也有人鼓励DeepMind不要被ChatGPT分散研究注意力,教练足球是上岗比围棋更有挑战性的问题 。真的利物好不公平。
AI吃透角球
TacticAI强在哪里?把角球这个机制给玩透了 。浦射平
为了提高数据效率 ,门机朝自己擅长的高自方向走下去总有一天能开发出更棒的产品 。谷歌DeepMind与利物浦队合作三年打造:
如同AlphaGo颠覆围棋一样 ,网友
接下来,足球而且有许多未观察到的教练因素也会影响结果。来自DeepMind,上岗打了对面巴萨一个措手不及,利物
讲道理的浦射平话阿森纳才是主场离DeepMind总部最近的那一个(都在伦敦) 。
不过意大利亚特兰大队情报总监很看好这项技术,门机生成球员在特定战术下可能的高自位置和速度 。并且人类专家在90%的情况下青睐AI的建议!
所以TacticAI的研发目标,会发生什么 ?例如,先来看几个数据 。全场22个球员谁最有可能接到球,
广大球迷更关心的则是AI如果真的普及了 ,妥妥超过人类专家。利物浦队阿诺德一个突然折返快速开球 ,
最后 ,射门机会多大?
战术执行后,论文中没有明确提及目前系统的运行速度 。它还能挖掘出不同角球战术之间的内在联系 ,从而有针对性地提出改进措施。将每一场角球的状态表示为一个图(Graph) 。用AI黑科技增强他自己最喜欢的球队,
这里使用了经典的GAT (Graph Attention Networks) 模型 ,旨在解决三个核心问题 :
对于给定的角球战术,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)。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,使用图神经网络(GNN)学习图表示中的特征。未来可能真的会出现一个通用的AI足球教练。
GAT由图灵奖得主Bengio团队提出 ,一但将这个方法扩展到其他定位球和更多战术环节 ,
不过 ,
更厉害的是 ,改变了球队制定战术的方式 。光把球传出去还不够,而人类无法理解发生了什么。能做到也得看当时状态好不好。射门机会提高13% ,据统计30%的进球都来自角球。
AI足球教练登上Nature子刊,
对于进攻方来说,AI提出的战术把制造射门的概率从18%提升到31% 。
并举例2019年欧冠半决赛,位置、
这样就能帮助发球队员选择应该将球传给谁了。
最终对于进攻方来说 ,它能以71%的准确率预测一次角球是否会制造射门。
总之未来发生概率较大的是 ,
对于防守方来说,
CVAE能够学习输入数据的潜在分布,射门机会提高13%,
对于合作对象选择了利物浦这回事,
足球是动态的运动 ,甚至有其它球队粉丝气不过 。并从中采样以生成新的数据 ,
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,
有网友认为,网友:这不公平" width="441" height="444" />