Per oltre un secolo, il “poker face” è stata l’ultima linea di difesa dei giocatori professionisti. Consiste nell’azzerare ogni segnale involontario del corpo per non tradire la forza della propria mano. Quest’anno, per la prima volta, quella difesa ha trovato un avversario nuovo: l’intelligenza artificiale nel poker, un sistema capace di analizzarla fotogramma per fotogramma. Il World Series of Poker (WSOP) è tornato su ESPN dopo l’assenza dal 2021. La Omaha Productions di Peyton Manning ha integrato nella trasmissione un modello di computer vision. Lo ha sviluppato l’ingegnere indipendente Luke Geel, che lavora anche su sistemi AI per la U.S. Air Force.
Cosa fa il sistema di intelligenza artificiale nel poker
Il modello non guarda le carte in mano ai giocatori. Le trasmissioni di poker le mostrano già al pubblico tramite le hole card cam. Il sistema analizza invece un set di segnali comportamentali che estrae in tempo reale dal flusso video: frequenza dell’ammiccamento, direzione dello sguardo, postura del corpo e modo di maneggiare le fiche. Geel ha aggiunto anche l’analisi della simmetria del sorriso. Secondo l’ingegnere, un sorriso simmetrico indica solitamente un’espressione più autentica.
Il funzionamento si articola in due fasi distinte:
- Fase di addestramento: il team ha allenato il sistema su un ampio archivio di filmati storici di partite di poker. Ha correlato i segnali visivi rilevati con gli esiti reali delle mani giocate, cioè con le carte che i giocatori avevano davvero in mano una volta scoperte.
- Fase di inferenza: durante la diretta, il modello confronta i pattern comportamentali osservati in tempo reale con quelli appresi. Da questo confronto stima la probabilità che un giocatore stia bluffando o abbia in mano una combinazione forte (il “nuts”, nel gergo del poker).
Le difficoltà di ingegnerizzazione
Geel ha dichiarato che il progetto, sviluppato in circa sei mesi, si è rivelato molto più complesso del previsto. Non è bastato fornire al sistema un filmato grezzo e ottenere in output i “tell” dei giocatori. La difficoltà principale sta nella natura estremamente rumorosa e individuale dei segnali comportamentali. Ogni giocatore ha un proprio linguaggio del corpo. Spesso lo ha allenato apposta per ingannare gli avversari. Questo rende la generalizzazione del modello un problema tutt’altro che banale, rispetto a un classico task di riconoscimento visivo.
Lo stesso Geel ammette i limiti del sistema sui giocatori di altissimo livello. Questi lavorano da anni per eliminare qualsiasi tell fisico riconoscibile. Un esempio è il professionista Daniel Negreanu. L’ingegnere ha dichiarato di non aver ancora testato il modello su di lui, perché si aspetta che Negreanu abbia soppresso deliberatamente questo tipo di segnali.
Le scelte di deployment: un caso di AI applicata con cautela
Un aspetto tecnicamente rilevante della soluzione non riguarda l’algoritmo in sé, ma la sua integrazione nel prodotto editoriale. Omaha Productions ha scelto di attivare il sistema solo sui giocatori già eliminati dal torneo. In questo modo evita che le previsioni del modello influenzino l’andamento del gioco: mostrare queste informazioni al pubblico durante una mano ancora in corso comporterebbe un rischio concreto. Questa scelta di design sposta l’AI da strumento predittivo “live” a strumento narrativo e di analisi post-hoc. Riduce così il rischio di interferenza con la dinamica competitiva, ma riduce anche il valore informativo immediato del sistema.
Le critiche della comunità
Non tutti nell’ambiente del poker hanno accolto l’innovazione con favore. Una parte della community definisce lo strumento una soluzione a un problema che, di fatto, non esiste. Le trasmissioni mostrano già le carte di ciascun giocatore attraverso le hole card cam. Per molti spettatori, quindi, un ulteriore livello di previsione probabilistica risulta superfluo. I critici sottolineano anche un altro punto: ai tavoli di alto livello, il calcolo matematico e la lettura della composizione del board contano storicamente più della componente comportamentale. I segnali fisici, inoltre, possono risultare fuorvianti. I giocatori più esperti li simulano spesso di proposito.
