Le applicazioni delle tecnologie di intelligenza artificiale per l’analisi delle performance sportive stanno attirando sempre più interesse da parte degli addetti ai lavori. Se ne parla molto, anche se i progetti consolidati sul mercato sono al momento ancora decisamente limitati.

Intelligenza artificiale e attività sportive e, più in particolare, l’analisi AI-driven delle performance degli atleti, attirano sempre più attenzione e interesse grazie agli incredibili vantaggi che l’automatizzazione della raccolta e dell’analisi dei dati è in grado di garantire, andando ben oltre le capacità dell’occhio umano più esperto.

Non si tratta soltanto di catturare e analizzare un maggior numero di dati, ma di farlo in tempo reale e soprattutto riuscire a scoprire dei dettagli che altrimenti passerebbero inosservati.

In particolare, l’analisi AI driven dei dati relativi alla performance in ambito sportivo viene riconosciuta come uno dei principali trend in atto, oltre naturalmente al rilevamento dei dati biometrici attraverso lo sviluppo di dispositivi wearable sempre più evoluti.

Per fare il punto della situazione e capire che cosa accade realmente in quel segmento di mercato che vede intelligenza artificiale e attività sportive come due sfere interagenti, abbiamo incontrato l’ingegner Alberto Barberis, CEO di Astar Group, startup torinese salita agli onori delle cronache attivando una partnership tecnologica con il Leeds United, una delle prime nel suo ambito.

Lo storico club inglese è stato peraltro di recente rilevato dall’imprenditore milanese Andrea Radrizzani, che lo ha riportato in Premier League dopo alcuni anni di oblio nelle serie minori, a seguito di un rovinoso fallimento finanziario. Con Alberto cercheremo di capire le potenzialità dell’analisi AI driven e quali siano al momento le applicazioni realmente diffuse sul mercato. A lui la parola.

Intelligenza artificiale e attività sportive: in che modo, oggi, l’AI è in grado di aiutare una società di calcio?

Abbiamo installato nello stadio di Elland Road una serie di telecamere in grado di tracciare i movimenti di tutti gli atleti attivi sul campo di gioco, in una condizione di ambiente controllato. L’applicazione proprietaria, basata sull’artificial intelligence, riesce a fare un’analisi in tempo reale attraverso una serie di parametri concordati con lo staff tecnico, per restituire automaticamente i report sulle prestazioni utili a migliorare il rendimento generale degli atleti e della squadra. Le riprese vengono condivise via web, per cui siamo in grado di essere operativi anche da Torino, ma purtroppo a causa dell’emergenza Covid-19 questo progetto ha subito un rallentamento nel suo sviluppo. Il problema non è tanto nella tecnologia, fruibile da remoto, ma nel dialogo costante con lo staff tecnico, che è indispensabile per acquisire feedback e conoscenze indispensabili per poter implementare le nuove feature dell’applicazione, oltre a migliorare quelle esistenti. È molto complesso lavorare in remoto da questo punto di vista, non è come effettuare una semplice riunione, è un lavoro che si svolge sul campo, un po’ in tutti i sensi.

Ritiene che possa esserci una diffusione massiva di questo genere di applicazioni, almeno per quanto riguarda il calcio professionistico?

Certamente, ma non solo. Credo che il binomio intelligenza artificiale e attività sportive investirà anche gli altri sport, i quali inizieranno ad avvicinarsi all’analisi AI-driven per disporre di dati utili a migliorare le prestazioni. Il potenziale di mercato c’è. Nel caso del calcio abbiamo ricevuto interesse da parte di altre società oltre al Leeds, ma purtroppo l’emergenza Covid-19 ha momentaneamente bloccato tutto. Da un lato i drastici cali di fatturato delle società professionistiche hanno introdotto una forte prudenza nell’ambito dei nuovi investimenti, dall’altro c’è proprio una difficoltà oggettiva da parte degli staff nel seguire nuovi progetti, dovendo quotidianamente far fronte ad emergenze di vario genere. Il fatto di non poter viaggiare agevolmente complica ulteriormente le cose. Siamo tuttavia fiduciosi che i discorsi in atto possano riprendere non appena la pandemia avrà superato la sua fase più critica a livello globale.

Oltre all’analisi AI driven finalizzata al miglioramento della performance sportiva, siete attivi anche nell’ambito della prevenzione degli infortuni. In cosa consiste l’analisi predittiva del comportamento di un’atleta? Come è realmente possibile tradurre ciò nella riduzione del rischio infortunio?

