La saggezza popolare definisce il corpo umano “una macchina perfetta”. Perché non prendere la definizione alla lettera e leggere muscoli, tendini e ossa come componenti di un meccanismo dalle prestazioni eccezionali? È quello che stanno tentando di fare diversi studi, applicati in particolare al mondo del calcio – la più grande industria sportiva al mondo – per provare a prevenire gli infortuni e, in generale, a leggere una partita come l’insieme di componenti prevedibili e analizzabili attraverso i dati.Se state pensando al Var (Video Assistant Referee), la “moviola in campo” che da due stagioni ha rivoluzionato il mondo del calcio, sappiate che è solo l’inizio. Tra le altre cose, infatti, il Var è in grado di stabilire con precisione la posizione di un giocatore in campo attraverso il fuorigioco in 3D, ma parliamo sempre dell’elaborazione digitale di un’immagine. Per capire dove ci porteranno questi studi, invece, è più calzante guardare al mondo dell’Industria 4.0, dove sono ormai comuni sistemi di sensori in grado di monitorare i macchinari ed effettuare una manutenzione predittiva per evitare guasti che rallenterebbero la produzione, facendo perdere soldi alle aziende. Come ci riescono? Analizzando un’enorme mole di big data attraverso gli analytics. È quello che punta a fare, nel calcio, Injury Forecaster, l’algoritmo elaborato dal’Istituto di scienza e tecnologie dell’informazione del Consiglio nazionale delle ricerche (Isti-Cnr)con l’Università di Pisa. I dati sono forniti dalle rilevazioni dei dispositivi Gps che i giocatori indossano in allenamento e, da qualche anno, anche in partita: scatti, decelerazioni, cambi di direzione, chilometri percorsi, potenza metabolica sono dati facilmente messi a disposizione di allenatori e preparatori atletici. Inseriti in un algoritmo al servizio di un’intelligenza artificiale, però, possono diventare strumenti potentissimi in grado di prevedere – ed evitare – almeno il 50% degli infortuni.
OBIETTIVO “TAILORIZZAZIONE”«L’ispirazione ci è venuta proprio dall’Industria 4.0 dove si cerca di fare manutenzione predittiva», spiega Luca Pappalardo dell’Isti-Cnr. «Finora ci si è affidati a tecniche come l’Acwr (Acute Chronicle Workload Ratio) che permette – in rapporto a un solo parametro come le accelerazioni o la potenza metabolica – di calcolare il carico di lavoro recente (ultimi sette giorni) e cronico (ultimo mese). Se il rapporto superail valore di 1-1,5 si è a rischio infortunio. Il problema è che questo sistema genera il 95% di falsi allarmi perché valuta una sola dimensione. L’intelligenza artificiale può tenere insieme tante variabili e, se educata in base a esempi concreti, può calcolare da sola il rapporto tra l’incidenza dei problemi fisici e il variare dei parametri di allenamento». Un sistema del genere, ovviamente, fa gola ai grandi club. A buttarcisi è stato il Barcellona che aveva già conosciuto il gruppo di lavoro del Cnr in passato. «Per loro risparmiare un solo infortunio di Messi ha un valore enorme, così ci hanno supportato con i loro data scientist e le conoscenze sugli infortuni», aggiunge Pappalardo. «Ora l’algoritmo lavora sulle squadre, indipendentemente dal ruolo. Il futuro sarà quello della “tailorizzazione” su ogni calciatore, ma per raggiungere questo obiettivo serve una mole enorme di dati: i giocatori inizieranno a essere monitorati a 16 anni e a 23 avranno l’algoritmo personalizzato». Un progetto parallelo – sviluppato anche questo con Paolo Cintia dell’Università di Pisa e finanziato dall’infrastruttura europea di ricerca SoBigData – ha riguardato un altro problema che assilla le squadre di calcio: trovare talenti giusti per completare la rosa. È nato così PlayeRank, un algoritmo open source per la valutazione delle performance dei calciatori. Una sorta di motore di ricerca del talento, sviluppato insieme a Wyscout, società che fornisce i dati sulle partite di tutto il mondo: passaggi, dribbling, tiri. Inserendo questa mole di informazioni nell’algoritmo, l’A.I. elabora un ranking dei giocatori. «Siamo partiti copiando le pagelle dei giornalisti sportivi, ma poi ci siamo accorti che questa valutazione era molto legata ai ruoli: se l’attaccante segna è stato bravo. Ma noi volevamo andare oltre con il nostro giudice artificiale», aggiunge Luca Pappalardo dell’Isti-Cnr. «Per capire i parametri oggettivi abbiamo guardato al risultato delle partite e ai fattori che lo influenzano: la squadra che vince è quella che fa più passaggi filtranti? Allora un buon giocatore è quello che ne crea di più e con continuità. Per testare l’algoritmo abbiamo preso i dati storici di Messi, Ronaldo e Salah, i migliori giocatori del mondo: la Pulce del Barcellona ha i valori più alti ma non cresce più da qualche anno; CR7 ha dei picchi nella seconda parte di tutte le stagioni. L’egiziano, invece, aveva dei livelli bassissimi fino alla sua prima esperienza in Italia con la Fiorentina, ma negli ultimi cinque anni alla Roma prima e al Liverpool poi ha raggiunto Cristiano Ronaldo. E la pendenza della curva dice che lo supererà nel prossimo futuro, se il portoghese non tornerà a migliorare ulteriormente». Nell’ambito delle iniziative promosse dal Master in Big Data dell’Università di Pisa, poche settimane fa si è svolta, invece, la Soccer Data Challenge, una competizione aperta a tutti gli appassionati di dati e calcio organizzata all’interno dell’Internet Festival. Dieci squadre di studenti, programmatori, designer, data scientist, ricercatori o semplici tifosi si sono confrontati per 30 ore consecutive in una sfida posta dagli organizzatori: partendo dai 500 mila eventi di gioco della scorsa Serie A, bisognava creare un algoritmo per analizzare 19 ruoli dei giocatori sulla base delle indicazioni di un allenatore professionista.
