aTecnologíaNoticias Tecnología

Machine Learning aplicado en beneficio de la salud y la seguridad de los jugadores de futbol americano | #Tech

¡Que tal a toda la banda de Geek And Life!

En esta ocasión, te compartimos un comunicado de AWS Amazon Web Services.

Ciudad de México, a 6 de julio de 2022. Cascos de fútbol americano de última  generación, sensores de recopilación de datos y una máquina de pruebas de césped  son sólo algunos elementos de la revolución entre bastidores que hace que el futbol  americano sea más seguro para los jugadores de la National Football League (NFL).  Aunque son muchas las tecnologías que impulsan este cambio, todas tienen un hilo  conductor: los datos.  

De hecho, la NFL y Amazon Web Services (AWS) están recopilando más datos que  nunca para entender mejor cómo se producen las lesiones y, en última instancia,  mantener a los jugadores más seguros y hacer el juego más emocionante. 

AWS almacena la enorme cantidad de datos generados por el seguimiento de cada  jugador en cada jugada de cada partido de la NFL, casi 300 millones de puntos de datos  por temporada; los ingenieros de software de la NFL utilizan Amazon SageMaker para  construir, entrenar e implementar rápidamente los modelos de aprendizaje automático  (ML) que hay detrás de sus estadísticas más sofisticadas. Por su parte, la NFL utiliza la  herramienta de inteligencia empresarial Amazon QuickSight para analizar y visualizar  los datos estadísticos resultantes. 

Entre las iniciativas e innovaciones que impulsan el futuro de la seguridad de los  jugadores se encuentran: 

• Cambios en las reglas: Desde 2002, la NFL ha utilizado los datos para informar  sobre más de 50 cambios de reglas para eliminar las entradas potencialmente  peligrosas y reducir el riesgo de lesiones. 

• El atleta digital: Se está desarrollando una representación virtual de un jugador  de la NFL con AWS para aprovechar la inteligencia artificial y el aprendizaje  automático para predecir mejor y eventualmente prevenir las lesiones de los  jugadores. 

• Recogida de datos: A través de múltiples fuentes, como las etiquetas del  equipamiento de los jugadores y el análisis de video, la liga recopila una gran  cantidad de datos sobre cada movimiento que realiza cada jugador en el campo.  Esto proporciona un contexto para entender cómo, dónde y cuándo se producen  las lesiones, datos muy valiosos para ayudar a mejorar la seguridad del juego. 

• Pruebas de cascos: Un equipo de ingenieros biomecánicos de Biocore, un  laboratorio de pruebas de equipos, ha desarrollado un sistema de pruebas,  puntuación y clasificación de la eficacia de los cascos. Este marco ayuda a  facilitar la innovación y la mejora en el desarrollo de equipos de protección para 

los jugadores, y los resultados de estas pruebas de laboratorio de la NFL-NFLPA  se muestran en un póster que se comparte con los jugadores de la NFL y se  exhibe en todos los vestuarios de la NFL. 

• Retos de HeadHealthTECH y el Reto del Casco de la NFL: Un programa de  subvenciones que incentiva a empresarios, pequeñas empresas y universidades  a desarrollar mejores equipos de protección para su uso en los campos de la  NFL. El programa ha concedido más de 4,5 millones de dólares desde el 2017 

para avanzar en 17 nuevas tecnologías, incluso a través del concurso más  reciente, el NFL Helmet Challenge. 

• La BESTIA: La NFL ha desarrollado un dispositivo de pruebas biomecánicas,  denominado BEAST, que analiza la interacción entre los tacos de los jugadores  y la superficie de los campos de fútbol. Esta medición puede utilizarse para  verificar si se transmiten fuerzas excesivas al cuerpo de los jugadores. 

Estos proyectos han mejorado la salud de los jugadores, ya que la Liga ha visto un  descenso sostenido del 25% de las conmociones cerebrales en las últimas tres  temporadas.  

«Al principio creíamos que podíamos hacer nuestro juego más seguro y mantener la  emoción y la diversión del fútbol americano de la NFL al mismo tiempo que  manteníamos a nuestros jugadores más seguros», dijo el Comisionado Roger Goodell.  «Y ese tenía que ser el objetivo número uno. Y claramente lo hemos logrado». 

Recientemente, la NFL y AWS anunciaron los resultados de su concurso de inteligencia  artificial, que desafió a los científicos de datos a enseñar a los ordenadores a detectar  automáticamente a los jugadores implicados en impactos en la cabeza a partir de las  imágenes de los partidos de la NFL.  

Estos nuevos modelos de visión por ordenador también ayudarán a la NFL y a AWS a  seguir construyendo el «Atleta Digital», una representación virtual de un jugador de la  NFL que puede utilizarse para predecir mejor y, eventualmente, ayudar a prevenir las  lesiones de los jugadores. Al introducir la gran cantidad de datos producidos por cada  jugada de la NFL, los algoritmos del Atleta Digital pueden ejecutar infinitas simulaciones  de escenarios en el juego para comprender el impacto en la salud y la seguridad de los  jugadores. En última instancia, el Atleta Digital ayudará a la NFL y a sus clubes a  desarrollar regímenes de entrenamiento y recuperación individualizados, a realizar  análisis de riesgo de lesiones en tiempo real durante los partidos y a identificar y evaluar  otras iniciativas de seguridad de los jugadores. 

«AWS y la NFL están fomentando la comprensión de cómo tratar y rehabilitar las  lesiones a corto plazo y, eventualmente, predecir y prevenir las lesiones en el futuro  aprovechando los datos», dijo la Dra. Priya Ponnapalli, Gerente Senior del Laboratorio  de Soluciones de Aprendizaje Automático (ML) de AWS. «Los nuevos modelos de visión  por ordenador desarrollados en este desafío, y el duro trabajo realizado por todos los  equipos participantes, nos acercan a nuestro objetivo y no podría estar más emocionada  de ver cómo este trabajo transforma el deporte en los próximos años.» 

Para ver un video al respecto: 

Últimas noticias del mundo, cultura geek & tech: GeekandLife.com.mx
Anime, Videojuegos y Entretenimiento: MultiAnime.com.mx

Fuente: Comunicado de Prensa

Social Media Auto Publish Powered By : XYZScripts.com