La inteligencia artificial generativa de Footbar entra en juego
Publicado el 29 de marzo de 2024
A principios de 2024, ha pasado más de un año desde que las aplicaciones de la IA generativa en el ámbito del fútbol vieron la luz por primera vez. Por ejemplo, el párrafo de resumen del partido que se ofrece en nuestra aplicación móvil después de cada encuentro ha sido redactado desde marzo de 2023 por el modelo GPT 3.5 de Open AI, que sintetiza las actuaciones medidas por el sensor Footbar.
Sin embargo, el modelo presentado hoy por Footbar es radicalmente distinto. Tiene todas las características de un modelo lingüístico clásico, pero, a diferencia de la mayoría de ellos, no trata con texto, sino directamente con el contenido de un partido de fútbol. Puede, por tanto, generar partidos, del mismo modo que las principales plantillas generan texto.
En este artículo analizaremos cómo ha sido posible esta proeza tecnológica y las aplicaciones que abre.
Al final del artículo encontrará también un enlace para inscribirse en la lista de espera y obtener un anticipo de este modelo.
La solución técnica
Los dos ingredientes esenciales para crear un modelo lingüístico son: una buena arquitectura basada en transformadores y un conjunto de datos que sea a la vez cualitativo y cuantitativo. En Footbar, la arquitectura es bastante clásica en cuanto al modelo de transformadores, un modelo capaz de estimar el token más probable para completar la secuencia proporcionada como entrada. La creación del token, en cambio, ha requerido más ingeniería, ya que en este caso no se trata de trocear un texto, sino de secuenciar la práctica del fútbol.
El conjunto de datos es fruto de casi una década de trabajo del equipo de Footbar en la recopilación y anotación de datos.
Un tokenizador que secuencia la actividad humana
El principal reto a la hora de adaptar la arquitectura LLM al fútbol fue crear un tokenizador capaz de interpretar movimientos físicos en lugar de palabras. He aquí los pilares del enfoque de Footbar:
- Un sensor de actividad fijado alrededor de la pierna, que registra los movimientos a lo largo del tiempo.
- Secuenciación de movimientos: A diferencia de los LLM tradicionales, que se basan en un desglose del texto en palabras o grupos de caracteres llamados tokens, nuestra tecnología secuencia cada zancada o grupo de zancadas distinto.
- Codificación e incrustación: Estos tokens no sólo se codifican en función de su categoría (caminar, correr, gesto técnico, etc.), sino que también reciben información sobre la posición, como ocurre en los LLM tradicionales, así como otros datos únicos como la velocidad, la dirección o el tiempo de vuelo de cada zancada, lo que permite una comprensión compleja de los movimientos del jugador.
- Vocabulario y tamaño del modelo eficientes: a diferencia de los modelos lingüísticos tradicionales, que manejan un vocabulario de cientos de miles de palabras, el modelo de Footbar se beneficia de un conjunto de tokens mucho más pequeño, de apenas unas docenas de acciones. Esta eficiencia se traduce en un modelo que requiere menos parámetros y un conjunto de datos más compacto, sin comprometer la profundidad y la calidad del análisis.
Un conjunto de datos rico y diverso
La tecnología de Footbar se basa en un amplio conjunto de datos que incluye aproximadamente un millón de partidos jugados por una amplia gama de jugadores que han utilizado el sensor de actividad de Footbar durante los últimos 10 años:
- Diversidad de jugadores: el conjunto de datos incluye atletas profesionales, aficionados, niños y adultos, tanto hombres como mujeres, que cubren una amplia gama de niveles de habilidad y estilos de juego.
- Diferentes formatos de juego: desde partidos de fútbol 5 hasta partidos de fútbol 11, desde ejercicios de entrenamiento hasta prácticas informales, el conjunto de datos abarca todas las formas de fútbol.
