Towards Comprehensive Basketball Understanding

Guardare una partita di basket professionistica è un'esperienza ricca e stratificata. Per comprendere davvero ciò che sta accadendo, uno spettatore deve fare molto di più che limitarsi a vedere una palla muoversi attraverso un campo. Bisogna riconoscere i giocatori specifici coinvolti, tracciare il momento preciso in cui viene effettuato un passaggio, localizzare esattamente dove è stato effettuato un tiro e collegare questi momenti visivi a una vasta libreria di fatti riguardanti le squadre, le carriere dei giocatori e le regole dello sport. Per decenni, i computer hanno faticato a eseguire questo tipo di comprensione profonda e integrata. Sebbene l'intelligenza artificiale moderna sia diventata molto brava a identificare oggetti nelle foto o a rispondere a semplici domande sulle immagini, spesso fallisce quando le viene chiesto di combinare queste abilità. Potrebbe riconoscere il volto di un giocatore ma non riuscire a ricordare le sue statistiche di carriera, oppure potrebbe vedere un tiro essere effettuato ma non essere in grado di dire esattamente dove sul campo è avvenuto. Questo divario tra vedere e comprendere è la sfida centrale che un nuovo studio condotto da ricercatori della Università di Pechino e della Università Jiao Tong di Shanghai mira a colmare.

I ricercatori hanno affrontato questo problema costruendo innanzitutto un terreno di prova massiccio e rigoroso chiamato BasketballBench. Hanno raccolto dati dalla stagione NBA 2025–2026, raccogliendo oltre 2.500 clip video di possessi di gioco, record ufficiali per 530 giocatori attivi e migliaia di dettagli strutturati di gioco. Da questo materiale, hanno elaborato quasi 8.000 domande specifiche che richiedevano diversi tipi di pensiero. Alcune domande erano semplici, chiedendo a un computer di leggere il punteggio da una grafica televisiva o di identificare un giocatore da una foto. Altre erano molto più complesse, esigendo che il computer guardasse un video, capisse chi avesse effettuato una specifica azione, localizzasse dove era avvenuta nel tempo e nello spazio e poi recuperasse un fatto specifico sulla carriera di quel giocatore da un database. L'obiettivo era vedere se gli attuali sistemi di intelligenza artificiale potessero gestire questi compiti individualmente e, cosa più importante, se potessero combinare queste abilità per risolvere un singolo problema a più fasi.

Quando i ricercatori hanno testato i più avanzati modelli di intelligenza artificiale generalista disponibili, i risultati sono stati rivelatori. Questi potenti sistemi si sono comportati bene nei compiti diretti. Potevano leggere il punteggio da uno schermo o identificare un numero di maglia con alta precisione. Tuttavia, le loro prestazioni sono calate drasticamente quando le domande richiedevano loro di collegare ciò che vedevano nel video a ciò che sapevano del gioco. Ad esempio, quando venivano interrogati sull'identificare il giocatore che aveva effettuato un tiro e poi trovare le statistiche della sua carriera, i modelli spesso inciampavano. Potevano vedere l'azione, ma faticavano a legare quell'azione alla persona corretta e poi a estrarre l'informazione giusta. Lo studio ha dimostrato che questi modelli generalisti non sono naturalmente attrezzati per intrecciare la percezione visiva, il ragionamento spaziale e la conoscenza fattuale in una singola risposta coerente.

Per affrontare questa limitazione, il team ha sviluppato un nuovo sistema chiamato BasketballSkills. Invece di fare affidamento su un singolo modello massiccio per fare tutto in una volta, hanno costruito un framework che agisce come una squadra specializzata di esperti. Questo sistema utilizza un controller centrale che legge una domanda e poi seleziona un set specifico di strumenti per risolverla. Questi strumenti sono specializzati nel basket: uno strumento traccia i giocatori e la palla, un altro identifica il tipo di azione in corso, un terzo legge i numeri di maglia e un quarto interroga un database strutturato di fatti sui giocatori. Il controller non va per tentativi; segue una procedura chiara e sequenziale. Se una domanda riguarda la percentuale di tiro di un giocatore dopo una specifica azione, il sistema prima traccia il video per trovare il giocatore, poi identifica il suo numero di maglia e infine interroga il database per le sue statistiche. Valida ogni passaggio prima di passare al successivo, assicurandosi che le prove raccolte siano accurate prima di formulare una risposta finale.

I risultati di questo nuovo approccio sono stati sorprendenti. Nei test su dieci diversi tipi di domande, il sistema BasketballSkills ha superato i migliori modelli di intelligenza artificiale commerciali in otto di esse. Eccelleva particolarmente nei compiti complessi che richiedevano la combinazione di più abilità, come identificare un giocatore da una clip video e successivamente recuperare i suoi dati di carriera. Mentre i modelli generalisti spesso fallivano nel connettere l'evidenza visiva alla conoscenza fattuale, il sistema specializzato riusciva a comporre con successo queste diverse capacità per raggiungere la conclusione corretta. Lo studio suggerisce che, per domini complessi del mondo reale come lo sport professionistico, la strada da seguire potrebbe non essere rendere i modelli generalisti più grandi, ma costruire sistemi che possano organizzare ed esplicitare e combinare abilità specializzate. Scomponendo un problema difficile in una sequenza di passaggi affidabili e specifici per il dominio, i ricercatori hanno dimostrato che i computer possono essere istruiti a comprendere il gioco del basket con una profondità e un'accuratezza che prima erano fuori portata.