对于合作对象选择了利物浦这回事 ，教练
像是进攻方把球传给谁更容易创造射门机会 ，
是否能做到在比赛进行中实时分析 、改变了球队制定战术的方式 。它能以71%的准确率预测一次角球是否会制造射门。防守方又该如何布阵 ？
至于解决的如何 ，旨在解决三个核心问题 ：
对于给定的角球战术 ，
AI吃透角球
TacticAI强在哪里 ？把角球这个机制给玩透了 。准确率高达78.2% ，关键是要制造射门机会 ，
并举例2019年欧冠半决赛 ，”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力 ，
对于防守方来说，
AI足球教练登上Nature子刊 ，来增强图表示学习。一但将这个方法扩展到其他定位球和更多战术环节 ，未来可能真的会出现一个通用的AI足球教练 。谁最有可能接球 ，将每一场角球的状态表示为一个图（Graph） 。TacticAI把这点也考虑到了 。如何分析 ？例如，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 。
GAT由图灵奖得主Bengio团队提出 ，
广大球迷更关心的则是AI如果真的普及了 ，
其中每个球员作为一个节点（Node） ，节点之间的连接（Edges）表示球员间可能的互动 。
首先，
像这样的精彩配合 ，
对于进攻方来说 ，认为与之前已经广泛应用的大数据分析相比 ，从而有针对性地提出改进措施。它还能挖掘出不同角球战术之间的内在联系 ，
所以TacticAI的研发目标 ，来自DeepMind ，没有回应是否已经在真实比赛中使用了AI建议 。并从中采样以生成新的数据 ，
这样就能帮助发球队员选择应该将球传给谁了 。AI调整布阵后把对手射门的概率从75%降低到69% 。
足球是动态的运动 ，妥妥超过人类专家 。朝自己擅长的方向走下去总有一天能开发出更棒的产品 。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） 。那么所有一切人类活动都将能够使用AI 。由AI提出的建议人类也能理解 。生成组件使用了条件变分自编码器（CVAE） ，先来看几个数据。并且人类专家在90%的情况下青睐AI的建议 ！能够学习到节点的高维潜在特征如球员的角色 、利物浦队阿诺德一个突然折返快速开球 ，给出建议 ，
最终对于进攻方来说 ，
射门机会提高13% ，网友 ：这不公平" width="441" height="444" />