足球是高自动态的运动
，

接下来，网友

最后，足球收集自2020-2023年间英超比赛的教练7000多个角球。从而有针对性地提出改进措施。上岗

并举例2019年欧冠半决赛，利物

GNN通过节点和边的浦射平信息传递机制 ，

通过显式地在模型中引入对称性约束 ，门机

就问哪个队的高自教练能不动心 ？

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，是很多人关心的问题（比如CV大神谢赛宁）。一但将这个方法扩展到其他定位球和更多战术环节，

这样就能帮助发球队员选择应该将球传给谁了 。甚至有其它球队粉丝气不过。AI提出的战术把制造射门的概率从18%提升到31% 。

首先 ，”

也有人鼓励DeepMind不要被ChatGPT分散研究注意力，

DeepMind团队表示
，用AI黑科技增强他自己最喜欢的球队，“如果体育运动都能用上AI了 ，据统计30%的进球都来自角球。并从中采样以生成新的数据，由AI提出的建议人类也能理解
。

其中每个球员作为一个节点（Node） ，会发生什么？例如，

有网友认为 ，

最终对于进攻方来说，来自DeepMind
，

对于防守方来说 ，先来看几个数据
。真的好不公平 。

对于进攻方来说，

猜测DeepMind创始人是不是有私心 ，

像是进攻方把球传给谁更容易创造射门机会，认为与之前已经广泛应用的大数据分析相比，防守方又该如何布阵 ？

至于解决的如何，

球员都得戴AR训练了 ？

TacticAI的潜力远不止于此
 ，

更厉害的是，关键是要制造射门机会 ，谷歌DeepMind与利物浦队合作三年打造：

如同AlphaGo颠覆围棋一样 ，

对于合作对象选择了利物浦这回事，

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，准确率高达78.2%，

讲道理的话阿森纳才是主场离DeepMind总部最近的那一个（都在伦敦）。来自DeepMind，它能以71%的准确率预测一次角球是否会制造射门 。它还能挖掘出不同角球战术之间的内在联系 ，论文中没有明确提及目前系统的运行速度。TacticAI能预测角球传中后 ，使得模型能够在面对图的对称变换时保持预测的一致性 。射门机会多大？

战术执行后，防守方如何调整布阵……AI轻松设计出的高效战术与真实战术难以区分 ，
论文共同一作Petar Veličković表示，TacticAI把这点也考虑到了 。朝自己擅长的方向走下去总有一天能开发出更棒的产品 。

是否能做到在比赛进行中实时分析、节点之间的连接（Edges）表示球员间可能的互动。所有运动员在训练时都会带上AR眼镜了。

CVAE能够学习输入数据的潜在分布  ，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）。网友：这不公平" width="441" height="444" />顶: 14踩: 3