L'Intelligenza Artificiale nel Calcio
I sette modi in cui l'AI avrà un impatto importante sui club calcistici, dentro e fuori dal campo
Introduzione
ChatGPT e la crescita geometrica
La pubblicazione di ChatGPT il 3 novembre 2022 ha sconvolto il mondo intero, portandoci a intuire che l’avvento dell’Intelligenza Artificiale (AI) nella sua versione più evoluta (AGI) potrebbe non essere troppo lontano. Fino al 2 novembre scorso, la profezia di Ray Kurzweil sull’arrivo della “Singularity” prima del 2045 sembrava a molti decisamente aggressiva, inclusi i più esperti in AI. Tuttavia, la loro percezione, così come quella del pubblico, dalla data di pubblicazione di GPT-4 (14 marzo 2023), si è completamente trasformata: appare, ora, verosimile che una macchina possa superare il “Turing Test” prima del 2029, come scommesso da Kurzweil contro Mitchell Kapor, e che nei prossimi venti anni il progresso tecnologico diventerà non completamente intellegibile agli umani.
Uno degli aspetti più interessanti del lavoro, seppur controverso, di Kurzweil, è lo sforzo profuso per farci comprendere il concetto di crescita esponenziale, attraverso la “Law of Accelerating Returns”. Secondo Kurzweil, la mente umana ha un'innata tendenza a pensare in termini lineari piuttosto che esponenziali. Ciò deriva probabilmente dal nostro retaggio evolutivo, in quanto fino a un centinaio di anni fa i cambiamenti ambientali tendevano a verificarsi in maniera graduale e prevedibile. Con le crescite esponenziali, i cambiamenti possono invece essere repentini e drastici, e questa è una situazione che la nostra psiche non è naturalmente attrezzata a gestire: la discrepanza tra le nostre intuizioni e la realtà può sorprendere e disorientare in modo crescente, con la tecnologia che continua a evolvere a un ritmo sempre più rapido.
Ogni tanto ascolto il podcast ‘Actually’ di Will Media, nella cui intro si menziona “il cambiamento, che sembra arrivare piano piano e poi ci travolge tutto a un tratto”. Ecco, questa è esattamente la dinamica della crescita esponenziale.
La Legge di Moore
Faccio un esempio, utilizzando la cosiddetta ‘Legge di Moore’. Nel 1965, Moore osservò che il numero di transistor su un microchip (o circuito integrato) raddoppiava approssimativamente ogni anno dalla sua invenzione, e predisse che questa tendenza sarebbe continuata per almeno il decennio successivo.
In seguito, la previsione fu prima rivista al ribasso, prevedendo un raddoppio approssimativamente ogni due anni, poi assestata a un raddoppio ogni 18 mesi.
In forma semplificata, se N(t) rappresenta il numero di transistor su un chip al tempo t, e N(0) rappresenta il numero di transistor al momento iniziale (ad es., quando Moore fece la sua osservazione), allora la funzione è: N(t) ≈ N(0) × 2^(t/1.5)
Questo significa che nel giro di 10 anni la capacità computazionale aumenta di 102 volte, mentre in 20 anni di ben 10321 volte. Sui 30 anni? Di 1048576 volte!
Ora, proviamo a immaginare un ChatGPT già solo di 102 volte più potente rispetto all’attuale, fra soli 10 anni. Sarebbe già abbastanza impressionante vero?
In realtà, è molto probabile che ChatGPT e le altre forme di intelligenza artificiale cresceranno ad un ritmo molto superiore. Secondo questo studio (https://arxiv.org/pdf/2202.05924.pdf), prima del 2010, la capacità di calcolo per il training degli algoritmi di machine learning cresceva in linea con la legge di Moore. Con l'avvento del Deep Learning all'inizio degli anni 2010, la scalabilità del calcolo per il training si è accelerata, raddoppiando circa ogni 6 mesi. Alla fine del 2015, è emersa una nuova tendenza con le aziende che hanno sviluppato modelli di ML su larga scala con requisiti di calcolo per il training da 10 a 100 volte superiori.
Perché l’AI cresce più in fretta rispetto alla Legge di Moore
È molto probabile che l’intelligenza artificiale continuerà a crescere in modo estremamente più veloce rispetto a quanto abbiamo visto con la capacità computazionale.