- Recopilación exhaustiva de datos: La recopilación tradicional de datos en el fútbol profesional suele tropezar con limitaciones, bien porque consiste en datos de seguimiento posicional sin acciones técnicas detalladas, bien porque se centra únicamente en los jugadores directamente implicados en las acciones. El conjunto de datos de Footbar supera estos obstáculos y ofrece una visión global de los partidos y las interacciones entre los jugadores.
Las aplicaciones
Si bien el primer uso concreto de este modelo lingüístico es alimentar los servicios de Footbar, se pueden imaginar muchas otras aplicaciones, clasificadas según los dos ejes que han constituido el ADN de Footbar desde su creación: ayudar a todos los futbolistas, desde el terreno de juego hasta el centro de entrenamiento profesional, a comprender su rendimiento y sus progresos, y contribuir a que quieran jugar más a menudo gracias a una interfaz lúdica inspirada en los videojuegos que reinventa la forma de practicar este deporte.
Footbar analiza los cambios que afectarán al fútbol en los próximos años.
Mejorar el rendimiento
- El compañero táctico del entrenador : una consola de comandos al estilo ChatGPT que permite a cada entrenador introducir una configuración táctica, configurar algunos parámetros y recibir un resultado simulado del partido. Esta función permite a los entrenadores analizar estratégicamente el impacto de la selección de diferentes jugadores o el uso de diferentes tácticas, simulando eficazmente escenarios antes de los partidos reales.
- Simulador de estrategia de juego: los jugadores y entrenadores pueden experimentar con distintos escenarios a balón parado, perfeccionando estrategias para saques de esquina, faltas y penaltis. Esta herramienta permite un análisis detallado de los posibles resultados, aumentando la probabilidad de marcar.
- Modele escenarios de contratación: Los reclutadores pueden simular una temporada entera con diferentes jugadores en su plantilla, lo que proporciona una previsión exhaustiva del impacto potencial de cada jugador. Esto permite tomar decisiones basadas en datos para reforzar el equipo.
- Prevención de lesiones y preparación física: Gracias a las mediciones de la carga de entrenamiento recogidas por nuestros sensores, los preparadores físicos pueden anticipar y optimizar la condición física de los jugadores, con el fin de optimizar el rendimiento y reducir el riesgo de lesiones a lo largo de la temporada.
- Mejor información sobre las apuestas: los corredores y los entusiastas de las apuestas pueden utilizar nuestro LLM para obtener predicciones más precisas de los resultados de los partidos, remodelando el panorama de las apuestas con información avanzada de IA.
Experiencia de juego
- Modelo de simulación: Los motores tradicionales utilizados en los juegos de simulación de fútbol y en las ligas de fútbol fantástico pueden sustituirse por el LLM de Footbar, que ofrece un nivel de realismo y compromiso sin precedentes.
- Un Mundial sin huella de carbono : los jugadores de todo el mundo pueden jugar en su campo local, mientras nuestra IA genera un partido virtual coherente, que les permite competir como si estuvieran en el mismo estadio.
- Reescribir momentos históricos del fútbol: Nuestra tecnología permite a los usuarios participar virtualmente en partidos de fútbol históricos, ofreciendo una oportunidad única de cambiar el resultado de estos encuentros.
Participar en la revolución del fútbol impulsada por la IA
Hay 3 maneras de convertirse en pionero probando esta herramienta usted mismo.
En primer lugar, si eres jugador, entrenador, preparador físico o tienes cualquier otra relación con el fútbol, puedes comprar nuestro sensor, ya sea individualmente o para un equipo, directamente en nuestra tienda en línea.
Si está diseñando un producto o una aplicación para aficionados al deporte, sin duda le interesará nuestra API que le permitirá diseñar aplicaciones basadas en las estadísticas de los jugadores.
Por último, si sólo le interesa el aspecto del modelo lingüístico y quiere probar sus capacidades, le invitamos a inscribirse en la lista de espera para ser el primero en saber cuándo estará disponible para el público en general.