Entra in gioco l'intelligenza artificiale generativa di Footbar
Pubblicato il 29 marzo 2024
All'inizio del 2024, è passato più di un anno da quando le applicazioni dell'IA generativa nel campo del calcio hanno visto la luce per la prima volta. Ad esempio, il paragrafo di sintesi della partita fornito nella nostra applicazione mobile dopo ogni incontro è stato scritto dal marzo 2023 dal modello GPT 3.5 di Open AI, che sintetizza le prestazioni misurate dal sensore Footbar.
Tuttavia, il modello presentato oggi da Footbar è radicalmente diverso. Ha tutte le caratteristiche di un modello linguistico classico, ma, a differenza della maggior parte di essi, non tratta il testo ma direttamente il contenuto di una partita di calcio. Può, quindi, generare partite, proprio come i modelli principali generano testo.
In questo articolo analizzeremo come è stata resa possibile questa impresa tecnologica e le applicazioni che ne derivano.
Alla fine dell'articolo troverete anche un link per iscrivervi alla lista d'attesa per un'anteprima di questo modello.
La soluzione tecnica
I due ingredienti essenziali per la creazione di un modello linguistico sono: una buona architettura basata sui trasformatori e un insieme di dati sia qualitativi che quantitativi. In Footbar, l'architettura è abbastanza classica per quanto riguarda il modello dei trasformatori, un modello in grado di stimare il token più probabile per completare la sequenza fornita come input. La creazione del token, invece, ha richiesto una maggiore ingegnerizzazione, poiché in questo caso non si tratta di tagliare un testo, ma di mettere in sequenza la pratica del calcio.
Il set di dati è il frutto di quasi un decennio di lavoro del team di Footbar nella raccolta e nell'annotazione dei dati.
Un tokenizer che sequenzia l'attività umana
La sfida principale nell'adattare l'architettura LLM al calcio è stata quella di creare un tokenizer in grado di interpretare i movimenti fisici piuttosto che le parole. Ecco i pilastri dell'approccio di Footbar:
- Un sensore di attività collegato alla gamba, che registra i movimenti nel tempo.
- Sequenza dei movimenti: A differenza degli LLM tradizionali, che si basano su una suddivisione del testo in parole o gruppi di caratteri chiamati token, la nostra tecnologia mette in sequenza ogni singola falcata o gruppo di falcate.
- Codifica e incorporazione: questi token non solo sono codificati in base alla loro categoria (camminata, corsa, gesto tecnico, ecc.), ma ricevono anche informazioni sulla posizione, come nel caso degli LLM tradizionali, oltre ad altri dati unici come la velocità, la direzione o il tempo di volo di ciascuna falcata, consentendo una comprensione complessa dei movimenti del giocatore.
- Vocabolario e dimensioni del modello efficienti: a differenza dei modelli linguistici tradizionali che gestiscono un vocabolario di centinaia di migliaia di parole, il modello di Footbar beneficia di un set di token molto più piccolo, composto da poche decine di azioni. Questa efficienza si traduce in un modello che richiede meno parametri e un set di dati più compatto, senza compromettere la profondità e la qualità dell'analisi.
Un set di dati ricco e diversificato
La tecnologia di Footbar si basa su un ampio set di dati che comprende circa 1 milione di partite giocate da una vasta gamma di giocatori che hanno utilizzato il sensore di attività di Footbar negli ultimi 10 anni:
- Diversità dei giocatori: il set di dati comprende atleti professionisti, dilettanti, bambini e adulti, sia maschi che femmine, che coprono un'ampia gamma di livelli di abilità e stili di gioco.
- Diversi formati di gioco: dalle partite a 5 a quelle a 11, dagli allenamenti alle esercitazioni informali, il set di dati copre tutte le forme di calcio.
- Raccolta dati completa: la raccolta dati tradizionale nel calcio professionistico incontra spesso dei limiti, sia perché consiste in dati di tracciamento posizionale senza azioni tecniche dettagliate, sia perché si concentra solo sui giocatori direttamente coinvolti nelle azioni. Il set di dati di Footbar supera questi ostacoli e fornisce una visione globale delle partite e delle interazioni tra i giocatori.
