Un enceste limpio: El nuevo amor de la NBA por tecnología como la IA
Por: Bill Briggs, blog de Transform
En la jerga de la NBA, Garth Case tendría lo que los jugadores llaman “visión de cancha”.
Dentro de la bruma del juego, él ve oportunidades para encestar antes de que estas se desarrollen. Y dentro de la avalancha de datos que genera este deporte, él ha descubierto el crecimiento de innovadoras posibilidades entre todos esos terabytes.
Case, vicepresidente de TI de la NBA, ayudó a desarrollar una nueva herramienta impulsada por IA que clasifica y cura de manera automática la masiva fuente de fotos del juego generada por los 30 equipos durante 82 juegos de temporada regular y finales.
NBA Photo Sorter, sobre el cual Case realizó una demostración durante Microsoft Build en Seattle, reemplaza el tedioso método que por mucho tiempo utilizaron los fotógrafos de la liga para etiquetar de manera manual cada imagen de los juegos con los nombres de jugadores, equipos, celebridades y más.
Construida con Cognitive Search – una nueva capacidad de entendimiento de contenido de Microsoft, dirigida por AI – esta plataforma ahorra a los empleados de la NBA cientos de horas de trabajo a la vez que incrementa la precisión del contenido y desbloquea nuevos escenarios de negocios. Pero, comenta Case, se trata de un primer paso que sólo muestra un poco del enorme potencial de esta tecnología.
El blog de Transform conversó con Case después de Build para preguntarle un poco más acerca de su visión.
TRANSFORM: ¿Cuánto tiempo ahorró NBA Photo Sorter al departamento de imágenes de la liga?
GARTH CASE: Digamos que tenemos un evento hoy. Los fotógrafos nos dan todas sus imágenes. Luego otro equipo se sentaría ahí, revisaría todas esas fotos, determinaría quién está en ellas y crearía carpetas para esas imágenes. El tiempo se acumularía.
Categorizar las fotos de un evento podría tomar hasta cuatro semanas. Ahora podemos reducir ese tiempo a un día. Cuando el sistema cuenta con el entrenamiento adecuado, podemos hacerlo en unas cuantas horas.
Pero hay algo más grande detrás de todo esto. Hay un esfuerzo por reunir todo nuestro contenido. Todo, desde videos a fotos a toneladas de artículos publicados. Hay una gran cantidad de información generada durante cada juego.
TRANSFORM: Eso es interesante. ¿Dónde ves que esta plataforma de IA brinde aún mayores beneficios a la NBA?
CASE: El verdadero valor comienza a llegar cuando podemos detectar más objetos en las fotos – no sólo quién está en ella sino, ¿Qué hace? ¿Es una foto de una acción o un retrato? ¿Hay un logo en ella? ¿Qué calzado utiliza el jugador?
Esas cosas son las que hacen más valioso ese momento que capturaste.
TRANSFORM: Suena a que esta plataforma podría brindar a la liga una nueva manera de monetizar su contenido digital.
CASE: Eso es hacia lo que apuntamos. Sé que hay un mercado para esto.
TRANSFORM: ¿Qué más ves en los datos de los juegos y qué más hace con ellos Cognitive Services?
CASE: Entramos en contacto con una enorme cantidad de contenido pero sólo nos enfocamos en las piezas que necesitamos utilizar. No prestamos atención a todas las otras piezas, aquellas que podrían tener un valor real. Ahí es donde veo la capacidad de IA y big data de unificar tu información, tomarte el tiempo de entender qué hay en ella y descubrir su valor.
Cuando se trata de fotos, sólo por costumbre, lo que la gente ve es, solo quién está en la foto. Pero tal vez podamos ver que hay patrones conectados con las fotos. Tal vez incluso haya patrones conectados no sólo con las fotos sino con los datos que surgen con las fotos. Si una imagen vale mil palabras, imagina lo que vale tener un entendimiento profundo de ella.
TRANSFORM: ¿Nos puedes dar un ejemplo de un ejemplo de información de valor que tal vez un día la IA podría obtener de asimilar años de contenido de juegos como fotos y video?
CASE: Vemos a nuestros jugadores cuando están en la duela y vemos cuántas veces corren de ida y vuelta. Toda esa información, para ser honesto, ya la obtenemos y la almacenamos.
Pero no se coloca en un lugar donde puedas conectar los puntos. Así que, por ejemplo, digamos que un jugador corre de ida y vuelta por la duela un millón de veces. Y en la Vuelta un millón y uno, se lastima el tendón de Aquiles.
Y por medio de esos datos, tal vez también veamos que hay otros 100 jugadores que hicieron lo mismo en el mismo paso. Identificar ese patrón nos permitirá tomar acciones correctivas que no solo influyan en la seguridad del juego sino en la seguridad y longevidad de nuestros jugadores.
Ese es el poder en este tipo de tecnología. Eso es lo que me emociona. Por suerte, estudiamos la información y descubrimos dónde están los patrones y realizamos grandes ajustes para mejorar el juego.
Imagen principal: Garth Case en el hotel W en Seattle. (Fotos por Dan DeLong)