REVIEWS

¿Podemos enseñar a un robot a ser tan bueno como Messi o Ronaldo?

Messibot o Ronaldobot se acerca al área peligrosamente, chuta a puerta y… ¡gooool! Esta podría ser la escena predominante en los sueños de un equipo de ingenieros del Instituto Tecnológico de California (CalTech). Sus investigaciones se centran en diseñar algoritmos que sepan tanto de fútbol como Leo Messi y otros jugadores de calidad superlativa. Si se utilizaran en un robot podrían fabricarse pichichis de silicio.

Algoritmos que aprenden cómo jugar un buen partido

El objetivo perseguido por estos expertos en inteligencia artificial, apoyados por la mismísima Disney, todavía plantea grandes retos tecnológicos y científicos.

Sin embargo, han descubierto un método para que los algoritmos aprendan los ingredientes de un buen partido.

El equipo, liderado por el investigador de CalTech Hoang Le, utiliza técnicas de ‘machine learning’ para que los sistemas artificiales asimilen los detalles del fútbol y hagan predicciones sobre la mejor estrategia de juego.

La novedad de su trabajo, que detallan en un reciente estudio, es que desarrollan algoritmos que aprenden por sí solos. A los robots les sobran las lecciones de humanos.

Sistemas que aprenden solos

La estrategia tradicional en ‘machine learning’ consiste en controlar los algoritmos definiendo una serie de reglas que deben seguir y metas que tienen que alcanzar. Sus desarrolladores sostienen la batuta durante todo el proceso, guiando el entrenamiento y evolución de su particular ejército de soldados tecnológicos.  

No obstante, frente a esta aproximación controladora, la nueva moda en inteligencia artificial se llama ‘unsupervised learning’ (aprendizaje no supervisado, en español). Un esquema que se basa en permitir que los algoritmos campen a sus anchas sin marcarles la ruta. Este es el modus operandi que Le y su equipo han decidido adoptar en sus estudios.

OLYMPUS DIGITAL CAMERA

La revolucionaria estrategia no solo puede servir para generar nuevos productos, herramientas de software e impulsar la innovación tecnológica. Podría incluso convertirse en los cimientos para hacer realidad robots tan autosuficientes y listos como los que salen en las películas de ciencia ficción.

Del baloncesto al fútbol

En realidad, los investigadores han tomado la idea de otro deporte: el baloncesto.

En 2013, el entrenador de los Toronto Raptors, un equipo de la NBA, decidió analizar las imágenes que captaban las cámaras en los partidos para estudiar el comportamiento de los jugadores. Contaba con un plantel de expertos que desarrolló un programa para detectar los movimientos de los deportistas e identificar sus habilidades.

Pero el software iba más allá: era capaz de pronosticar lo que cada uno de los jugadores iba a hacer en base a las observaciones previas.

En los vídeos que generaba la herramienta, estas predicciones aparecían representadas como sombras que acompañaban a las figuras de los deportistas. Por eso las bautizaron como ‘jugadores fantasmas’ y a su idea como ‘ghostling’ (de ‘ghost’, fantasma en inglés).

Los análisis sirvieron al entrenador de los Toronto Raptors para detectar fallos y huecos tanto en la defensa de su equipo como en la de los contrarios.

Sin embargo, el programa tenía algunas limitaciones. Aunque podía superar a un ser humano a la hora de analizar las jugadas, no podía inventar nuevas interpretaciones sobre los movimientos de los deportistas.

A los expertos de CalTech y la división de investigación de Disney les pareció muy interesante la idea de los canadienses, pero se dieron cuenta de estos puntos flacos. Por eso decidieron mejorar la herramienta y ampliar sus capacidades utilizando herramientas de ‘machine learning’.

Rienda suelta a los algoritmos

Aunque hace tiempo que los científicos están interesados en el aprendizaje no supervisado en sistemas de inteligencia artificial, sus resultados son demasiado imprecisos para ser útiles a la hora de resolver problemas. Sería como liberar a un sabueso sin indicarle el rastro que debe seguir.

campo_robots_futbolistas_caltech:disney

No obstante, la habilidad de estas herramientas para identificar patrones por sí solas a partir de datos puede proporcionar interesantes hallazgos en algunos casos. Utilizarlas es la única forma de obtener aquellos resultados que sus creadores nunca buscarían, pero que pueden ser extremadamente relevantes.

Los investigadores de CalTech comenzaron por recopilar una cantidad suficiente de datos sobre fútbol.

Después, diseñaron un sistema de ‘machine learning’ que pudiera bucear en tal océano de información y dar con algún tesoro escondido. Lo malo es que no podían enseñarle previamente cuáles eran los diferentes tipos de jugadores ni cómo se desarrollan los ataques o las defensas.

Autodidactas del fútbol

Pero al software de inteligencia artificial no le hicieron falta indicaciones previas. Fue capaz de categorizar a los futbolistas analizando sus movimientos reales. Es decir, a pesar de que el programa no sabe qué es un extremo derecho, puede darse cuenta de que una onceava parte de los puntos detectados están muy cerca y que siguen unos patrones diferentes a los otros, que también pueden agruparse según su distribución.

Además, a la herramienta no le confunden los cambios de posición que se dan cuando los jugadores se mueven por el campo o se concentran en las líneas de defensa o ataque.

Así, sus algoritmos aprenderían rápidamente la estrategia de un nuevo equipo a partir de una serie de datos desordenados.

Los entrenadores podrían utilizar el sistema de inteligencia artificial para analizar los partidos y desgranar la táctica de sus contrincantes.

También podrían mostrar a sus jugadores cómo deberían actuar para mejorar o qué deberían haber hecho para ganar su último partido.

Y los creadores del sistema creen que, con los datos adecuados, la herramienta tiene posibilidades en otros deportes como el baloncesto y el hockey.

Robot 1 – humano 0

El potencial del ‘machine learning’ basado en el aprendizaje sin supervisión va más allá del fútbol y el baloncesto. Otro ejemplo de su capacidad para sorprender a sus propios creadores es AlphaGo. Este sistema de inteligencia artificial, creado por Google, ha logrado derrotar jugando al milenario juego del go a varios oponentes humanos utilizando movimientos que nadie le había enseñado.

Analizando datos sobre partidos de fútbol, la herramienta concebida en CalTech se fijaba en factores como la distribución de los equipos y la coordinación entre los jugadores de diferentes posiciones.

Aunque todavía no están lo suficientemente perfeccionados, sus algoritmos, como los de AlphaGo, podrían generar nuevos movimientos y estrategias para los equipos.

Esta tecnología también podría utilizarse para que un robot que viaje a Marte pueda explorar sus cráteres de manera autónoma o para mejorar la capacidad de los drones para evitar obstáculos.

Pero, volviendo al campo, puede que a los futbolistas de carne y hueso no les convenga que estos investigadores perfeccionen sus algoritmos. La velocidad y el juego de piernas de Messi o Cristiano Ronaldo no serían suficientes para derrotar a un equipo dirigido por un inteligente entrenador robótico. Y menos a uno compuesto por deportistas de silicio.

HACE 3 AÑOS