Il motivo è molto semplice: gli algoritmi di AI possono beneficiare della crescita congiunta di tre elementi:
crescita di capacità computazionale dedicata e “Accelerated Computing”: Il Computing Accelerato si riferisce all'uso di acceleratori hardware, come le GPU (Graphics Processing Units, o Unità di Elaborazione Grafica in italiano), per aumentare la velocità di elaborazione dei dati e delle applicazioni rispetto all'uso esclusivo delle CPU tradizionali. Questo approccio è particolarmente utile per le applicazioni che richiedono una grande potenza di calcolo, come l'elaborazione grafica, l'intelligenza artificiale e il machine learning. Le GPU sono ottimizzate per compiti paralleli, risultando pertanto ideali per applicazioni che richiedono l'elaborazione simultanea di grandi quantità di dati. Leader indiscusso sulle GPU è Nvidia.
crescita dell’efficienza del software: la stessa Nvidia, nelle sue presentazioni, parla dell’importanza del sistema Hardware-Software-System per il cosiddetto Accelerated Computing (vedi slide sotto).
crescita della base dati: per migliorare il machine learning, la quantità di dati è un elemento fondamentale. Faccio due esempi pratici:
il modello di xG (‘Expected Goals’) di Soccerment, di cui si possono apprezzare i risultati gratuitamente su xvalue.ai/stats, è molto migliore rispetto a due o tre anni fa. Il motivo? Semplice, abbiamo n migliaia di tiri in più, perché il database é stato ampliato notevolmente, introducendo più leghe e più stagioni per lega.
La classificazione degli eventi tecnici di XSEED continua a migliorare. Il motivo? Anche qui il miglior risultato è direttamente correlato con la quantità di dati con cui viene “trainato” il modello.
Nel mondo, i dati stanno crescendo in modo esponenziale da diversi anni ed è presumibile che continuino a farlo, anche escludendo i dati che verranno prodotti dalle intelligenze artificiali (spoiler: saranno quantitativi monstre). Nell’immagine qui sotto (fonte: Statista), vi vede come nel 2020 i dati prodotti nel mondo erano pari a 64,2 zettabyte (1 zettabyte equivale a 1 trilione di gigabytes) e ci si aspetta che triplichino entro il 2025.
Il cambiamento stravolgerà imprese e professioni
Molti settori si stanno preparando all’inevitabile trasformazione che l’avanzamento tecnologico imporrà loro. Cambieranno le professioni, il modo di lavorare, ci sarà un reshuffle dei rapporti di forza tra “colletti bianchi” e “colletti blu”. Emergeranno (stanno già emergendo) nuove figure professionali, come il ‘prompt engineer’.
AI in sostituzione delle persone?
Qualche settimana fa (il 19 giugno 2023), in un’intervista a Radio Radio, mi è stato chiesto: “l’intelligenza artificiale nel calcio sarà in grado di sostituire le persone, come sta avvenendo per alcune professioni?”.
Perché l'intelligenza artificiale sostituisca il lavoro umano, a mio avviso, servono due condizioni particolari:
la prima è che l'AI sia alimentata da set di dati completi, in grado di descrivere una specifica attività, rendendola riproducibile;
la seconda è che questa attività sia ripetitiva; o per lo meno, quanto più un’attività è ripetitiva, più è sostituibile dall’AI.
Credo che sia molto difficile che queste due condizioni si verifichino nel calcio, specialmente nel breve termine.
Se è vero che la descrizione attraverso i dati di ciò che avviene in campo sta migliorando velocemente, grazie a una crescente granularità delle informazioni e allo sviluppo di nuove metriche avanzate, l’estrema complessità (e, quindi, non ripetitività) del Beautiful Game non è stata ancora completamente incapsulata in dati e algoritmi e non credo che lo sarà nei futuri 3 o 5 anni.
Quindi, sembra inverosimile pensare che nei prossimi anni le professioni “di campo” nel calcio rischino di essere rimpiazzate dai fantomatici “algoritmi sabermetrici in stile Moneyball”, spesso citati dalle testate giornalistiche.
