La IA de Google estudia tácticas para mejorar los saques de esquina

Una nueva herramienta analiza con Inteligencia Artificial la mejor estrategia para lanzar un córner.
por
Camil Straschnoy
2024-03-23 10:00:07

Los usos de la Inteligencia Artificial (IA) crecen día a día, desde la creación de películas, traducciones de textos hasta tratamientos médicos. En ese sentido, la herramienta también está siendo utilizada ahora para mejorar las tácticas ofensivas en los saques de esquina en el fútbol.

De eso se trata TacticAI, desarrollada por Google, que busca aportar sugerencias a los equipos sobre la mejor táctica a la hora de lanzar un tiro de esquina. Para su creación, se contó con los aportes de cinco expertos del Liverpool, aunque todavía no fue puesta en práctica en los campos de juego.

LEER MÁS

++ Sin Alisson y posiblemente sin Ederson: ¿Quién será el portero titular de Brasil en el debut de Dorival con la Seleção?
++ ¿Qué se sabe de la lesión de Alisson Becker?
++ ¿Cuántas caras nuevas tiene Brasil para los amistosos contra Inglaterra y España?

La elección del equipo inglés no es azarosa. Ese conjunto fue autor de uno de los lanzamientos de esquina más recordados: en la semifinal de la Champions League ante el FC Barcelona, el lateral derecho Trent Alexander-Arnold amagó con dejarle la pelota a un compañero, volvió sobre sus pasos, tiro el córner por abajo y encontró a Divock Origi

Fue una remontada histórica para los Reds. Habían caído 3-0 en Cataluña y ganaron 4-0 en Anfield para llegar la final, en la que derrotarían al Tottenham por 2-0.

“Los saques de esquina tienen un alto potencial goleador, pero la elaboración de una rutina depende de una mezcla de intuición humana y diseño del juego para identificar patrones en los equipos rivales y responder sobre la marcha”, indicó DeepMind, filial de Google dedicada a la IA.

“A pesar de la limitada disponibilidad de datos de referencia sobre los saques de esquina, TacticAI logra resultados de vanguardia mediante el uso de un enfoque geométrico de aprendizaje profundo para ayudar a crear modelos más generalizables”, resaltó. La investigación sobre esta herramienta fue publicado en la revista especializada Nature Communications.