Agencias / MonitorSur, Ciudad de México.- La ciencia y la tecnología también jugarán una posición destacada en la Copa Mundial de Futbol y tratarán de superar al gato Aquiles y al pulpo Paul, dos personajes que alcanzaron la celebridad por sus acertadas predicciones.

Un grupo de especialistas en estadística, ciencias de la computación e inteligencia artificial empleó su conocimiento para tratar de modelar el Mundial de Rusia 2018 y saber cuál país alcanzará la victoria en la final a disputarse en el estadio Luzhniki en Moscú.

En el artículo Prediction of the FIFA World Cup 2018 – A random forest approach with an emphasis on estimated team ability parameters, publicado en el repositorio arXiv, un grupo de científicos de las universidades de Ghent, Bélgica; Técnica de Dortmund y Técnica de Múnich, Alemania, utilizaron tres modelos matemáticos y estadísticos diferentes para predecir los resultados de los partidos.

El pronóstico que presentaron los expertos va más allá de una simple aproximación estadística porque se ponderaron diversos factores que incluyen los entornos económicos y sociales de cada uno de los 32 países participantes en el Mundial. Por ejemplo, se consideró el producto interno bruto (PIB) de cada nación, la cantidad de habitantes de cada país, el ranking de la Federación Internacional de Futbol Asociación (FIFA), los resultados de los últimos cuatro mundiales, la edad de los jugadores y si juegan en equipos extranjeros o en los de su país, la edad y nacionalidad de los directores técnicos, entre otros.

El equipo de expertos obtuvo 100 mil simulaciones al combinar el método de análisis de “árboles aleatorios” (random forest) y técnicas avanzadas de aprendizaje automático (machine learning), una especialidad de la inteligencia artificial que permite a un sistema informático usar algoritmos para analizar datos, aprender de ellos y predecir un resultado.

Todo este esfuerzo de análisis y modelación predice que España es el equipo que ganaría el Mundial, con un porcentaje de 17.8 por ciento, seguido de Alemania con 17.1 por ciento. El mismo estudio señala que la muestra teórica no probabilística (cuota) de ganar es la misma para Alemania y Brasil, con 15.0 por ciento, mientras que España está en desventaja con 11.8 por ciento.

En entrevista para la Agencia Informativa Conacyt, Rafael Pérez y Pérez, especialista en inteligencia artificial e investigador de la Universidad Autónoma Metropolitana (UAM), unidad Cuajimalpa, explicó que la certeza de esta predicción realizada con inteligencia artificial depende del tipo, cantidad y calidad de la información, así como de los mecanismos matemáticos empleados en ella.

El impredecible factor humano

El miembro nivel I del Sistema Nacional de investigadores (,a href=“https://www.conacyt.gob.mx/index.php/el-conacyt/sistema-nacional-de-investigadores” Target=“_blank”>SNI) del Consejo Nacional de Ciencia y Tecnología (Conacyt), destacó que en un Mundial de futbol es muy complicado hacer una predicción certera porque hay muchos factores inesperados que no se pueden incluir en un modelo matemático.

“Yo creo que en un Mundial hay muchos factores que no son predecibles, por ejemplo, si un día un jugador amanece triste, eso no se mete en los modelos estadísticos, pero sin duda es algo que va a impactar el desempeño del jugador. Hace unos días vimos que la selección española cambió su director técnico, eso seguramente tendrá un impacto en sus jugadores”.

Esta predicción señala que España es el favorito para ganar el Mundial con un 17.8 por ciento, seguido de cerca por Alemania con 17.1; Brasil, 12.3; Francia, 11.2 y Bélgica, 10.4. Mientras que México tiene 13.9 por ciento de probabilidad de llegar a cuartos de final, 3.7 por ciento de hacer historia y llegar a semifinales, 1.1 por ciento de llegar a la final y solo 0.2 por ciento de ser campeón del Mundial.

Pérez y Pérez destacó que no es la primera vez que se hacen predicciones utilizando la inteligencia artificial, ya en el Mundial de 1986 que se realizó en México se había hecho algo similar, aunque con métodos de aquella época.