AI吃透角球
TacticAI强在哪里 ?把角球这个机制给玩透了 。足球
首先 ,教练也就是上岗用了大模型上常见的注意力机制,它能以71%的利物准确率预测一次角球是否会制造射门 。会发生什么 ?例如,浦射平来自DeepMind ,门机生成球员在特定战术下可能的高自位置和速度。
最终对于进攻方来说 ,网友用AI黑科技增强他自己最喜欢的足球球队 ,甚至有其它球队粉丝气不过 。教练
是上岗否能做到在比赛进行中实时分析、真的利物好不公平 。TacticAI还采用了几何深度学习来利用足球比赛中的浦射平对称性(如方形足球场地的水平和垂直对称) 。
通过分析接球概率和射门概率的门机关系 ,来自DeepMind ,高自论文中没有明确提及目前系统的运行速度 。将每一场角球的状态表示为一个图(Graph) 。生成组件使用了条件变分自编码器(CVAE) ,
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。提出战术调整建议 。
所以TacticAI的研发目标 ,利物浦队阿诺德一个突然折返快速开球,
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,
最后,未来可能真的会出现一个通用的AI足球教练。从而有针对性地提出改进措施。
CVAE能够学习输入数据的潜在分布,
这里使用了经典的GAT (Graph Attention Networks) 模型,能做到也得看当时状态好不好。
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)。防守方又该如何布阵?
至于解决的如何,”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力,准确率高达78.2%,不是每个球员都能做到,运动状态等信息 。
猜测DeepMind创始人是不是有私心,没有回应是否已经在真实比赛中使用了AI建议。全场22个球员谁最有可能接到球,旨在解决三个核心问题 :
对于给定的角球战术,
不过 ,
像这样的精彩配合 ,射门机会多大?
战术执行后,
有网友认为,改变了球队制定战术的方式 。TacticAI能预测角球传中后,是很多人关心的问题(比如CV大神谢赛宁) 。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,光把球传出去还不够 ,那么所有一切人类活动都将能够使用AI 。
通过显式地在模型中引入对称性约束,
更厉害的是 ,射门机会提高13% ,射门机会提高13%,节点之间的连接(Edges)表示球员间可能的互动。据统计30%的进球都来自角球。能够学习到节点的高维潜在特征如球员的角色、
并举例2019年欧冠半决赛 ,由AI提出的建议人类也能理解 。朝自己擅长的方向走下去总有一天能开发出更棒的产品。
对于防守方来说 ,AI提出的战术把制造射门的概率从18%提升到31%。位置、
对于进攻方来说 ,
接下来 ,网友 :这不公平" width="441" height="444" />
像是进攻方把球传给谁更容易创造射门机会,认为与之前已经广泛应用的大数据分析相比 ,关键是要制造射门机会,使用图神经网络(GNN)学习图表示中的特征。AI调整布阵后把对手射门的概率从75%降低到69% 。“如果体育运动都能用上AI了,
这样就能帮助发球队员选择应该将球传给谁了 。收集自2020-2023年间英超比赛的7000多个角球。来增强图表示学习。TacticAI把这点也考虑到了 。谁最有可能接球 ,
GAT由图灵奖得主Bengio团队提出 ,妥妥超过人类专家 。
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 ,并从中采样以生成新的数据,
足球是动态的运动,
不过意大利亚特兰大队情报总监很看好这项技术 ,一但将这个方法扩展到其他定位球和更多战术环节,就被评为最佳角球之一 ,
所有运动员在训练时都会带上AR眼镜了。给出建议 ,为了提高数据效率,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,
球员都得戴AR训练了?
TacticAI的潜力远不止于此 ,足球比赛中角球是进攻的大好时机,先来看几个数据。谷歌DeepMind与利物浦队合作三年打造 :
如同AlphaGo颠覆围棋一样,并且人类专家在90%的情况下青睐AI的建议 !共同一作Petar Veličković也是这次TacticAI的共同一作。
论文共同一作Petar Veličković表示,