AI足球教練上崗利物浦，射門機會提高13%！來自DeepMind，網(wǎng)友：這不公平
AI足球教練登上Nature子刊，谷歌DeepMind與利物浦隊合作三年打造：
如同AlphaGo顛覆圍棋一樣，改變了球隊制定戰(zhàn)術的方式。
像是進攻方把球傳給誰更容易創(chuàng)造射門機會，防守方如何調(diào)整布陣……AI輕松設計出的高效戰(zhàn)術與真實戰(zhàn)術難以區(qū)分，并且人類專家在90%的情況下青睞AI的建議！
論文共同一作Petar Veli?kovi?表示，足球是比圍棋更有挑戰(zhàn)性的問題。
足球是動態(tài)的運動，而且有許多未觀察到的因素也會影響結果。
有網(wǎng)友認為，“如果體育運動都能用上AI了，那么所有一切人類活動都將能夠使用AI。”
也有人鼓勵DeepMind不要被ChatGPT分散研究注意力，朝自己擅長的方向走下去總有一天能開發(fā)出更棒的產(chǎn)品。
對于合作對象選擇了利物浦這回事，甚至有其它球隊粉絲氣不過。
猜測DeepMind創(chuàng)始人是不是有私心，用AI黑科技增強他自己最喜歡的球隊，真的好不公平。
講道理的話阿森納才是主場離DeepMind總部最近的那一個（都在倫敦）。
AI吃透角球
TacticAI強在哪里？把角球這個機制給玩透了。
DeepMind團隊表示，足球比賽中角球是進攻的大好時機，據(jù)統(tǒng)計30%的進球都來自角球。
并舉例2019年歐冠半決賽，利物浦隊阿諾德一個突然折返快速開球，打了對面巴薩一個措手不及，就被評為最佳角球之一，當時把梅西都看傻了。
（DeepMind里看來有不少真球迷啊）
像這樣的精彩配合，不是每個球員都能做到，能做到也得看當時狀態(tài)好不好。
所以TacticAI的研發(fā)目標，旨在解決三個核心問題：
- 對于給定的角球戰(zhàn)術，會發(fā)生什么？例如，誰最有可能接球，射門機會多大？
- 戰(zhàn)術執(zhí)行后，如何分析？例如，類似的策略在過去是否生效？
- 如何調(diào)整策略以實現(xiàn)特定結果？進攻方如何增加射門機會，防守方又該如何布陣？
至于解決的如何，先來看幾個數(shù)據(jù)。
首先，TacticAI能預測角球傳中后，全場22個球員誰最有可能接到球，準確率高達78.2%，妥妥超過人類專家。
這樣就能幫助發(fā)球隊員選擇應該將球傳給誰了。
對于進攻方來說，光把球傳出去還不夠，關鍵是要制造射門機會，TacticAI把這點也考慮到了。
通過分析接球概率和射門概率的關系，它能以71%的準確率預測一次角球是否會制造射門。
更厲害的是，它還能挖掘出不同角球戰(zhàn)術之間的內(nèi)在聯(lián)系，從而有針對性地提出改進措施。
最終對于進攻方來說，AI提出的戰(zhàn)術把制造射門的概率從18%提升到31%。
對于防守方來說，AI調(diào)整布陣后把對手射門的概率從75%降低到69%。
就問哪個隊的教練能不動心？
圖神經(jīng)網(wǎng)絡+幾何深度學習
那么DeepMind是如何開發(fā)出這個大殺器的呢？
數(shù)據(jù)，收集自2020-2023年間英超比賽的7000多個角球。
三個核心技術：圖神經(jīng)網(wǎng)絡+幾何深度學習+條件變分自編碼器。
首先，將每一場角球的狀態(tài)表示為一個圖（Graph）。
其中每個球員作為一個節(jié)點（Node），節(jié)點之間的連接（Edges）表示球員間可能的互動。這種圖表示法能夠自然地捕捉球員間的空間關系和潛在的戰(zhàn)術模式。
接下來，使用圖神經(jīng)網(wǎng)絡（GNN）學習圖表示中的特征。
GNN通過節(jié)點和邊的信息傳遞機制，能夠?qū)W習到節(jié)點的高維潛在特征如球員的角色、位置、運動狀態(tài)等信息。
這里使用了經(jīng)典的GAT (Graph Attention Networks) 模型，也就是用了大模型上常見的注意力機制，來增強圖表示學習。
GAT由圖靈獎得主Bengio團隊提出，共同一作Petar Veli?kovi?也是這次TacticAI的共同一作。
為了提高數(shù)據(jù)效率，TacticAI還采用了幾何深度學習來利用足球比賽中的對稱性（如方形足球場地的水平和垂直對稱）。
通過顯式地在模型中引入對稱性約束，使得模型能夠在面對圖的對稱變換時保持預測的一致性。
最后，生成組件使用了條件變分自編碼器（CVAE），生成球員在特定戰(zhàn)術下可能的位置和速度。
CVAE能夠?qū)W習輸入數(shù)據(jù)的潛在分布，并從中采樣以生成新的數(shù)據(jù)，提出戰(zhàn)術調(diào)整建議。
球員都得戴AR訓練了？
TacticAI的潛力遠不止于此，一但將這個方法擴展到其他定位球和更多戰(zhàn)術環(huán)節(jié)，未來可能真的會出現(xiàn)一個通用的AI足球教練。
不過，論文中沒有明確提及目前系統(tǒng)的運行速度。
是否能做到在比賽進行中實時分析、給出建議，是很多人關心的問題（比如CV大神謝賽寧）。
廣大球迷更關心的則是AI如果真的普及了，對足球比賽的觀賞性是增加還是削弱？
這次研究的合作方利物浦隊，沒有回應是否已經(jīng)在真實比賽中使用了AI建議。
不過意大利亞特蘭大隊情報總監(jiān)很看好這項技術，認為與之前已經(jīng)廣泛應用的大數(shù)據(jù)分析相比，由AI提出的建議人類也能理解。
AI可以幫助我們以分塊或分類的方式分析足球——而不是認為一切只是一個連續(xù)的數(shù)據(jù)流，而人類無法理解發(fā)生了什么。
總之未來發(fā)生概率較大的是，所有運動員在訓練時都會帶上AR眼鏡了。
