O uso de machine learning e inteligência artificial (IA) está revolucionando áreas como o esporte, proporcionando novas maneiras de detectar e analisar ações cotidianas, como as faltas no basquete, com uma precisão sem precedentes.
Contexto da pesquisa
A pesquisa publicada no International Journal of Computational Systems Engineering destaca como a IA pode melhorar a detecção de faltas em tempo real durante partidas de basquete, um tema frequentemente debatido no esporte profissional. Estudos anteriores mostraram a crescente necessidade de uma análise mais detalhada das dinâmicas de jogo, especialmente quando cada falta pode influenciar diretamente o resultado de uma partida.
Método proposto
Os pesquisadores empregaram máquina de visão — uma forma de IA que interpreta dados visuais — para analisar filmagens de jogos, utilizando técnicas de redes neurais convolucionais (CNNs) para processar os vídeos quadro a quadro. Essa metodologia permitiu identificar e categorizar faltas, isolando movimentos sutis e pontos de contato que muitas vezes passam despercebidos por árbitros e analistas humanos.
Resultados e impacto
O estudo focou em jogos da seleção nacional de basquete da China e seus oponentes internacionais, revelando padrões distintos de faltas. “Jogadores chineses cometeram mais faltas durante tentativas de arremesso dos adversários” (“Chinese players committed more fouls during opponents’ shooting attempts”), enquanto seus oponentes tendiam a cometer faltas em jogadas de drible. — Xueliang Jia, Pesquisador, instituição não especificada
Além disso, o sistema de IA rastreou subcategorias de faltas, como o uso ilegal das mãos e colisões entre jogadores. Essa nível de detalhamento pode levar a um entendimento mais profundo das dinâmicas de jogo, muito além das estatísticas padrão.
A aplicação de machine vision no basquete pode permitir diagnósticos mais precisos das fraquezas em comportamentos defensivos ou ofensivos das equipes, contribuindo para treinos mais direcionados. A tecnologia oferece um feedback mais claro do que análises tradicionais, o que pode ser vital para jogadores que precisam equilibrar agressividade e controle em quadra.
Embora a máquina de visão não pretenda substituir os árbitros humanos, ela pode se tornar uma ferramenta indispensável para minimizar erros e melhorar a fluidez do jogo profissional.
Próximos passos incluem investigar mais aplicações de IA em outros esportes e expandir o uso de dados para formar árbitros, melhorando a consistência e a equidade nas decisões durante os jogos.
Fonte: (TechXplore – Machine Learning & AI)
