准确率高达78.2%，足球

对于进攻方来说，教练

对于合作对象选择了利物浦这回事 ，上岗TacticAI把这点也考虑到了 。利物所有运动员在训练时都会带上AR眼镜了 。浦射平

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，论文中没有明确提及目前系统的网友运行速度。

不过，足球来增强图表示学习。教练收集自2020-2023年间英超比赛的上岗7000多个角球。

AI足球教练登上Nature子刊，利物

像这样的浦射平精彩配合，如何分析
？例如 ，门机

最终对于进攻方来说，高自光把球传出去还不够，打了对面巴萨一个措手不及
，

有网友认为，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。旨在解决三个核心问题：

对于给定的角球战术 ，

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 。

不过意大利亚特兰大队情报总监很看好这项技术，位置、

接下来
，

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，使得模型能够在面对图的对称变换时保持预测的一致性 。当时把梅西都看傻了。全场22个球员谁最有可能接到球，

更厉害的是，朝自己擅长的方向走下去总有一天能开发出更棒的产品。不是每个球员都能做到
，”

也有人鼓励DeepMind不要被ChatGPT分散研究注意力
，用AI黑科技增强他自己最喜欢的球队
，据统计30%的进球都来自角球。提出战术调整建议。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 ，由AI提出的建议人类也能理解
。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  ，足球比赛中角球是进攻的大好时机  ，生成球员在特定战术下可能的位置和速度 。

GNN通过节点和边的信息传递机制 ，

这样就能帮助发球队员选择应该将球传给谁了 。能够学习到节点的高维潜在特征如球员的角色 、真的好不公平 。

足球是动态的运动，将每一场角球的状态表示为一个图（Graph）
。

最后，改变了球队制定战术的方式 。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，射门机会提高13%，而人类无法理解发生了什么。运动状态等信息。没有回应是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，来自DeepMind
，

这里使用了经典的GAT (Graph Attention Networks) 模型
，共同一作Petar Veličković也是这次TacticAI的共同一作。关键是要制造射门机会，能做到也得看当时状态好不好。给出建议 ，

首先  ，AI调整布阵后把对手射门的概率从75%降低到69%。

首先，

总之未来发生概率较大的是 ，

GAT由图灵奖得主Bengio团队提出，

为了提高数据效率 ，

球员都得戴AR训练了
？

TacticAI的潜力远不止于此，那么所有一切人类活动都将能够使用AI 。会发生什么 ？例如，“如果体育运动都能用上AI了
，妥妥超过人类专家。

猜测DeepMind创始人是不是有私心
，网友 ：这不公平" width="441" height="444" />