o lo rápido que sea el jugador. 

Los investigadores dijeron que empezaron con cosas básicas, pero que esperan crecer -con más investigación- a otras porciones, asignando eventualmente atributos a distintos jugadores. Dijeron que asociarse con NOAH fue muy útil tanto para comprender las estadísticas como el contexto que hay detrás de cada tiro. 

"Empezamos con estas cinco primeras cosas (los cinco tipos de disparos), pero para ser eficaz desde el punto de vista de la investigación necesitas un socio así, que entienda realmente lo que importa y cuáles son las estadísticas que quieres saber y cuáles son las cosas contextuales", dijo White. "Así que, de cara al futuro, querrías exactamente cosas así".

Con el tiempo, White dijo que espera que el mundo del deporte vea más investigaciones de este tipo. Cree que las empresas, como NOAH, podrían acabar adoptando este tipo de enfoque y aplicarlo a productos del mundo real y a sistemas comerciales que puedas ir a utilizar.

"Así que mi apuesta es que, con el tiempo, el tipo de cosas avanzadas de las que estamos hablando aquí podrían hacerse en tu teléfono", añadió, diciendo que podría ser una aplicación instalada en tu teléfono, que la gente pudiera utilizar en casa o en el gimnasio. "Creo que la visión a largo plazo, a medida que la IA se vuelva más sofisticada, es que iría en una dirección así".

"Ahí es donde se pone emocionante, en coger algo muy crudo que la gente está coleccionando ahora, como vídeos de ellos mismos haciendo algo... y darte esa pizca extra de información para ayudarte a mejorar", añadió. "Así que ahí es donde me encantaría tener algo así para todas las cosas relacionadas con el deporte".

Olea, que creció pasando horas practicando béisbol, a veces solo, dijo que disponer de esa tecnología habría sido muy útil durante su juventud. 

HAZ CLIC AQUÍ PARA OBTENER LA APLICACIÓN FOX NEWS

"Disponer de este tipo de información sería inmensamente útil para mejorar mi propio juego y comprender lo que tengo que hacer para mejorar como jugador", añadió. 

White y Olea hablaron sobre el análisis de los tiros en una ponencia premiada en una conferencia titulada "Análisis del reconocimiento de acciones mediante aprendizaje profundo para la identificación del tipo de tiro en baloncesto".