TECNOLOGÍA
Ingeniero uruguayo entrenó sistema con datos desde 1872 para establecer probabilidades. ¿Qué dice para Uruguay?
Antes y después de cada partido de la selección uruguaya de fútbol, el ingeniero Héctor Cotelo actualiza su refinada calculadora: un modelo de predicción basado en miles de datos históricos y actuales con los que entrena una inteligencia artificial. El objetivo es conocer probabilidades: ¿ganará el próximo partido?, ¿podrá clasificar?, ¿seremos campeones del mundo?
En noviembre de 2021, ante la salida de Óscar Washington Tabárez, el modelo calculó que las chances de quedar afuera de Qatar 2022 eran del 61,38%; tres meses después, con nuevo DT y tras simular 10.000 corridas distintas, la inteligencia artificial cambió de parecer: íbamos a ir derecho al mundial (69,35% de probabilidades). Y conseguimos ese pasaje.
Pero hasta acá llegó la fiesta auspiciada por la inteligencia artificial: de los 32 equipos que disputarán el torneo, Uruguay es el decimotercer país con más chances de ganarlo. Y arroja el resultado así nomás porque, a diferencia de los humanos, el modelo elimina los elementos emocionales.
¿Cómo se crea un modelo de cálculo automático de probabilidades? Con muchos datos. El sistema de Cotelo para el Mundial de Qatar fue entrenado de forma distinta que el de las Eliminatorias puesto que requería de datos estadísticos que no existen.
“Los partidos de las Eliminatorias se repiten mucho y así se analizan las tendencias (por ejemplo: “Uruguay nunca ganó en Asunción” sirve para calcular la probabilidad de victoria en un cruce contra Paraguay siendo visitante) pero en un Mundial hay partidos que pueden no haberse dado nunca (por ejemplo: Uruguay nunca jugó contra Qatar)”, explicó el ingeniero a El País.
Entonces, ¿cómo se alimenta a una inteligencia artificial si lo datos están incompletos? Cotelo hizo lo siguiente: entrenó el modelo a partir de todos los partidos de fútbol internacional que se jugadores desde 1872 y hasta el 14 de julio de 2022 y todas las Clasificaciones mundiales (rankings) de la FIFA. A partir de promedios, cada selección se transformó en 20 valores númericos (según promedios, desviaciones, máximos, mínimos, etc). Con esto, Cotelo dio la siguiente orden: la inteligencia artificial debía buscar patrones basada en esa información. “Ya no importaban los equipos porque eran números y, a partir de ellos, es que hace la predicción”, apuntó.
Concurso especial para modelos automáticos.
Quanam, la empresa donde trabaja el ingeniero Héctor Cotelo, prepara el lanzamiento de una penca especial: profesionales y estudiantes de data science podrán armar su propio modelo de predicción automático sobre el Mundial de Qatar y, una vez finalizado el torneo, ganará aquel que haya sido más certero. Si bien todavía no se terminaron de establecer las reglas del concurso, Cotelo adelantó que cada participante podrá presentar cualquier tipo de modelo entrenado a partir de los datos que considere más relevantes. Por ejemplo, alguien podrá realizar predicciones en base a los goles de cada jugador o por su sueldo o por la puntuación que les otorga el videojuego FIFA.
Fuera de la cancha, el cálculo de probabilidades hecho por modelos de inteligencia artificial se utiliza en muchos ámbitos: desde predecir el riesgo de incendios forestales a determinar las probabilidades de muerte de ciertos pacientes en función de los resultados de sus estudios clínicos. Y lo hace más rápido y con menos chance de error que los humanos.
Qué puede predecir una máquina inteligente.
La inteligencia artificial está presente en diferentes situaciones de la vida cotidiana, casi de manera imperceptible. En pocas palabras se trata de una máquina que aprende y mejora a medida que se entrena, se alimenta de datos y experiencia a lo largo del tiempo. Cambiemos el ejemplo del fútbol por el ajedrez. Podemos enseñarle a predecir jugadas del oponente (aprendizaje supervisado) o a repetir múltiples partidos y que, con cada derrota del rival, recuerde cómo jugó (aprendizaje por refuerzo) e incluso que aprenda solamente sabiendo cuáles son las reglas del juego para crear mejores estrategias sin intervención humana (aprendizaje no supervisado). Con el tiempo, la inteligencia artificial será más eficiente.