Si in questo caso ci si riferisce all’analisi della qualità del movimento dell’atleta. La materia è nota da tempo, ciò che manca sul mercato sono sistemi in grado di fare queste operazioni in maniera automatizzata. Ed è proprio in questo frangente che abbiamo iniziato a sperimentare i sistemi di deep learning. Collaborando con esperti nell’ambito della medicina sportiva e della preparazione atletica, ci siamo in primo luogo concentrati su un sistema in grado di prevenire la lesione del legamento crociato, uno degli infortuni più critici nell’ambito del calcio. Grazie ai sistemi di deep learning siamo in grado di analizzare in ambiente controllato le immagini degli atleti, attraverso un rig molto semplice, formato da due telecamere 4k calibrate, di facile setup. L’applicazione AI based è in grado di riconoscere automaticamente 25 punti articolare senza utilizzare alcun marker fisico, consentendo l’atleta di svolgere la propria attività in maniera assolutamente incondizionata, anche a livello mentale, da dispositivi esterni. L’obiettivo è riuscire a identificare quegli assetti posturali che, secondo i risultati di una numerosa serie di studi, costituisce un fattore di rischio per un determinato infortunio. Nel caso del ginocchio è ad esempio dimostrato come un eccessivo valgismo dinamico sia frequente causa di problemi. La conoscenza di queste informazioni consente di utilizzare anche in fase preventiva i metodi di training neuromotorio che vengono tradizionalmente utilizzati durante la fase riabilitativa, dopo che l’infortunio si è purtroppo già verificato. Conoscendo in anticipo il difetto posturale, i preparatori possono correggerlo, riducendo anche del 50% la possibilità che si verifichi effettivamente una lesione del legamento crociato. Sulla base di queste ed altre indicazioni scientifiche, la nostra ricerca è finalizzata ad agevolare il lavoro diagnostico. Finora l’analisi predittiva era molto complessa da fare perché gli esperti dovevano lavorare davvero “a occhio”, mentre ora, coniugando intelligenza artificiale e attività sportive e grazie ad applicazioni AI based, siamo realmente in grado di risolvere integralmente la parte diagnostica, per cui il lavoro della componente umana diventa decisamente più semplice, più preciso oltre che efficace in termini di risorse da dedicare.

Questo genere di tecnologie potrà avere una diffusione tangibile nei prossimi anni?

Non è semplice fare una previsione, soprattutto in un periodo così condizionato dall’emergenza sanitaria, ma ci troviamo in un ambito di necessità, in cui la tecnologia può davvero ridurre considerevolmente il rischio infortuni. La convenienza è prima di tutto economica. Curare un infortunio di quel genere è molto costoso ed oltretutto si perde per mesi un’atleta dall’ingaggio molto elevato. A questo aspetto vanno ovviamente sommati gli aspetti tecnici legati all’indisponibilità del giocatore per un periodo più o meno prolungato. Se dal punto di vista dell’analisi per la performance, un allenatore può essere più o meno incline a rivedere i metodi di lavoro tradizionali, dal punto di vista dell’analisi predittiva, i vantaggi che derivano dalla prevenzione degli infortuni sono molto più oggettivi, oltre che facili da quantificare per la dirigenza di una società calcistica. Oltre alle nuove opportunità di business che la prevenzione degli infortuni offre ai centri di medicina sportiva, a prescindere dall’applicazione nel calcio. Lo scenario di incertezza in cui viviamo rende però difficile fare previsioni sulle tempistiche di penetrazione sul mercato delle applicazioni AI-driven per la prevenzione degli infortuni nell’attività sportiva.

In quali altri ambiti è possibile coniugare intelligenza artificiale e attività sportive per analizzare la performance degli atleti?

Ci sono davvero molti ambiti da esplorare, uno dei più interessanti, almeno per esperienza diretta, credo sia caratterizzato dagli E-Sport. Si tratta di un business che a livello internazionale sta generando grandi opportunità, anche se in Italia come spesso accade siamo ancora un po’ in sordina. Uno degli aspetti più utili per i giocatori è quello di poter avere degli strumenti per fare l’analisi delle proprie performance e di quelle dei propri avversari, per ricavare le informazioni utili a migliorare il proprio gioco. In questo caso, sempre in collaborazione con alcuni giocatori professionisti, abbiamo adattato il software che utilizziamo per le società di calcio per analizzare le partite del celebre videogioco FIFA. Grazie al deep learning basato sui filmati delle partite, siamo in grado di assicurare delle informazioni che il semplice riepilogo statistico del videogioco non è in grado di ottenere. Queste indicazioni qualitative sono di grande utilità per i giocatori, perché riescono a rendersi conto di fattori altrimenti intangibili.

Il celebre AI Lab Deepmind ha sviluppato AlphaStar, un software in grado di “imparare” dai filmati delle partite di Starcraft II, per battere addirittura i migliori giocatori al mondo, in questo caso quali sono le finalità delle applicazioni?

Mirano sicuramente a risolvere degli aspetti più parziali, puramente analitici, per offrire ai giocatori maggiori elementi per valutare e migliorare le proprie performance. Un po’ come accade con le squadre di calcio vere e proprie. I concetti sono molto simili. Nel caso di FIFA, l’applicazione AI based traccia il movimento di tutti i giocatori in campo e li associa ai classici puntini colorati che vediamo sui radar dell’interfaccia del videogioco. Questo consente di ottenere moltissime informazioni e soprattutto realizzare automaticamente dei report fruibili sostanzialmente in tempo reale dalle squadre di e-sport. Anche in questo caso l’approccio, almeno per le prime applicazioni su cui ci siamo cimentati, è molto simile al lavoro che viene svolto per analizzare la performance sportiva del calcio tradizionale. In generale, in tema di intelligenza artificiale e attività sportive, le potenzialità applicative della computer vision e dell’AI per l’analisi delle immagini degli eventi sportivi consentiranno di risolvere moltissime esigenze, sia a livello professionistico che nell’ambito della pratica comune. Le stesse tecnologie possono creare nuovi contenuti per il marketing o in generale per creare esperienze più coinvolgenti per i fan, piuttosto che offrire statistiche in tempo reale per il mondo delle scommesse sportive. Giusto per citare alcuni degli esempi su cui abbiamo già avviato delle collaborazioni, ma sicuramente ce ne saranno molti altri in futuro. Per assistere ad una diffusione concreta di queste applicazioni credo sia necessario che si normalizzi l’emergenza legata alla pandemia Covid-19. Auguriamoci che ciò accada al più presto, anche per poter tornare a praticare i nostri sport preferiti, oltre a rientrare finalmente allo stadio per goderci le partite nel loro ambiente naturale.