El Dr. Simon Denman, un investigador senior en QUT, dijo que la investigación contempló el análisis del juego de Novak Djokovic, Rafael Nadal y Roger Federer, lo que podrías llevar a nuevas formas para que los tenistas profesionales predijeran los movimientos de sus oponentes o bien, la creación de juegos de realidad virtual que ofrecieran la posibilidad de jugar un mano a mano contra los mejores tenistas del mundo en un grand slam artificial.
El equipo de Dr. Denman incluye al estudiante de doctorado, Tharindu Fernando, el profesor Sridha Sridharan y el profesor Clinton Fookes, todos del laboratorio de visión y procesamiento de señales en QUT, quienes han creado un algoritmo para predecir el siguiente tiro del tenista usando datos del abierto de Australia del 2012.
Los investigadores dirigieron su estudio solo a la selección de Djokovic, Nadal y Federer, porque tenían los datos completos de estos jugadores para poner los tiros y la selección de los mismos en la medida que el torneo avanzaba.
Los investigadores analizaron más de 3400 tiros de Dkojovic, cerca de 3500 tiros de Nadal y casi 1900 tiros de Federer, añadiendo contexto a cada tiro como si era el regreso del rival, un punto ganador o un error. “Después de unos 1000 tiros, el modelo tuvo una buena idea de lo que estaba pasando”, dice Denman. “Se necesitaron cerca de tres partidos para darnos cuenta del estilo del jugador. Después de esos tres matches, nuestros resultados fueron muy sólidos”, comentó.
El Dr. Denman dijo que el algoritmo emula los cerebros de los jugadores de elite, que de hecho están tratando de predecir el siguiente tiro del oponente. Y aunque el sistema de inteligencia artificial se demostró como exitoso, su mayor reto fue la impredictibilidad del jugador más grande de todos los tiempos.
“Teníamos el análisis de qué tan precisos eran los tiros para los tres jugadores mencionados, pero el menos preciso fue Federer, quien es tal vez el más versátil. Y padecimos más con él tratando de hacer las predicciones. Él es capaz de hacer cualquier cosa, por lo que el modelo fue el menos certero con él. “Considérese esta dificultad si añadimos que un jugador como Stefanos Tsitsipas, venció a Federer en el abierto de Australia el fin de semana”, comentó el investigador.
Para esto se uso un sistema de aprendizaje de máquina llamado Semi Supervised Generative Adversarial Network architecture, que toma en cuenta cuando es un punto para partido, porque ahí la selección del tiro puede buscar tener un 40-love o bien tratarse de un tiro que le podría llevar al jugador a defenderse en un quinto set. El sistema puede predecir cerca de 1000 tiros en 30 segundos… “Entrenamos el modelo de forma que viese los tiros de la primera ronda, de la segunda y tercera ronda, para construir así la experiencia como lo hacen los seres humanos”, indica el Dr. Denman. “Intentamos copiar lo que pensamos cuando el cerebro del jugador quiere hacer en ese momento de dar el raquetazo correspondiente”.
Para enseñar al sistema a pensar como un jugador, los investigadores crearon dos formas de memoria y una forma de interactuar con ellos cuando se toman las decisiones. Hay memoria episódica y memoria semántica”, indico Denman. “La memoria episódica es efectivamente la recolección individual, la cual es capaz de ir hacia atrás y hacia adelante y recordar cada tiro dado y lo que ocurrió. La memoria semántica es mucho más abstracta, es el aprendizaje promedio que llega de muchas, muchas instancias de la memoria episódica”.
El Dr. Denman piensa que en menos de 10 años los jugadores de la elite podrán usar este tipo de técnicas para estudiar a sus oponentes y sus formas de jugar. “Una vez que se tiene el modelo entrenado, se puede alimentar con ejemplos arbitrarios y empezar a ver diferentes escenarios de partidos”, comentó Denman. Añadió que el tenis fue particularmente bueno para este tipo de investigación, dadas las limitaciones de la cancha y las reglas del juego.