AI a supporto dei professionisti
Al tempo stesso, penso che l’intelligenza artificiale possa diventare col tempo un supporto sempre più rilevante e che, nel giro di pochi anni, chi farà leva sul suo utilizzo, rendendo più efficienti i propri processi decisionali, potrà garantirsi un vantaggio competitivo importante rispetto a chi deciderà di non farne uso. Per fare un esempio semplice, è un po' come se a una verifica di matematica si possa decidere se andare con o senza la calcolatrice, o forse addirittura con o senza un laptop con accesso a internet.
Inizialmente, come spesso avviene e come di fatto sta capitando con la data analytics, ci saranno club che si faranno trovare pronti a tale cambiamento, altri meno e altri che si opporranno in modo radicale.
Pochi giorni fa ho contribuito, rilasciando un’intervista, ad un interessante articolo di Sky Sports sul futuro del calcio, in cui si parla proprio dell’impatto dell’intelligenza artificiale.
Nell’articolo viene menzionata l’assunzione da parte del City Football Group (di cui fa parte il Manchester City) di un ex astrofisico, in qualità di ‘Head of Football AI’: Laurie Shaw.
A differenza di quanto stiamo osservando con la data analytics, però, i club che si opporranno o che non si faranno trovare pronti a inserire nei loro processi decisionali l’intelligenza artificiale, accumuleranno molto velocemente uno svantaggio competitivo che potrebbe diventare estremamente difficile colmare.
Sulla base di questa convinzione, credo che sia interessante analizzare quali aspetti del calcio, sia fuori che dentro al campo, saranno impattati per primi e quali in misura maggiore.
I 7 ambiti calcistici che verranno rivoluzionati dall’AI
Prevedo sette ambiti in cui l’intelligenza artificiale andrà direttamente a influenzare l’industria calcistica, i.e. i club e gli addetti ai lavori. Non sono quindi inclusi nella lista gli attori che operano attorno all’industria calcistica, come i media o le società di betting, per cui aggiungerò giusto due spunti al termine del capitolo.
1) Scouting
Analizzando una vasta gamma di dati relativi alle performance dei calciatori, l’AI può consentire ai club di identificare nuovi talenti e valutare più efficacemente i potenziali acquisti, ad esempio ricercando i giocatori specificatamente per lo stile di gioco prescelto dagli allenatori.
Un esempio è quello della metodologia del clustering dei giocatori, con il quale questi vengono classificati in base alle loro funzioni sul terreno di gioco, permettendo di capire in modo più completo e preciso se lo stile di gioco di un determinato giocatore si adatta a quello di una determinata squadra. La piattaforma di advanced analytics di Soccerment, xvalue.ai, ruota proprio attorno a questo concetto, adottando per l’analisi dei giocatori un modello di clustering, sviluppato assieme ad Antonio Gagliardi, Match Analyst della Nazionale Campione d’Europa, con il quale abbiamo anche pubblicato l’eBook “The Clustering Project”.
L'AI può anche aiutare nello scouting di talenti a livello globale. Tecniche come il Natural Language Processing possono essere utilizzate per monitorare notizie e articoli da tutto il mondo, permettendo ai club di identificare promettenti giovani talenti.
Infine, l'AI può supportare i club nella valutazione economica dei calciatori. Utilizzando tecniche di analisi predittiva, i club possono stimare il potenziale valore di mercato di un giocatore, formulare offerte più precise e gestire meglio i loro budget. Ci sono inoltre algoritmi in grado di stimare quale sia l’ingaggio fair di una calciatrice o di un calciatore sulla base delle loro performance e di altri parametri, incluso il loro appeal commerciale e i followers sui social media. Questo è uno dei motivi per cui le più evolute agenzie di procuratori sportivi si stanno attrezzando per rimanere al passo: la tecnologia tende a “disintermediare” chi non la adotta.
2) Match analysis
Analizzando tutti i dati storici delle partite della propria squadra e della squadra avversaria, l'AI arriverà a raccomandare le sessioni di allenamento ottimali, la line-up e la strategia da utilizzare prima di una sfida, in modo da sfruttare al meglio i propri punti di forza, così come le vulnerabilità tattiche e fisiche della squadra avversaria. Durante la partita, utilizzerà poi i dati in tempo reale per dare raccomandazioni su come aggiustare la strategia, come farebbe un assistente reale. Sarà proprio quest’ultimo a confrontarsi con l’AI, creando n possibili scenari, per poi aiutare l’Head Coach a fare scelte più informate.