Le applicazioni
Se il primo utilizzo concreto di questo modello linguistico è quello di alimentare i servizi di Footbar, si possono immaginare molte altre applicazioni, classificate secondo i due assi che costituiscono il DNA di Footbar fin dalla sua creazione: aiutare tutti i calciatori, dal campo di gioco al centro di allenamento professionale, a comprendere le loro prestazioni e i loro progressi, e contribuire a far venire loro la voglia di giocare più spesso grazie a un'interfaccia divertente ispirata ai videogiochi che reinventa il modo in cui le persone praticano lo sport.
Footbar analizza i cambiamenti che interesseranno il calcio nei prossimi anni.
Migliorare le prestazioni
- Il compagno tattico dell'allenatore : un prompt di comandi in stile ChatGPT che consente a ogni allenatore di inserire un'impostazione tattica, configurare alcuni parametri e ricevere un risultato di partita simulato. Questa funzione consente agli allenatori di analizzare strategicamente l'impatto della scelta di diversi giocatori o dell'utilizzo di diverse tattiche, simulando efficacemente gli scenari prima delle partite reali.
- Simulatore di strategia di gioco: giocatori e allenatori possono sperimentare diversi scenari di calci piazzati, perfezionando le strategie per calci d'angolo, punizioni e rigori. Questo strumento consente un'analisi dettagliata dei potenziali risultati, aumentando le probabilità di segnare.
- Modellare scenari di reclutamento: I selezionatori possono simulare un'intera stagione con diversi giocatori nella loro squadra, fornendo una previsione completa dell'impatto potenziale di ciascun giocatore. Ciò consente di prendere decisioni basate sui dati per rafforzare la squadra.
- Prevenzione degli infortuni e preparazione fisica: utilizzando le misurazioni del carico di allenamento raccolte dai nostri sensori, i preparatori fisici possono anticipare e ottimizzare la condizione fisica dei giocatori, al fine di ottimizzare le prestazioni e ridurre il rischio di infortuni durante la stagione.
- Migliori approfondimenti sulle scommesse: i broker e gli appassionati di scommesse possono utilizzare il nostro LLM per ottenere previsioni più accurate sui risultati delle partite, rimodellando il panorama delle scommesse con approfondimenti AI avanzati.
Esperienza di gioco
- Modello di simulazione: i motori tradizionali utilizzati nei giochi di simulazione calcistica e nelle leghe di fantacalcio possono essere sostituiti dall'LLM di Footbar, che offre un livello di realismo e coinvolgimento senza precedenti.
- Una Coppa del Mondo senza impronta di carbonio : i giocatori di tutto il mondo possono giocare sul loro campo locale, mentre la nostra IA genera una partita virtuale coerente, permettendo loro di competere come se si trovassero nello stesso stadio.
- Riscrivere i momenti storici del calcio: la nostra tecnologia permette agli utenti di prendere parte a partite di calcio storiche in modo virtuale, offrendo un'opportunità unica di cambiare il risultato di queste partite.
Partecipare alla rivoluzione del calcio guidata dall'IA
Ci sono 3 modi per diventare pionieri testando personalmente questo strumento.
Prima di tutto, se siete giocatori, allenatori, preparatori fisici o avete qualsiasi altro legame con il calcio, potete acquistare i nostri sensori, individualmente o per una squadra, direttamente dal nostro negozio online.
Se state progettando un prodotto o un'applicazione per gli appassionati di sport, sarete senza dubbio interessati alle la nostra API che vi permetterà di progettare applicazioni basate sulle statistiche dei giocatori.
Infine, se siete interessati solo all'aspetto del modello linguistico e volete testarne le capacità, siete invitati a iscriversi alla lista d'attesa per essere i primi a sapere quando sarà reso disponibile al pubblico.