AI 足球教练上岗利物浦,射门机会提高 13%!来自 DeepMind,网友:这不公平
梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
AI 足球教练登上 Nature 子刊,谷歌 DeepMind 与利物浦队合作三年打造:
如同 AlphaGo 颠覆围棋一样,改变了球队制定战术的方式。
![](https://static001.geekbang.org/infoq/70/70df7841841e740b3fac79f5c8ff9629.gif)
像是进攻方把球传给谁更容易创造射门机会,防守方如何调整布阵……AI 轻松设计出的高效战术与真实战术难以区分,并且人类专家在 90%的情况下青睐 AI 的建议!
![](https://static001.geekbang.org/infoq/ab/aba2b26d8b4ecdbf8876881b8c6b7093.png)
论文共同一作 Petar Veličković表示,足球是比围棋更有挑战性的问题。
足球是动态的运动,而且有许多未观察到的因素也会影响结果。
![](https://static001.geekbang.org/infoq/43/43af15822ff9f941e283c71e9fb5ff5c.png)
有网友认为,“如果体育运动都能用上 AI 了,那么所有一切人类活动都将能够使用 AI。”
![](https://static001.geekbang.org/infoq/39/396799d83bbd25dcf8fe031127012ee8.png)
也有人鼓励 DeepMind 不要被 ChatGPT 分散研究注意力,朝自己擅长的方向走下去总有一天能开发出更棒的产品。
![](https://static001.geekbang.org/infoq/5f/5fce4e2e46f091c8ba147b461bec4504.png)
对于合作对象选择了利物浦这回事,甚至有其它球队粉丝气不过。
猜测 DeepMind 创始人是不是有私心,用 AI 黑科技增强他自己最喜欢的球队,真的好不公平。
讲道理的话阿森纳才是主场离 DeepMind 总部最近的那一个(都在伦敦)。
![](https://static001.geekbang.org/infoq/26/26def7ba6d443e87c24222c4940b509a.png)
AI 吃透角球
TacticAI 强在哪里?把角球这个机制给玩透了。
DeepMind 团队表示,足球比赛中角球是进攻的大好时机,据统计 30%的进球都来自角球。
并举例 2019 年欧冠半决赛,利物浦队阿诺德一个突然折返快速开球,打了对面巴萨一个措手不及,就被评为最佳角球之一,当时把梅西都看傻了。
(DeepMind 里看来有不少真球迷啊)
![](https://static001.infoq.cn/static/write/img/img-copy-disabled.4f2g7h.png)
像这样的精彩配合,不是每个球员都能做到,能做到也得看当时状态好不好。
所以 TacticAI 的研发目标,旨在解决三个核心问题:
对于给定的角球战术,会发生什么?例如,谁最有可能接球,射门机会多大?
战术执行后,如何分析?例如,类似的策略在过去是否生效?
如何调整策略以实现特定结果?进攻方如何增加射门机会,防守方又该如何布阵?
至于解决的如何,先来看几个数据。
首先,TacticAI 能预测角球传中后,全场 22 个球员谁最有可能接到球,准确率高达 78.2%,妥妥超过人类专家。
这样就能帮助发球队员选择应该将球传给谁了。
![](https://static001.geekbang.org/infoq/17/175689e595d141502c409f337e5a8d3a.png)
对于进攻方来说,光把球传出去还不够,关键是要制造射门机会,TacticAI 把这点也考虑到了。
通过分析接球概率和射门概率的关系,它能以 71%的准确率预测一次角球是否会制造射门。
![](https://static001.geekbang.org/infoq/7d/7d1b5fcc4c196dfe1a14838da4a3e2bc.png)
更厉害的是,它还能挖掘出不同角球战术之间的内在联系,从而有针对性地提出改进措施。
![](https://static001.geekbang.org/infoq/0e/0e61b98082f97f89fa30f225f4ebbb60.png)
最终对于进攻方来说,AI 提出的战术把制造射门的概率从 18%提升到 31%。
对于防守方来说,AI 调整布阵后把对手射门的概率从 75%降低到 69%。
就问哪个队的教练能不动心?
图神经网络+几何深度学习
那么 DeepMind 是如何开发出这个大杀器的呢?
数据,收集自 2020-2023 年间英超比赛的 7000 多个角球。
三个核心技术:图神经网络+几何深度学习+条件变分自编码器。
首先,将每一场角球的状态表示为一个图(Graph)。
其中每个球员作为一个节点(Node),节点之间的连接(Edges)表示球员间可能的互动。这种图表示法能够自然地捕捉球员间的空间关系和潜在的战术模式。
![](https://static001.geekbang.org/infoq/e1/e1e2290ad732c6f6b0a61bf459829d74.png)
接下来,使用图神经网络(GNN)学习图表示中的特征。
GNN 通过节点和边的信息传递机制,能够学习到节点的高维潜在特征如球员的角色、位置、运动状态等信息。
![](https://static001.geekbang.org/infoq/ff/ffbdddf8ddd0cc7ebb85d460e79847fa.png)
这里使用了经典的 GAT (Graph Attention Networks) 模型,也就是用了大模型上常见的注意力机制,来增强图表示学习。
GAT 由图灵奖得主 Bengio 团队提出,共同一作 Petar Veličković也是这次 TacticAI 的共同一作。
![](https://static001.geekbang.org/infoq/e8/e898a842f4f744fead6a2713308418be.png)
为了提高数据效率,TacticAI 还采用了几何深度学习来利用足球比赛中的对称性(如方形足球场地的水平和垂直对称)。
通过显式地在模型中引入对称性约束,使得模型能够在面对图的对称变换时保持预测的一致性。
![](https://static001.geekbang.org/infoq/e8/e8c630d93e1781fec3b6e7fee27b7497.png)
最后,生成组件使用了条件变分自编码器(CVAE),生成球员在特定战术下可能的位置和速度。
CVAE 能够学习输入数据的潜在分布,并从中采样以生成新的数据,提出战术调整建议。
![](https://static001.geekbang.org/infoq/1f/1f8f17edd1e9a5ff1066cb7890101420.png)
球员都得戴 AR 训练了?
TacticAI 的潜力远不止于此,一但将这个方法扩展到其他定位球和更多战术环节,未来可能真的会出现一个通用的 AI 足球教练。
不过,论文中没有明确提及目前系统的运行速度。
是否能做到在比赛进行中实时分析、给出建议,是很多人关心的问题(比如 CV 大神谢赛宁)。
![](https://static001.geekbang.org/infoq/ea/ea04e6a1244fb86d91624c89bfa355b5.png)
广大球迷更关心的则是 AI 如果真的普及了,对足球比赛的观赏性是增加还是削弱?
这次研究的合作方利物浦队,没有回应是否已经在真实比赛中使用了 AI 建议。
不过意大利亚特兰大队情报总监很看好这项技术,认为与之前已经广泛应用的大数据分析相比,由 AI 提出的建议人类也能理解。
AI 可以帮助我们以分块或分类的方式分析足球——而不是认为一切只是一个连续的数据流,而人类无法理解发生了什么。
总之未来发生概率较大的是,所有运动员在训练时都会带上 AR 眼镜了。
![](https://static001.geekbang.org/infoq/ea/ea3eb3a428af0dc5ef22f1356f764e3e.png)
论文地址:https://www.nature.com/articles/s41467-024-45965-x
参考链接:[1]https://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics[2]https://www.ft.com/content/e5a64dd3-7fe0-4db4-9f65-6f7517c2c573[3]https://x.com/GoogleDeepMind/status/1770121564085707082
评论