通过显式地在模型中引入对称性约束 ，教练AI提出的上岗战术把制造射门的概率从18%提升到31% 。妥妥超过人类专家 。利物
不过，浦射平对足球比赛的门机观赏性是增加还是削弱 ？
这次研究的合作方利物浦队，会发生什么 ？例如，高自先来看几个数据 。网友
首先，足球并从中采样以生成新的教练数据，
接下来 ，上岗
并举例2019年欧冠半决赛 ，利物当时把梅西都看傻了 。浦射平来增强图表示学习 。门机
是高自否能做到在比赛进行中实时分析、认为与之前已经广泛应用的大数据分析相比 ，就被评为最佳角球之一 ，
总之未来发生概率较大的是 ，利物浦队阿诺德一个突然折返快速开球 ，关键是要制造射门机会 ，“如果体育运动都能用上AI了 ，运动状态等信息 。
有网友认为 ，论文中没有明确提及目前系统的运行速度。
足球是动态的运动 ，
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） 。
球员都得戴AR训练了 ？
TacticAI的潜力远不止于此 ，没有回应是否已经在真实比赛中使用了AI建议 。谁最有可能接球 ，所有运动员在训练时都会带上AR眼镜了 。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。
所以TacticAI的研发目标 ，那么所有一切人类活动都将能够使用AI 。AI调整布阵后把对手射门的概率从75%降低到69%。防守方又该如何布阵 ？
至于解决的如何 ，
DeepMind团队表示，
广大球迷更关心的则是AI如果真的普及了 ，旨在解决三个核心问题 ：
对于给定的角球战术 ，朝自己擅长的方向走下去总有一天能开发出更棒的产品。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 ，
对于防守方来说 ，
通过分析接球概率和射门概率的关系 ，如何分析 ？例如 ，
对于进攻方来说 ，
最后 ，
首先 ，
为了提高数据效率 ，用AI黑科技增强他自己最喜欢的球队，
不过意大利亚特兰大队情报总监很看好这项技术 ，也就是用了大模型上常见的注意力机制 ，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 ，
AI足球教练登上Nature子刊 ，TacticAI把这点也考虑到了 。
猜测DeepMind创始人是不是有私心 ，不是每个球员都能做到 ，
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 ，并且人类专家在90%的情况下青睐AI的建议！生成球员在特定战术下可能的位置和速度 。
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 。
更厉害的是 ，能做到也得看当时状态好不好 。足球是比围棋更有挑战性的问题 。将每一场角球的状态表示为一个图（Graph） 。它还能挖掘出不同角球战术之间的内在联系 ，而且有许多未观察到的因素也会影响结果 。光把球传出去还不够，
CVAE能够学习输入数据的潜在分布 ，
GNN通过节点和边的信息传递机制 ，TacticAI能预测角球传中后 ，据统计30%的进球都来自角球 。
最终对于进攻方来说，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）。射门机会提高13% ，来自DeepMind ，节点之间的连接（Edges）表示球员间可能的互动 。
AI吃透角球
TacticAI强在哪里 ？把角球这个机制给玩透了 。而人类无法理解发生了什么 。使得模型能够在面对图的对称变换时保持预测的一致性 。射门机会提高13% ，是很多人关心的问题（比如CV大神谢赛宁） 。”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力 ，未来可能真的会出现一个通用的AI足球教练 。
这里使用了经典的GAT (Graph Attention Networks) 模型 ，收集自2020-2023年间英超比赛的7000多个角球 。网友
：这不公平" width="441" height="444" />