Difatti, l'AI può anche contribuire alla previsione delle strategie avversarie. Attraverso l'analisi dei dati storici delle partite e l'uso di tecniche di deep learning, è possibile identificare i modelli ricorrenti nelle tattiche degli avversari e prevedere le loro mosse future. Questo può aiutare i team a preparare piani di gioco più efficaci.
In particolare, a mio avviso la grande rivoluzione a cui assisteremo nel prossimo futuro in ambito football analytics è la fusione tra dati evento (e metriche avanzate basate su questi) con i dati di tracking. Questi ultimi, raccolti grazie wearable device e/o mediante tecniche di Computer Vision, se ben analizzati dal punto di vista algoritmico possono evidenziare dinamiche spazio-temporali tra giocatori, con insights senza precedenti. Per capire meglio la differenza tra dati evento e dati di tracking, ho preparato le slides qui sotto.
L'AI come fonte di innovazione tattica?
Nel panorama dello sport, l'intelligenza artificiale ha già dimostrato di poter superare le capacità umane in giochi complessi come gli scacchi e il Go. Deep Blue e AlphaGo, sviluppati rispettivamente da IBM e Google DeepMind, hanno battuto campioni del mondo umani, proponendo mosse innovative e a volte controintuitive che hanno rivoluzionato l'approccio a questi giochi.
Un concetto analogo potrebbe applicarsi al calcio. Con la capacità di elaborare una quantità massiccia di dati e di eseguire simulazioni a una velocità che supera di gran lunga quella umana, l'intelligenza artificiale potrebbe aprire nuove frontiere tattiche. I software basati su AI potrebbero analizzare migliaia di partite, comprendendo e modellando le dinamiche del gioco a un livello di dettaglio inimmaginabile per un essere umano.
Da questa mole di dati, l'AI potrebbe derivare schemi tattici innovativi, che magari a prima vista possono sembrare anti-intuitivi o addirittura bizzarri per un umano. Ad esempio, potrebbe suggerire modelli di gioco in cui è preferibile cedere il possesso palla all'avversario, o in cui il portiere si muove in modo diverso dal consueto.
Ciò rappresenterebbe una sfida per i calciatori e gli allenatori, che dovrebbero saper interpretare e applicare queste nuove strategie. Tuttavia, proprio come nei casi di Deep Blue e AlphaGo, l'apprendimento da queste intuizioni dell'AI potrebbe portare a un salto evolutivo nel modo in cui si gioca a calcio, spingendo il gioco verso territori inesplorati e apportando una ventata di novità nel panorama tattico del calcio moderno.
3) Allenamenti personalizzati, alimentazione, prevenzione e riabilitazione infortuni
Nel mondo del calcio moderno, i giocatori stanno diventando sempre più "datificati". Ogni aspetto della loro performance sul campo (e anche fuori dal campo) viene misurato e analizzato, generando un flusso continuo di dati che possono essere utilizzati per ottimizzare il loro allenamento e migliorare le loro prestazioni.
Mentre, fino a oggi, il monitoraggio quantitativo degli atleti è stato possibile solo nel calcio d’élite, nel futuro prossimo questo sarà possibile anche tra i non professionisti, grazie a soluzioni sempre più automatizzate e quindi scalabili.
Allenamenti personalizzati
Nei prossimi mesi, ad esempio, Soccerment introdurrà un “Virtual Coach” che, sulla base dei dati di performance generati da XSEED in allenamento e partita, darà delle indicazioni puntuali su come migliorare la performance, grazie ad allenamenti personalizzati sulla base dell’età, il ruolo, le caratteristiche fisiche e tecniche degli atleti.
Alimentazione personalizzata
Allo stesso modo, grazie all’analisi dei carichi passati e prospettici, delle ore di sonno, delle caratteristiche genetiche, delle intolleranze o allergie, un assistente virtuale potrà indicare in modo puntuale come alimentarsi in modo ottimale.
Infortuni: prevenzione e riabilitazione
Nella prevenzione degli infortuni, l'AI può svolgere un ruolo chiave. Gli algoritmi di machine learning possono essere utilizzati per analizzare i dati relativi al carico di allenamento, alle condizioni fisiche dei giocatori e alla storia degli infortuni. Questo permette di identificare i modelli e i fattori di rischio, aiutando i team a personalizzare i programmi di allenamento per minimizzare il rischio di infortuni. Ad esempio, l'AI può aiutare a determinare se un giocatore sta sforzando troppo una certa parte del corpo o se ha bisogno di riposo per prevenire l'overtraining.
