Lo sport ha fatto molti passi avanti dai tempi di DeCoubertin, trasformandosi oggi in un qualcosa di molto diverso dalla sua funzione originale, e assumendo molte caratteristiche in comune con l’intrattenimento e lo spettacolo, soprattutto per gli sport di maggiore diffusione.
Proprio per questo, lo sport ha dovuto – e anche voluto – diventare sempre più tecnologico per catturare e conservare l’attenzione dei suoi appassionati. Grazie all’ingresso della tecnologia, di cui il machine learning è una delle parti integranti e fondamentali.
Questa spettacolarizzazione dello sport ha portato gli atleti, e soprattutto, le squadre, a fare tutto il possibile per ottenere un vantaggio competitivo legale rispetto ai propri avversari. E in questo, il machine learning ha dato delle grosse soddisfazioni. La capacità di processare grandi quantità di dati ha permesso di migliorare le tecniche di allenamento così di migliorare le performance degli atleti e ridurre l’incidenza di infortuni fisici.
Tutto questo viene programmato grazie all’inserimento nel mondo dello sport professionistico di nuove competenze, che sfruttano l’informatica e la statistica per ottenere risultati utili nei settori del machine learning e del data mining.
Non è un segreto che la statistica sia la chiave dell’elaborazione di grandi quantità di dati numerici. In un campo affine a questo, ovvero quello del betting sportivo, le quote sulle scommesse di calcio elaborate dai più importanti bookmaker online vengono aggiornate continuamente, in tempo reale, proprio grazie a un’interazione fra i parametri iniziali della scommessa e la reazione degli scommettitori.
Tutti questi sistemi funzionano grazie all’apprendimento automatico, ovvero il processo attraverso il quale il sistema si automigliora. E più dati ha a disposizione, più questo processo di affinamento dei risultati diventa veloce e affidabile. Se creiamo un sistema sufficientemente “esperto”, il machine learning sarà in grado di incrociare i dati a sua disposizione per ottenere risultati statisticamente significativi.
Quindi, per esempio, potrà prevedere quale giocatore della squadra ha più possibilità di diventare un giocatore di classe mondiale, o quale tipo di allenamento potrebbe essere più adatto per un certo atleta o, addirittura, la probabilità che un giocatore si infortuni in base alle sue attuali performance. Un tema importante, che sta diventando centrale sulle nuove competenze richieste nell’allenamento sportivo.
L’utilizzo di questi sistemi ci consente di mettere in correlazione dati che sembrerebbero scollegati per definire sistemi non-lineari. Per fare un esempio, se mettiamo su un grafico la percentuale di possibilità che un giocatore si infortuni in allenamento e la mettiamo in correlazione con le ore di allenamento settimanale, scopriremo che esistono due picchi dove l’infortunio è probabile (quando ci si allena troppo poco oppure troppo), e un’area in mezzo ad essi dove l’allenamento minimizza la possibilità di infortunio. Questo è uno degli utilizzi principali del machine learning.
Ovviamente, più i dati in ingresso sono precisi, e più sarà precisa la predizione che ne potremo ricavare. Ed è qui che entra il data mining, ovvero la scelta fra quali dati siano veramente importanti per la nostra analisi e quali invece siano secondari, o ancora, completamente inutili.
La scelta e l’analisi di questi dati ha permesso di ottenere dei risultati predittivi eccezionali, in termini statistici. Un team formato da una società di AI, SoBigData, in collaborazione con il FC Barcellona, è riuscito, grazie alla analisi dei dati, a prevedere con una precisione incredibile la possibilità di infortunio di un giocatore al termine di un ciclo di allenamento.
L’injury forecaster – così denominato – ha raggiunto una precisione del 50%, contro il metodo di osservazione classico basato sull’esperienza, che ha un’attendibilità del 5%. Dato che un infortunio di un calciatore “pesa” per centinaia di migliaia di euro sui bilanci delle società, non c’è da essere degli indovini per prevedere un grande futuro per queste applicazioni.
