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" />