Per quanto riguarda la riabilitazione, l'AI può supportare la creazione di programmi di recupero personalizzati. Gli algoritmi di machine learning possono analizzare i dati sul progresso del recupero di un giocatore, consentendo ai fisioterapisti di adattare i programmi di riabilitazione in base alle esigenze specifiche del giocatore e di monitorare l'efficacia del trattamento.
L'AI può anche contribuire alla valutazione del momento in cui un giocatore è pronto a tornare in campo. Gli algoritmi di machine learning possono utilizzare una combinazione di dati, tra cui informazioni sull'infortunio, dati di recupero e dati di performance in allenamento, per prevedere quando un giocatore è veramente pronto per tornare in azione. Questo può aiutare a prevenire il rischio di reinfortunio.
Infine, la realtà virtuale (VR), spesso combinata con l'AI, sta diventando uno strumento prezioso nella riabilitazione. I sistemi di VR possono creare ambienti di simulazione per permettere ai giocatori di allenarsi in sicurezza durante il recupero, mentre l'AI può analizzare i movimenti dei giocatori e fornire feedback immediati per migliorare l'efficacia dell'allenamento.
4) Arbitri virtuali
L'introduzione del VAR e della goal-line technology ha segnato un punto di svolta nella storia del calcio, portando una maggiore oggettività e precisione nelle decisioni arbitrali. Se da una parte queste tecnologie hanno rappresentato un significativo passo avanti, dall'altra sollevano una domanda intrigante: potranno gli arbitri del futuro essere completamente virtuali?
Sebbene la visione di un arbitro completamente virtualizzato possa sembrare futuristica e ancora lontana, non possiamo escludere questa possibilità nel lungo termine. Tuttavia, ciò che appare più probabile nel prossimo futuro è una crescente sinergia tra l'arbitro umano e un assistente virtuale basato sull'intelligenza artificiale. Questo assistente potrebbe analizzare in tempo reale un'ampia varietà di dati — dal monitoraggio dei movimenti dei giocatori, alle possibili infrazioni di gioco, fino ai contatti sospetti —, fornendo all'arbitro feedback e suggerimenti rapidi e accurati.
Un'evoluzione di questo tipo avrebbe effetti profondi sul gioco. Per iniziare, potremmo assistere a una maggiore fiducia dei giocatori e dei team tecnici nei confronti delle decisioni arbitrali. Sapendo che ogni decisione è supportata da dati oggettivi e analizzata da sistemi sofisticati, le lamentele e le proteste potrebbero diminuire.
Inoltre, con una sorveglianza più rigorosa e precisa, i giocatori potrebbero essere dissuasi dal simulare fallosi o situazioni di gioco, poiché la probabilità di essere scoperti aumenterebbe notevolmente. Ciò porterebbe a un gioco più pulito, in cui le abilità vere dei giocatori avrebbero la priorità rispetto alle tattiche ingannevoli.
5) Ticketing
L'intelligenza artificiale (AI) sta diventando uno strumento di valore crescente per i club di calcio nella gestione e nell'ottimizzazione del ticketing. In particolare, l'AI può essere utilizzata per analizzare enormi quantità di dati sugli acquisti dei biglietti, permettendo di prevedere le tendenze e personalizzare le offerte.
Uno degli aspetti fondamentali dove l'AI può dare un contributo significativo è l'analisi predittiva. Le tecniche di machine learning possono essere utilizzate per analizzare i dati storici sulle vendite dei biglietti, prendendo in considerazione variabili come il giorno della partita, l'avversario, la posizione in classifica delle due squadre, le condizioni meteorologiche e così via. Questo può aiutare i club a prevedere la domanda per le future partite e a tarare di conseguenza i prezzi dei biglietti, ottimizzando così il ricavo e minimizzando il numero di posti vuoti.
Un altro ambito importante è la personalizzazione dell'esperienza di acquisto. Utilizzando tecniche di AI come il deep learning, i club possono creare profili dettagliati dei loro clienti, comprendendo le loro preferenze e abitudini di acquisto. Questo consente di offrire ai tifosi offerte personalizzate, migliorando la soddisfazione del cliente e aumentando la probabilità di vendita.