START UP IN ERBA La scienza del calcio sta portando alla nascita di numerose applicazioni per provare a scandagliare in modo rigoroso un settore così inafferrabile come quello dei campioni benedetti dalla dea Eupalla, la musa inventata dal giornalista Gianni Brera. L’anno scorso a Trento si è svolto, invece, il primo hackathon dedicato a questi temi, organizzato da Federcalcio, Università e Provincia di Trento con il contributo di Spindox. È stata l’occasione per conoscere le start up pronte a scendere in campo: una delle più interessanti è l’italiana Wheare con la sua piattaforma di analisi in tempo reale SpaceEXE. Il sistema raccoglie dati attraverso sensori nei parastinchi dei calciatori e permette di elaborare grafici sui movimenti delle squadre e le distanze tra giocatori. L’azienda di Chiavari Wesii utilizza, invece, i droni per studiare quel che accade in campo: gli apparecchi volanti sono usati da tempo dagli allenatori, come l’attuale tecnico del Chelsea Maurizio Sarri, ma se dotati di sensori multispettrali possono fornire informazioni sulle condizioni del campo non visibili a occhio nudo, come scorrevolezza della palla e scivolosità del terreno. Un’applicazione mutuata dall’agricoltura di precisione. E ancora, c’è StatsEdge, un’intelligenza artificiale che permette osservazioni approfondite sulle partite, nonché lo studio dei punti di forza e delle debolezze dell’avversario in maniera automatica.
DAGLI ASTRONAUTI ALLE “STELLE”Anche le grandi aziende attive nel campo degli analytics si stanno interessando al settore. Sas, per esempio, è stata fondamentale nello sviluppo di Scisports, considerata uno degli unicorni europei (società con un valore potenziale superiore al miliardo di dollari). L’ispirazione del progetto deriva addirittura dal processo di selezione degli astronauti da parte della Nasa, basato su una serie di algoritmi. Partendo da questa considerazione, nel 2012 durante l’università Giels Brouwer e Anatoliy Babic decidono di applicare i loro studi alla passione per il calcio. Nasce così SciSports all’interno dell’incubatore dell’Università olandese di Twente, e oggi una società in forte espansione. L’obiettivo iniziale è ricevere un milione di euro di investimenti, finire sul led-boarding di una squadra di calcio professionistica e poi lavorare con i primi tre club della lega dei Paesi Bassi. Come? Trasformando in una sorta di scienza esatta il calciomercato, che è materia magmatica, influenzata dalle intuizioni degli scout, dalle prestazioni in campo e dalla bravura contrattuale dei procuratori. Attraverso tecnologie di computer vision, reti neurali e machine learning, la start up olandese aiuta i club a trovare talenti anche in regioni sconosciute. Merito del lavoro della divisione Datascouting, che sfrutta matematica e algoritmi per vagliare anche i campionati più lontani. Questo lavoro enorme, però, non sarebbe possibile senza il lavoro di machine learning del reparto Intelligence che automatizza la raccolta dati. Gli indici elaborati dall’A.I., infatti, non sono legati alla posizione in campo, alla nazionalità o al blasone del club di provenienza, ma in base al comportamento in campo, che viene studiato attraverso l’avveniristica piattaforma BallJames. Sviluppata grazie alle risorse di Sas (Sas Vija, Sas Visual Data Mining e Machine Learning, Sas Visual Analytics e Sas Visual Statistics), questa architettura tecnologica permette di raccogliere e gestire terabyte di dati sui giocatori durante una partita, registrandone e digitalizzandone i movimenti attraverso le riprese di telecamere multi- view Voxel che ricostruiscono in 3D le azioni di gioco. Una volta raccolti i dati, BallJames elabora in tempo reale i parametri della performance come velocità, potenza, precisione, efficacia. «Il calcio è la nostra passione e oggi anche il nostro obiettivo professionale», afferma con orgoglio il Ceo, Giels Brouwer. «Il futuro? Stiamo pensando di replicare l’esperienza che abbiamo sviluppato nel calcio per proporre altri strumenti di analisi ai mondi dei media, del gioco d’azzardo e in generale del gaming».
© Riproduzione riservata
