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 。教练用AI黑科技增强他自己最喜欢的上岗球队，

AI吃透角球

TacticAI强在哪里？把角球这个机制给玩透了 。利物一但将这个方法扩展到其他定位球和更多战术环节 ，浦射平就被评为最佳角球之一
，门机

GAT由图灵奖得主Bengio团队提出，高自足球比赛中角球是网友进攻的大好时机
，朝自己擅长的足球方向走下去总有一天能开发出更棒的产品。没有回应是教练否已经在真实比赛中使用了AI建议 。

并举例2019年欧冠半决赛
，上岗对足球比赛的利物观赏性是增加还是削弱 ？

这次研究的合作方利物浦队
，如何分析？例如，浦射平由AI提出的门机建议人类也能理解。并且人类专家在90%的高自情况下青睐AI的建议！光把球传出去还不够 ，也就是用了大模型上常见的注意力机制
，

像是进攻方把球传给谁更容易创造射门机会，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 。旨在解决三个核心问题 ：

对于给定的角球战术，从而有针对性地提出改进措施
。

这里使用了经典的GAT (Graph Attention Networks) 模型，防守方又该如何布阵？

至于解决的如何 ，将每一场角球的状态表示为一个图（Graph）。会发生什么 ？例如 ，

广大球迷更关心的则是AI如果真的普及了，改变了球队制定战术的方式。共同一作Petar Veličković也是这次TacticAI的共同一作 。足球是比围棋更有挑战性的问题。而且有许多未观察到的因素也会影响结果。

对于防守方来说，来自DeepMind ，位置 、
论文共同一作Petar Veličković表示，据统计30%的进球都来自角球。

球员都得戴AR训练了 ？

TacticAI的潜力远不止于此 ，

足球是动态的运动 
，

像这样的精彩配合，它能以71%的准确率预测一次角球是否会制造射门  。

不过
，

通过分析接球概率和射门概率的关系，

CVAE能够学习输入数据的潜在分布 ，真的好不公平。AI提出的战术把制造射门的概率从18%提升到31%
。给出建议 ，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 。运动状态等信息。准确率高达78.2%
，

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，关键是要制造射门机会，

猜测DeepMind创始人是不是有私心，

首先，是很多人关心的问题（比如CV大神谢赛宁）。全场22个球员谁最有可能接到球，来增强图表示学习。

不过意大利亚特兰大队情报总监很看好这项技术
，

通过显式地在模型中引入对称性约束 ，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）。它还能挖掘出不同角球战术之间的内在联系，妥妥超过人类专家。而人类无法理解发生了什么。谁最有可能接球
，

最后
，不是每个球员都能做到，

所以TacticAI的研发目标，网友：这不公平" width="441" height="444" />顶: 991踩: 619