L'AI può anche aiutare a rilevare e prevenire le frodi nel settore del ticketing. Gli algoritmi di machine learning possono essere addestrati a riconoscere modelli di comportamento sospetti, come acquisti di grandi quantità di biglietti o transazioni provenienti da luoghi insoliti, contribuendo così a proteggere i club e i loro tifosi.
Infine, con l'uso dell'AI, i club possono migliorare l'efficienza del loro servizio clienti. I chatbot basati su AI possono gestire una grande quantità di richieste di assistenza, fornendo risposte immediate e liberando il personale umano per gestire i casi più complessi.
6) Fan engagement
Grazie all’intelligenza artificiale, diventerà sempre più fattibile mostrare al singolo fan il contenuto tecnico-tattico, o di qualsiasi altro tipo, che quest’ultimo ha più probabilità di apprezzare.
In parte questo viene già fatto, ma la crescita dell’AI sarà un driver propulsivo significativo: l’utente-fan riceverà contenuto (video, audio, testuale, etc.) dell’argomento, lunghezza, durata, stile, etc. che più probabilmente apprezzerà.
L'AI, grazie alla sua capacità di analizzare grandi quantità di dati e di riconoscere modelli comportamentali, può suggerire contenuti specifici in base ai gusti di ciascun tifoso. Che si tratti di video, audio, testi, o altro, tutto viene adattato in termini di argomento, lunghezza, durata e stile per rispondere alle preferenze dell'utente.
Inoltre, l'intelligenza artificiale offre opportunità ancora inesplorate per l'engagement dei tifosi. Per esempio, potrebbe essere utilizzata per creare esperienze di realtà virtuale o aumentata che permettano ai fan di vivere la partita come se fossero effettivamente allo stadio. Oppure, potrebbe essere sfruttata per analizzare le partite in tempo reale, fornendo statistiche e analisi dettagliate che arricchiscono l'esperienza del tifoso.
Ricordiamo infine che, grazie alla personalizzazione offerta dall'intelligenza artificiale, i club avranno la possibilità di capire meglio i loro tifosi e di creare una connessione più profonda con loro. Ad esempio, l'AI può aiutare a identificare i momenti in cui i tifosi sono più propensi a guardare contenuti o a fare acquisti nel negozio online del club. Queste informazioni possono essere utilizzate per migliorare le strategie di marketing e per creare un rapporto più stretto con i tifosi.
7) Carriere virtuali vs. carriere reali
Il confine tra le carriere virtuali e quelle reali nel calcio si sta progressivamente assottigliando. Giochi come FIFA (ora ‘EA Sports FC’), eFootball, Football Manager e altri simulacra digitali stanno raggiungendo un grado di dettaglio e fedeltà alla realtà mai visto prima. Questo processo non riguarda solo i calciatori professionisti, ma sta aprendo nuove frontiere anche per coloro che nel mondo reale non hanno avuto la possibilità di diventare professionisti.
Con l'avanzamento della tecnologia, si sta rendendo possibile la raccolta di dati dettagliati delle performance individuali di un singolo giocatore, anche amatoriale. Dispositivi indossabili come XSEED consentono di registrare una serie di parametri utili, come la velocità, la resistenza, la potenza del tiro e molti altri.
Questi dati possono poi essere utilizzati per creare un avatar virtuale del giocatore che rispecchia le sue abilità reali. Questo significa che un ragazzo o una ragazza possono trovarsi a vivere due "vite calcistiche" parallele: una nel mondo reale e una nel mondo virtuale.
Emerge qui uno scenario affascinante: ci potrebbero essere persone che, pur non essendo professioniste nel mondo reale, riescono a emergere in quello virtuale. Questo potrebbe aprire a un nuovo concetto di "carriera calcistica", dove il successo non è più vincolato soltanto alla performance fisica nel campo reale, ma anche alle abilità e alle strategie utilizzate nel campo virtuale.
L'intelligenza artificiale e le tecnologie wearable potrebbero quindi ridefinire il concetto stesso di "calciatore", offrendo opportunità inaspettate e democratizzando l'accesso al mondo del calcio professionistico. Non sappiamo ancora con certezza come si svilupperà questa tendenza, ma è sicuramente un argomento che merita di essere seguito con attenzione.
