Anche il tennis di Sinner migliora con l’intelligenza artificiale
L’intelligenza artificiale può renderti un atleta migliore? La risposta è “si”
Se ne parla da tempo per il calcio; Zack Akil ha esplorato ampiamente le possibilità di impiegare il machine learning per analizzare i calci di rigore (e aiutare i giocatori a migliorare le proprie performance in quello specifico frangente).
Ora la ribalta è per la startup italiana che sta aiutando il nostro già fantastico Jannik Sinner a migliorare ulteriormente le proprie performance.
Sport e Intelligenza Artificiale: una combo potente
Il machine learning non è nuovo al mondo dello sport. Nel calcio e nel football, se ne utilizzano le tecniche per individuare i talenti unici dei giocatori, rilevare gli infortuni in anticipo e decidere le sostituzioni durante il gioco. Inoltre, quasi tutti gli sport professionistici (NFL, NHL, MLB, NBA, calcio, golf, cricket, solo per citarne alcuni) utilizzano la tecnologia ML per il monitoraggio. L’NBA, ad esempio, ha implementato un sofisticato sistema basato sulla visione su tutti i campi, tracciando i movimenti dei giocatori, leggendo i numeri dalle loro maglie, analizzando la velocità con cui passano la palla e determinando la precisione con cui tirano quando sono sotto pressione.
La tecnologia di coaching, i dispositivi indossabili e gli exergame possono fornire un feedback quantitativo basato sull’attività misurata, ma ci sono poche prove di feedback qualitativo per aiutare il miglioramento della tecnica. Per ottenere un feedback qualitativo personalizzato, la combinazione kinesiologia e intelligenza computazionale può aiutare a migliorare la tecnica, anche nel tennis.
I sistemi di coaching potenziato di nuova generazione, le tecniche di riabilitazione personalizzata e l’exergaming abilitati da small data sono in grado di fornire una valutazione intuitiva e personalizzata dei dati di movimento in linea con il programma di allenamento. I dati registrati sono tanti, e personali ovviamente: la velocità con cui si colpisce la pallina, le accelerazioni, i tempi di gestione dei movimenti. L’intelligenza artificiale non serve solo per migliorare il prodotto, ma anche per perfezionare il gesto tecnico: “Il punto di arrivo – spiega Candusso – è riuscire a elaborare algoritmi per costruire analisi intelligenti”.
E’ cosi che, grazie alla tecnologia applicata alla racchetta, nel caso di Sinner, l’accelerazione del diritto è aumentata del 5,13%, quella del rovescio del 7,5%, e il servizio è diventato più veloce del 2%
La tecnica dietro alle accelerazioni
Grazie all’Intelligenza Artificiale, ogni gesto tecnico effettuato in campo è analizzato e video analizzato per capire dove e come intervenire. Il sistema sviluppato da Hyperstrings, la startup italiana che sta aiutando Jannik Sinner, permette di personalizzare anche la scelta delle corde. “Le racchette escono dalla fabbrica con 7 grammi in più o in meno di peso che valgono appunto 15 km – spiega Andrea Candusso, fondatore di Hyperstrings – A me tocca equilibrare la situazione: un micro sovraccarico, ripetuto tante volte, può portare a infortuni. Il mio lavoro vale anche per la prevenzione”.
Candusso coordina un team di tecnici molto eterogeneo, con competenze specifiche di ingegneria, machine learning e sport.
Dati che non devono essere pesati solo col misuratore di velocità che ormai c’è su tutti i campi, ma anche e soprattutto con il relativo guadagno in termini di pulizia dei colpi. Quest’ultimi finiscono col gravare meno sul fisico, e vale nel caso di campioni come Jannik Sinner ma anche per appassionati che cercano comunque di migliorare le proprie performance. A tutti loro, Hyperstrings offre dati, biomeccanica e tanta, tanta innovazione da integrare con l’allenamento.
Il precedente di IBM
l tennis e l’intelligenza artificiale sono come “piselli in un baccello”, anche secondo IBM, che ha rilasciato da un paio di anni Coach Advisor, una soluzione ospitata in cloud e sviluppata in collaborazione con la U.S. Tennis Association (USTA) che sfrutta l’intelligenza artificiale per fornire approfondimenti agli allenatori professionisti. Coach Advisor Introduce una metrica che tenta di quantificare lo sforzo fisico e la resistenza di un giocatore, e un modello che crea correlazioni per abbinare le prestazioni.
“Nei quasi 30 anni in cui collaboriamo con gli US Open, abbiamo visto in prima persona l’enorme quantità di dati sul tennis generati nel corso di un torneo di due settimane”, ha affermato Noah Syken, vicepresidente delle partnership per lo sport e l’intrattenimento di IBM. “Con Coach Advisor, siamo orgogliosi di portare queste tecnologie avanzate agli allenatori USTA direttamente per attingere a nuove fonti di dati in modo che possano condurre un’analisi più approfondita del gioco e supportare la crescita e lo sviluppo dei giocatori di tennis statunitensi”.
“La dove c’era l’erba, ora c’è la AI”: il caso Wimbledon 2020
Diversa applicazione, ma non per questo meno interessante, anche quella che vede l’Intelligenza Artificiale protagonista del torneo di Wimbledon del 2020. Una soluzione consegnata in sole otto settimane, sulla scorta dalla necessità – imposta dalla pandemia – di offrire comunque un’esperienza ingaggiante al grande pubblico appassionato dello storico torneo di tennis.
Il progetto “The Greatest Championship” ha utilizzato l’intelligenza artificiale per rilevare i momenti più entusiasmanti delle partita in base ai “boati” della folla, agli appalusi, consentendo di piazzare dei ‘marker’ e di conseguenza dando la possibilità allo spettatore di navigare verso le parti più affascinanti di ciascuna partita. Le partite selezionate per la trasmissione appartengo ad epoche diverse, alcune risalgono agli anni ’70: il che significa che il lavoro richiesto per portarne la qualità agli standard che oggi tutti gli appassionati si aspettano non è stato da poco
Per eseguire le ripuliture dei filmati d’archivio, IBM ha caricato tutti i materiali sul suo Cloud applicando tecniche evolute per rimuovere difetti, disturbi e migliorarne la qualità. I modelli di intelligenza artificiale sono stati quindi addestrati per migliorare ulteriormente i video, in particolare per quanto riguarda la pixelizzazione e l’aumento della risoluzione Un lavoro che ha richiesto grossi investimenti per poter essere realizzato in tempi così brevi: il lavoro di “addestramento” dei moduli di AI è stato spinto al massimo, cosi come l’utilizzo delle unità di elaborazione grafica (GPU)
Vuoi scoprire le infinite applicazioni del machine learning e dell’intelligenza artificiale? Segui il nostro blog, ti aggiorniamo sempre sulle novità più interessanti su tech e innovazione!
foto di copertina: Kevin Mueller via Unsplash
Maker Faire Rome – The European Edition, promossa dalla Camera di Commercio di Roma e organizzata dalla sua Azienda speciale Innova Camera, si impegna da ben otto edizioni a rendere l’innovazione accessibile e fruibile con l’obiettivo di non lasciare indietro nessuno offrendo contenuti e informazioni in un blog sempre aggiornato e ricco di opportunità per curiosi, maker, startup e aziende che vogliono arricchire le proprie conoscenze ed espandere il proprio business, in Italia e all’estero.
Seguici, iscriviti alla nostra newsletter:ti forniremo solo le informazioni giuste per approfondire i temi di tuo interesse
