用人工智能改變足球

Alphabet旗下的公司正與利物浦合作，將計算機視覺和統(tǒng)計學習帶入高風險的體育世界。

英超的利物浦球隊與DeepMind合作，探索人工智能在足球世界的應用。這兩家機構的研究人員今天在《人工智能研究雜志》(Journal of Artificial Intelligence Research)上發(fā)表了一篇論文，概述了一些潛在的應用。

DeepMind的人工智能研究員、這篇論文的主要作者之一卡爾·塔伊爾斯(Karl Tuyls)表示，時機剛剛好。DeepMind在利物浦的合作源于他之前在利物浦大學的工作。DeepMind創(chuàng)始人戴米斯·哈薩比斯(Demis Hassabis)也是利物浦的終身球迷，也是這項研究的顧問。這兩個小組聚在一起討論人工智能可能在哪些方面幫助足球運動員和教練。利物浦還向DeepMind提供了2017年至2019年英超聯(lián)賽的每場比賽數(shù)據(jù)。

近年來，隨著傳感器、GPS追蹤器和計算機視覺算法的使用，足球中可用的數(shù)據(jù)量不斷膨脹，以跟蹤球員和足球的運動。對于足球隊來說，人工智能提供了一種教練無法發(fā)現(xiàn)的潛在模式的方法；對于DeepMind的研究人員來說，足球為他們提供了一個受限但富有挑戰(zhàn)性的環(huán)境來測試他們的算法。圖伊爾斯說：“像足球這樣的比賽非常有趣，因為有很多經(jīng)紀人在場，有競爭和合作的成分。”與國際象棋或圍棋不同，足球具有內(nèi)在的不確定性，因為它是在現(xiàn)實世界中進行的。

但這并不意味著你不能做出預測，而這正是人工智能可能特別有用的一個領域。本文演示了如何通過訓練中模型的數(shù)據(jù)來預測一個特定的團隊和陣容的球員在比賽中會如何反應。

這就是所謂的“重影”，因為替代軌跡會疊加在實際發(fā)生的軌跡上，就像在電子游戲中一樣，有一系列不同的應用。例如，它可以用來預測戰(zhàn)術變化的影響，或者如果一名關鍵球員受傷，對手將如何比賽。這些都是教練自己可能會注意到的事情，圖伊爾強調(diào)，目的不是設計工具來取代他們。他說：“有大量的數(shù)據(jù)需要消化，處理這些數(shù)據(jù)并不一定那么容易?！蔽覀冋谂﹂_發(fā)輔助技術。”

作為論文的一部分，研究人員還對歐洲過去幾個賽季中超過12000個點球進行分析，由此來判斷他們習慣性的打法，然后使用這些信息來做出預測他們在哪里最有可能得到一個點球，他們是否容易得分。例如，前鋒更有可能瞄準左下角，而中場球員則采取了更平衡的方式，數(shù)據(jù)顯示，點球手的最佳策略可能是向最強的一方踢，這或許并不令人意外。

其他的模型可能能夠分析反事實的數(shù)字，來估計一個特定的動作，如傳球或鏟球失誤，對目標或預期進球xG的貢獻有多大。它們可以用于賽后分析，向球員展示為什么他們應該在特定情況下傳球而不是射門。一個以球員表現(xiàn)數(shù)據(jù)強度和健康狀況為訓練目標的模型可能比人類教練更好地追蹤疲勞狀況，并在球員受傷前建議他們休息。

雷佩試圖所做的1950年代，他用他的數(shù)據(jù)(錯誤地)計算，大多數(shù)目標得分后的四個或更少，和他的分析幫助開啟了一個長傳足球風格。在過去，其他領域的AI會給出毫無意義或完全錯誤的答案，這是一個備受矚目的例子，在電子游戲中訓練的AI通過打破游戲規(guī)則或忽視物理定律而獲勝。接受過足球數(shù)據(jù)訓練的人工智能可能會像何塞·穆里尼奧(Jose Mourinho)的機器人一樣，認為獲得比賽結果的最佳方式實際上是讓對手拿著球，等著他們犯錯。

圖伊爾斯說，這就是為什么為了防止人工智能系統(tǒng)的錯誤推理，重要的是模型的發(fā)現(xiàn)是由專家調(diào)解的。他說：“我們并不是要制造機器人，我們是要提高 人類的足球水平。”

圖伊爾斯說，人工智能不會取代足球教練，但它的影響可能在未來10年內(nèi)顯現(xiàn)出來。他說，這樣做的目的是要有一個無縫的系統(tǒng)，能夠與球場上的人類球員很好地結合在一起，方便他們的工作。我認為在未來的六個月或一年里，你不會看到大的影響，但在未來的五年里，一些工具將會更發(fā)達，你還可以看到類似于“自動視頻助理教練”的東西，它可以幫助進行賽前和賽后分析，或者可以查看比賽的前半部分，并就下半場可能發(fā)生的變化給你建議。