Ryan Paganetti es especialista en inteligencia artificial (IA) y es una de las personas que creen que esta solución tecnológica cambiará al fútbol americano. Su conocimiento le valió para que el nuevo entrenador en jefe de Las Vegas Raiders, Pete Carroll, lo contratara como coordinador de IA del equipo (el título del puesto es «Especialista en Investigación de Entrenadores en Jefe»).
Paganetti cree que la próxima gran ventaja de los equipos no llegará a través del Draft o la agencia libre, sino de herramientas de inteligencia artificial que están a punto de transformar la forma en que los entrenadores piensan sobre el juego y hacen su trabajo.
“De aquí a una década algunos entrenadores podrían ser reemplazados por completo”, dijo Paganetti a The Athletic. “Eso es un problema en todo tipo de industrias donde la IA es simplemente mejor y más precisa. Creo que eso va a suceder con la industria del fútbol americano, en cierta medida”.
“Estoy bastante seguro de que algún equipo ganará un Super Bowl en los próximos años utilizando IA a un ritmo muy alto, significativamente mayor que nunca antes”, agregó. “Es una verdadera oportunidad para diferenciarse de un equipo que podría tener una plantilla más talentosa o mejores entrenadores, etc. Habrá cada vez más diferenciación con los equipos que ya están comprometidos”.
Carroll está totalmente comprometido. El entrenador principal de mayor edad de la NFL es quizás el mayor defensor de la tecnología más reciente. «Todo lo imaginable es posible ahora mismo», afirmó a The Athletic el entrenador de 73 años. Su condición de pionero no sorprende considerando su trayectoria, que incluye periodos como entrenador principal con New York Jets, New England Patriots, Seattle Seahawks y USC (NCAA).
Hace casi tres décadas, IBM comenzó a desarrollar la supercomputadora Deep Blue para enfrentarse al campeón mundial de ajedrez Garry Kasparov. Kasparov ganó su primera partida contra la máquina en 1996, pero Deep Blue ganó la revancha al año siguiente, y desde entonces los humanos no han vuelto a presentar un desafío ajedrecístico a las computadoras.
Desde entonces, las computadoras han dominado el antiguo juego de mesa chino Go, que implica exponencialmente más movimientos posibles que el ajedrez. El fútbol americano presenta un problema informático mucho más complejo que el ajedrez o el Go por innumerables razones, pero muchos expertos coinciden en que algunas de las funciones analíticas realizadas por entrenadores humanos podrían ser realizadas mejor, o al menos con mayor eficiencia por inteligencia artificial, y el ritmo actual de mejora en la industria sugiere que ese momento podría estar cerca.
Los grandes modelos de lenguaje que impulsan la mayor parte de la IA y el aprendizaje automático «aún no saben ver fútbol americano, pero creo que con algo de trabajo, se les puede enseñar a verlo», afirmó Udit Ranasaria, investigador sénior de SumerSports, una de las pocas empresas que desarrollan herramientas de inteligencia artificial con el potencial de transformar el fútbol americano profesional. «Podemos llegar a tener algo como ChatGPT que comprenda lo que ocurre en la NFL».
“Una rama importante de la inteligencia artificial, desde casi sus inicios, ha sido la visión artificial, que busca que las computadoras vean cosas y descifren qué hay en la imagen”, dijo John Guttag, profesor de Ciencias de la Computación e Ingeniería Eléctrica del Instituto Tecnológico de Massachusetts (MIT) que además co-presentó varios artículos sobre el uso del aprendizaje automático en la NBA, MLB y NFL.
Pero el fútbol americano es un problema más complejo para la visión artificial que el baloncesto, el béisbol o el fútbol (soccer) debido a la proximidad de los jugadores a la línea de golpeo y la variabilidad en el personal.
La inteligencia artificial actual es capaz de «observar» grabaciones de partidos de dos equipos, formular un plan de juego e imprimir hojas de llamadas para los coordinadores ofensivos y defensivos, afirmó Vishakh Sandwar, uno de los dos integrantes del equipo ganador del Big Data Bowl de este año, patrocinado por la NFL. «En este momento, es solo cuestión de calidad», concluyó.
El proyecto ganador de Sandwar y su compañero, exalumno de la Universidad de Nueva York, Smit Bajaj, creó un algoritmo que puede identificar coberturas basándose en el análisis visual de los defensores realizado por computadora. El modelo, que utilizó tecnología desarrollada por Sumer, alcanzó una precisión del 89 por ciento basándose únicamente en las alineaciones previas al saque del balón (snap). Se ajusta en tiempo real a medida que los defensores se mueven y puede identificar a los que cometen los peores errores al ceder coberturas antes del snap. También permite a los entrenadores crear posiciones personalizadas moviendo a los defensores en una pizarra digital.
“Con el tiempo, irá mejorando”, dijo Guttag. “Y lo que harás es decir: ‘Aquí están todas las series que terminaron en primeros downs. Aquí están todas las series que no terminaron en primeros downs. ¿Cuáles son las diferencias importantes?’, sin plantear hipótesis previamente. Simplemente dejarás que el aprendizaje automático de IA analice todos esos datos y diga: ‘Aquí hay algunas diferencias interesantes’. Una de las grandes ventajas del aprendizaje automático es que encuentra cosas que no sabías que existían”.
Bajaj fue contratado por Philadelphia Eagles en mayo, aunque antes de unirse al equipo campeón realizó prácticas en el departamento de análisis de Philadelphia Phillies, que cuenta con más de 35 empleados. En la NFL, solo tres equipos tienen más de seis empleados en sus departamentos, según una investigación de Seth Walder de ESPN. Catorce tienen tres o menos, y ninguno tiene más que Cleveland Browns (10).
La inminente carrera armamentista en la contratación de inteligencia artificial se mantendrá en la sombra, predijo Paganetti, quien se negó a dar detalles sobre cómo los Raiders utilizarán los próximos avances.
Un agente de inteligencia artificial podría asistir en la decisión de jugadas durante los partidos, pero las reglas de la NFL prohíben ese tipo de asistencia desde el inicio hasta que el reloj llegue a cero. Durante la semana, todo en el ámbito de la IA está dentro de los límites del campo, aunque la liga sigue de cerca los acontecimientos, al menos los que conoce.
“Aún existe un nivel extremo de secretismo”, dijo Paganetti. “Incluso quienes trabajan en analítica tienen muy poca idea de lo que hacen quienes trabajan en analítica para otros equipos, a veces porque se considera secreto de empresa. Sabemos lo que hacen los ojeadores del otro equipo: ojean. Sabemos lo que hacen los entrenadores de los otros equipos: entrenan. Pero cuando se trata de la contribución real del departamento de analítica de otro equipo, no tiene límites fijos”.
Información de Ritmo NFL
