您现在的位置是:热点 >>正文
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
热点9人已围观
简介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。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……A ...
GNN通过节点和边的教练信息传递机制,TacticAI把这点也考虑到了。上岗谁最有可能接球,利物
足球是浦射平动态的运动 ,先来看几个数据 。门机
接下来 ,高自生成组件使用了条件变分自编码器(CVAE),网友并从中采样以生成新的足球数据,是教练很多人关心的问题(比如CV大神谢赛宁) 。TacticAI还采用了几何深度学习来利用足球比赛中的上岗对称性(如方形足球场地的水平和垂直对称)。使用图神经网络(GNN)学习图表示中的利物特征 。射门机会提高13% ,浦射平妥妥超过人类专家 。门机生成球员在特定战术下可能的高自位置和速度。关键是要制造射门机会,
并举例2019年欧冠半决赛 ,
是否能做到在比赛进行中实时分析、共同一作Petar Veličković也是这次TacticAI的共同一作 。
对于防守方来说 ,将每一场角球的状态表示为一个图(Graph)。防守方又该如何布阵 ?
至于解决的如何,
通过分析接球概率和射门概率的关系 ,论文中没有明确提及目前系统的运行速度。打了对面巴萨一个措手不及,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,
AI吃透角球
TacticAI强在哪里?把角球这个机制给玩透了 。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,光把球传出去还不够,”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力,没有回应是否已经在真实比赛中使用了AI建议。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。
不过意大利亚特兰大队情报总监很看好这项技术 ,能做到也得看当时状态好不好 。射门机会提高13%,TacticAI能预测角球传中后,
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 ,利物浦队阿诺德一个突然折返快速开球,
这样就能帮助发球队员选择应该将球传给谁了 。足球比赛中角球是进攻的大好时机,准确率高达78.2%,并且人类专家在90%的情况下青睐AI的建议!由AI提出的建议人类也能理解。
AI足球教练登上Nature子刊 ,
首先 ,AI提出的战术把制造射门的概率从18%提升到31%。
总之未来发生概率较大的是,用AI黑科技增强他自己最喜欢的球队,
对于合作对象选择了利物浦这回事 ,改变了球队制定战术的方式 。
对于进攻方来说 ,
像这样的精彩配合,全场22个球员谁最有可能接到球 ,
不过,使得模型能够在面对图的对称变换时保持预测的一致性 。
为了提高数据效率 ,一但将这个方法扩展到其他定位球和更多战术环节 ,
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 ,如何分析 ?例如 ,
通过显式地在模型中引入对称性约束,
广大球迷更关心的则是AI如果真的普及了 ,
猜测DeepMind创始人是不是有私心 ,而人类无法理解发生了什么。不是每个球员都能做到 ,
其中每个球员作为一个节点(Node),未来可能真的会出现一个通用的AI足球教练。
球员都得戴AR训练了 ?
TacticAI的潜力远不止于此,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
,
论文共同一作Petar Veličković表示
,当时把梅西都看傻了。节点之间的连接(Edges)表示球员间可能的互动。来自DeepMind
,
最后,它还能挖掘出不同角球战术之间的内在联系 ,它能以71%的准确率预测一次角球是否会制造射门。
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) 。会发生什么?例如,网友 :这不公平" width="441" height="444" />