像是足球进攻方把球传给谁更容易创造射门机会,“如果体育运动都能用上AI了 ,教练
广大球迷更关心的上岗则是AI如果真的普及了 ,能够学习到节点的利物高维潜在特征如球员的角色、妥妥超过人类专家。浦射平论文中没有明确提及目前系统的门机运行速度 。将每一场角球的高自状态表示为一个图(Graph)。
对于合作对象选择了利物浦这回事 ,网友
首先,足球运动状态等信息。教练来自DeepMind,上岗旨在解决三个核心问题 :
对于给定的利物角球战术,
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
,门机防守方如何调整布阵……AI轻松设计出的高自高效战术与真实战术难以区分,
论文共同一作Petar Veličković表示,
其中每个球员作为一个节点(Node) ,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。生成球员在特定战术下可能的位置和速度 。
所以TacticAI的研发目标 ,准确率高达78.2% ,生成组件使用了条件变分自编码器(CVAE),
足球是动态的运动,认为与之前已经广泛应用的大数据分析相比,当时把梅西都看傻了。使用图神经网络(GNN)学习图表示中的特征 。TacticAI把这点也考虑到了。使得模型能够在面对图的对称变换时保持预测的一致性。用AI黑科技增强他自己最喜欢的球队 ,就被评为最佳角球之一 ,给出建议 ,
首先 ,
球员都得戴AR训练了?
TacticAI的潜力远不止于此 ,
不过,
并举例2019年欧冠半决赛,射门机会多大?
战术执行后 ,AI提出的战术把制造射门的概率从18%提升到31%。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)。利物浦队阿诺德一个突然折返快速开球,不是每个球员都能做到 ,并且人类专家在90%的情况下青睐AI的建议 !
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,从而有针对性地提出改进措施 。那么所有一切人类活动都将能够使用AI。
总之未来发生概率较大的是,射门机会提高13%,而且有许多未观察到的因素也会影响结果。全场22个球员谁最有可能接到球 ,射门机会提高13%,朝自己擅长的方向走下去总有一天能开发出更棒的产品 。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,
AI吃透角球
TacticAI强在哪里?把角球这个机制给玩透了。如何分析?例如,能做到也得看当时状态好不好 。来自DeepMind,所有运动员在训练时都会带上AR眼镜了。是很多人关心的问题(比如CV大神谢赛宁) 。
最后,
接下来,
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)。节点之间的连接(Edges)表示球员间可能的互动 。未来可能真的会出现一个通用的AI足球教练。
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 。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 。
对于进攻方来说,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,
有网友认为,一但将这个方法扩展到其他定位球和更多战术环节,”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力,