Non solo poker: il secondo fronte AI di ESPN
Il progetto di Geel non è l’unico investimento in intelligenza artificiale che ESPN sta portando avanti in questo periodo. Vale la pena distinguerlo da un’altra iniziativa, di natura diversa, condotta insieme ad Accenture.
Il progetto Accenture-ESPN Edge
ESPN ha avviato nel 2021 l’ESPN Edge Innovation Center, un centro di innovazione in collaborazione con Accenture e Microsoft. Attraverso questo centro, l’emittente ha sviluppato una soluzione di AI generativa. A differenza del modello di Geel, questa non analizza il comportamento dei giocatori. Il suo compito è produrre in modo automatizzato contenuti editoriali. Per chi segue da vicino l’evoluzione dell’hardware che alimenta questi sistemi, può essere utile anche il nostro approfondimento su Iris, il chip AI di Meta e su chi decide oggi il futuro dei chip per l’intelligenza artificiale.
Come funziona la generazione dei contenuti
Il sistema genera riepiloghi testuali delle partite, i cosiddetti recap. Attinge a un dataset composito che include dati proprietari ESPN e dati concessi in licenza dalle leghe sportive: tabellini, statistiche play-by-play, rose dei giocatori, classifiche, calendari e, quando disponibili, trascrizioni audio delle trasmissioni. L’obiettivo dichiarato è estendere la copertura editoriale anche a discipline meno seguite dai media mainstream, come la Premier Lacrosse League e la National Women’s Soccer League. Il sistema permette di farlo senza dover moltiplicare proporzionalmente le risorse redazionali.
Il ruolo della revisione umana
Un elemento tecnicamente significativo del sistema riguarda il suo modello di governance. I contenuti generati dall’AI non vengono pubblicati in automatico. Passano prima attraverso una revisione editoriale umana, prima di comparire su ESPN.com e sull’app. Si tratta di un classico pattern “human-in-the-loop”, ormai consolidato nell’uso del generative AI in ambito giornalistico. Il modello scala la produzione di contenuti, ma la responsabilità editoriale finale resta umana.
Due approcci a confronto
Messi a confronto, i due progetti mostrano applicazioni complementari e piuttosto diverse dell’AI nello sport broadcast. Da un lato Geel applica la computer vision predittiva all’analisi in diretta. Dall’altro, il progetto con Accenture applica il linguaggio naturale generativo alla produzione di contenuti editoriali su larga scala. In entrambi i casi resta una costante: la cautela nel deployment. Il primo limita l’uso ai giocatori eliminati. Il secondo impone la revisione redazionale obbligatoria. È un segnale chiaro: le grandi emittenti sportive introducono l’AI generativa e predittiva senza cedere il controllo editoriale del prodotto finale.
Prospettive: oltre il tavolo verde
Secondo Geel, l’applicazione al poker rappresenta solo un primo banco di prova. L’ingegnere ipotizza altre applicazioni dello stesso approccio di computer vision predittiva. Pensa a contesti diversi, dove il comportamento non verbale anticipa una decisione. Un esempio è l’analisi dei clienti nei concessionari d’auto, per capire quali caratteristiche di un veicolo generano maggiore interesse. Un altro esempio arriva dallo sport: alcuni ricercatori hanno già sperimentato modelli predittivi basati sui segnali del corpo per stimare in anticipo la direzione di un calcio di rigore. In alcuni studi, questi modelli superano l’intuito dei portieri professionisti.
Il caso ESPN-WSOP resta comunque un banco di prova interessante per il settore broadcast. Mostra come l’intelligenza artificiale nel poker e, più in generale, la computer vision applicata all’analisi comportamentale stiano uscendo dai laboratori di ricerca. Stanno entrando, con cautela e non senza controversie, nella produzione televisiva sportiva mainstream. La stessa logica di visione artificiale applicata a contesti reali è alla base anche di altri progetti che abbiamo raccontato, come i sistemi robotici autonomi per la ristorazione del CA-1 di Circus SE. Per restare aggiornato su questi temi, puoi seguire la sezione Tecnologie di INT News.