Esto suele usarse en sistemas de predicción en múltiples ámbitos: desde la detección de enfermedades antes de que se manifiesten con síntomas hasta la prevención de fenómenos climáticos severos que pueden ocasionar daños humanos y económicos o detección del fraude en el uso de tarjetas de crédito.
Para comprobar la certeza de su modelo, Cotelo lo contrarrestó con los datos del mundial pasado. La inteligencia artificial acertó el 80% de los marcadores finales.
Esto es muy superior a lo que consigue un humano al azar puesto que solo tiene un 33% de probabilidades de acertar (porque solo hay tres resultados posibles: gana uno o gana otro o hay empate).
Una vez entrenado, el modelo es capaz de arrojar la probabilidad de cualquier partido. Para la fase de grupos el escenario es el siguiente: Uruguay tiene un 76% de probabilidades de ganarle a Corea y un 79% para vencer a Ghana; y, por el contrario, Portugal tiene 64% de probabilidades de ganarle a Uruguay. “De esa forma, lo más probable es que clasifiquemos segundos en el grupo porque ganamos dos y perdemos uno y nos cruzaríamos con Brasil (que gana los tres partidos de su grupo), Brasil nos gana y chau pinela”, resumió Cotelo el derrotero mundialista de la Celeste que predijo la inteligencia artificial. La probabilidad de victoria de Brasil sobre Uruguay es del 79%.
El ingeniero añadió: “Teniendo en cuenta las probabilidad y haciendo jugar el mundial 10.000 veces, Bélgica salió campeón 1.628 veces. Le siguen: Brasil, Argentina, Francia, Inglaterra, España, Holanda, Portugal, Dinamarca, Alemania, México, EE.UU. y Uruguay. De las 10 mil veces, 88 gana Uruguay; es menos del 1%. Pero si pensamos que de 100 partidos, Brasil gana 79 y Uruguay 21, esos 21 serían todos Maracanazos”.
La clave para entrenar un algoritmo de machine learning está en capturar datos que reflejen la realidad. Esta tarea es clave para que los algoritmos no sean injustos y favorezcan o discriminen sistemáticamente a algunas selecciones. En este caso no parecería ser importante pero si se entrenara un algoritmo para decidir a quién darle un trabajo, la IA debe ser justa respecto a razas, género, sexualidad o etnias.
Maracanazo a color: otro uso de la tecnología.
Obsesionado por el fútbol, Héctor Cotelo también entrenó un sistema para que coloreara de forma automática archivos audiovisuales del 16 de julio de 1950, el día del Maracanazo. Todo se debe a lo que se conoce como Redes Generativas Adversarias o Antagónicas (o GANs, por su sigla en inglés). La red “generadora” se encarga de aprender la distribución de clases en un set de datos, mientras que la red “discriminadora” distingue entre ejemplos genuinos y artificiales o sintéticos. Entonces, para que las camisetas de los goleadores uruguayos Alcides Ghiggia y de Juan Alberto Schiaffino se vean celestes como las reales, la primera intenta engañar a la segunda para que sea más certera. “Es como un juego entre dos jugadores: el generador trata de maximizar la posibilidad de que el discriminador cometa errores y el discriminador de minimizar su error”, apuntó el experto.
, situado en el área de extensiones del navegador (en la esquina superior derecha de la pantalla). Es posible que veas un pequeño número cubriendo parte del icono.
, situado en el área de extensiones del navegador (en la esquina superior derecha de la pantalla). Es posible que veas un pequeño número cubriendo parte del icono.
de modo que se deslice hacia la izquierda.
, situado en el área de extensiones del navegador (en la esquina superior derecha de la pantalla). Es posible que veas un pequeño número cubriendo parte del icono.
. Se pondrá en gris, lo que indica que ya no se bloquearán los anuncios de ese sitio web.
.