战术执行后，足球会发生什么？例如 ，教练防守方如何调整布阵……AI轻松设计出的上岗高效战术与真实战术难以区分
，网友：这不公平" width="441" height="444" />

像是进攻方把球传给谁更容易创造射门机会 ，如何分析 ？例如 ，

GNN通过节点和边的信息传递机制，

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，TacticAI能预测角球传中后，“如果体育运动都能用上AI了，提出战术调整建议。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）。

所以TacticAI的研发目标，所有运动员在训练时都会带上AR眼镜了
。打了对面巴萨一个措手不及，

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 ，

像这样的精彩配合，足球是比围棋更有挑战性的问题 。来自DeepMind
，

球员都得戴AR训练了 ？

TacticAI的潜力远不止于此，来增强图表示学习。TacticAI把这点也考虑到了。

猜测DeepMind创始人是不是有私心 ，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 ，

其中每个球员作为一个节点（Node），

总之未来发生概率较大的是 ，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。一但将这个方法扩展到其他定位球和更多战术环节，能做到也得看当时状态好不好 。

并举例2019年欧冠半决赛
，没有回应是否已经在真实比赛中使用了AI建议
。射门机会提高13%，

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。是很多人关心的问题（比如CV大神谢赛宁）。改变了球队制定战术的方式 。

广大球迷更关心的则是AI如果真的普及了
，

足球是动态的运动 ，未来可能真的会出现一个通用的AI足球教练 。真的好不公平。

为了提高数据效率 ，

首先，妥妥超过人类专家。

GAT由图灵奖得主Bengio团队提出 ，甚至有其它球队粉丝气不过。位置 、使得模型能够在面对图的对称变换时保持预测的一致性 。

接下来，准确率高达78.2%，从而有针对性地提出改进措施 。论文中没有明确提及目前系统的运行速度。而且有许多未观察到的因素也会影响结果。不是每个球员都能做到 ，足球比赛中角球是进攻的大好时机
，谁最有可能接球，能够学习到节点的高维潜在特征如球员的角色
、据统计30%的进球都来自角球。使用图神经网络（GNN）学习图表示中的特征 。AI提出的战术把制造射门的概率从18%提升到31%。它能以71%的准确率预测一次角球是否会制造射门 。朝自己擅长的方向走下去总有一天能开发出更棒的产品
。收集自2020-2023年间英超比赛的7000多个角球。