Media e betting
Commentatori virtuali
Avete provato a utilizzare Descript o app simili? Bastano pochi minuti per addestrare l’AI a riprodurre fedelmente la tua voce inserendo un qualsiasi testo. Attualmente disponibile in inglese, sarà presto disponibile in tutte le lingue. Se da un lato questo apre a temi etici molto rilevanti (i Deep Fakes saranno sempre più efficaci), dall’altro offre interessanti opportunità. La prima che mi viene in mente legata indirettamente al calcio è la possibilità, partendo dai dati, di generare testo di commento alle partite, e quindi avere la voce che si desidera che le narra, con lo stile e il pathos che si vuole, con lo schema riportato qui sotto.
CV + WEARABLES → DATI LIVE → DATA TO TEXT → TEXT TO SPEECH
Vuoi il commento di Lele Adani a Boca-River in sudcoreano con lo stile di Bruno Pizzul? Voilà.
Il settore del Betting come first mover?
Tutto ciò che ho anticipato nel paragrafo relativo alla match analysis, soprattutto per quanto riguarda l’analisi Live della partita, vale anche per la capacità predittiva sui risultati finali delle partite, e quindi sull’abilità delle agenzie di scommesse di ottimizzare le quote e degli scommettitori professionisti di fare il cosiddetto “arbitraggio” sulle quote stesse. È peraltro uno “scontro algoritmico” che da anni avviene anche sui mercati finanziari.
È presumibile, a mio avviso, che i Club calcistici faranno sempre più frequentemente scouting di Data Scientist ed esperti di AI che provengono dal mondo delle scommesse sportive. I modelli di business di Brentford e Brighton, entrambi di proprietà di imprenditori attivi nell’industria del betting, sembrano funzionare bene del resto, no?
Quali club faranno da precursori nell’adozione dell’AI?
Quale allenatore si farà per primo consigliare la formazione da schierare da un Virtual Assistant? Quale club sceglierà l’allenatore che meglio si adatta alla filosofia di gioco prescelta, sulla base di un modello di clustering?
La risposta è molto semplice: potrà avvantaggiarsi dell’AI, nel modo che lo ritiene più opportuno, chi avrà una base dati sufficientemente ampia e sufficientemente ben organizzata per connetterla ad algoritmi di intelligenza artificiale.
Questo significa che i club che hanno investito nella creazione di un database proprietario granulare e di una data pipeline efficiente potranno potranno avvantaggiarsi della veloce crescita dell’intelligenza artificiale.
Quanti club in Italia sono pronti? Si contano sulle dita di una mano, ne ho scritto in questo post:
Quanti club invece sono già attrezzati per farlo in Inghilterra? Quasi tutti i club di Premier League e qualcuno di Championship.
Come applichiamo l’AI a Soccerment
Noi a Soccerment utilizziamo l'AI in tre ambiti:
1) Raccolta dei dati: attraverso wearable devices come in nostri parastinchi smart XSEED, che grazie a una rete neurale riconoscono i gesti tecnici; stiamo altresì iniziando a fare Computer Vision e iniziando a reclutare attivamente esperti (nel caso di interesse, manda il tuo curriculum a: cv@soccerment.com).
2) Advanced analytics: tramite il machine learning creiamo metriche avanzate per meglio descrivere la performance di giocatori e squadre attraverso i dati sia proprietari (da XSEED, da Computer Vision, o più semplicemente “taggati”)
3) Virtual Assistants: in questo ambito sfruttiamo la tecnologia dei cosiddetti Large Language Models, come ad esempio ChatGPT, che si connette ai nostri database per creare informazione facilmente fruibile dagli esseri umani, in forma testuale.
AI integration
Abbiamo da poco creato un team che si occuperà a tempo pieno di “AI Integration”, che avrà quindi l’obiettivo di integrare processi di AI in tutto quello che facciamo e in particolare sui nostri due prodotti: XSEED e xvalue.ai. A capo del team ci sarà Niccolò Golinelli, data scientist ex KPMG, dov’era Technology Risk Senior Consultant.
Se pensi di poter contribuire al team, contatta pure direttamente Niccolò o me, oppure manda il curriculum a cv@soccerment.com.
Buon Ferragosto!