¿Cómo los juegos como FIFA generan comentarios basados ​​en el juego en tiempo real?

No tiene nada que ver con el aprendizaje automático o el procesamiento del lenguaje natural (¿cómo se aplicaría eso aquí ???).
Su pregunta parece ser causa confusa con efecto.
El juego realiza un seguimiento constante de la posición de la pelota, pero no raspando la pantalla como parece creer. El motor del juego rastrea la posición y la dirección del movimiento de la pelota, y hace lo mismo para los jugadores individuales en el campo. Los gráficos que ve en la pantalla se generan basándose en esos datos en lugar de hacerlo al revés.
A partir de ahí, descubrir quién tiene la pelota en un momento dado es cuestión de un algoritmo de detección de colisión muy simple.
El comentario está construido a partir de muestras pregrabadas, con una aleatoria seleccionada de una lista de varias posibilidades alternativas. Nuevamente, esto es extremadamente simple, y las condiciones que desencadenan tales eventos están predefinidas.