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
至于解决的上岗如何 ,先来看几个数据 。利物
最后,浦射平
不过 ,门机
论文共同一作Petar Veličković表示
,高自AI调整布阵后把对手射门的网友概率从75%降低到69%。论文中没有明确提及目前系统的足球运行速度。而人类无法理解发生了什么 。教练收集自2020-2023年间英超比赛的上岗7000多个角球。节点之间的利物连接(Edges)表示球员间可能的互动。
所以TacticAI的浦射平研发目标 ,关键是门机要制造射门机会,
对于合作对象选择了利物浦这回事,高自生成球员在特定战术下可能的位置和速度 。也就是用了大模型上常见的注意力机制,足球是比围棋更有挑战性的问题。并从中采样以生成新的数据,
是否能做到在比赛进行中实时分析 、TacticAI把这点也考虑到了。由AI提出的建议人类也能理解 。那么所有一切人类活动都将能够使用AI。会发生什么?例如 ,
更厉害的是 ,
最终对于进攻方来说 ,它还能挖掘出不同角球战术之间的内在联系 ,就被评为最佳角球之一,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) 。
这样就能帮助发球队员选择应该将球传给谁了 。
广大球迷更关心的则是AI如果真的普及了,使用图神经网络(GNN)学习图表示中的特征 。
这里使用了经典的GAT (Graph Attention Networks) 模型,
猜测DeepMind创始人是不是有私心,TacticAI能预测角球传中后,认为与之前已经广泛应用的大数据分析相比 ,据统计30%的进球都来自角球。给出建议,提出战术调整建议。从而有针对性地提出改进措施 。
其中每个球员作为一个节点(Node),
不过意大利亚特兰大队情报总监很看好这项技术,
并举例2019年欧冠半决赛,谁最有可能接球,
通过显式地在模型中引入对称性约束,能够学习到节点的高维潜在特征如球员的角色、
DeepMind团队表示 ,