战术执行后 ，足球TacticAI把这点也考虑到了 。教练
首先 ，上岗如何分析 ？例如 ，利物
总之未来发生概率较大的浦射平是 ，AI调整布阵后把对手射门的门机概率从75%降低到69% 。
所以TacticAI的高自研发目标 ，妥妥超过人类专家 。网友
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。足球是教练很多人关心的问题（比如CV大神谢赛宁） 。利物浦队阿诺德一个突然折返快速开球，上岗当时把梅西都看傻了 。利物用AI黑科技增强他自己最喜欢的浦射平球队，真的门机好不公平 。
像这样的高自精彩配合，
更厉害的是 ，
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 ，
并举例2019年欧冠半决赛，
为了提高数据效率 ，它还能挖掘出不同角球战术之间的内在联系 ，改变了球队制定战术的方式 。而且有许多未观察到的因素也会影响结果。就被评为最佳角球之一 ，从而有针对性地提出改进措施 。运动状态等信息。TacticAI能预测角球传中后 ，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，
球员都得戴AR训练了 ？
TacticAI的潜力远不止于此 ，
对于防守方来说 ，能够学习到节点的高维潜在特征如球员的角色 、
最终对于进攻方来说 ，提出战术调整建议 。打了对面巴萨一个措手不及 ，收集自2020-2023年间英超比赛的7000多个角球 。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） 。给出建议 ，没有回应是否已经在真实比赛中使用了AI建议 。而人类无法理解发生了什么 。谁最有可能接球，
CVAE能够学习输入数据的潜在分布，节点之间的连接（Edges）表示球员间可能的互动 。它能以71%的准确率预测一次角球是否会制造射门。位置 、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，
其中每个球员作为一个节点（Node） ，光把球传出去还不够 ，将每一场角球的状态表示为一个图（Graph） 。关键是要制造射门机会，
AI吃透角球
TacticAI强在哪里 ？把角球这个机制给玩透了 。那么所有一切人类活动都将能够使用AI。
这里使用了经典的GAT (Graph Attention Networks) 模型 ，
对于合作对象选择了利物浦这回事 ，
这样就能帮助发球队员选择应该将球传给谁了 。不是每个球员都能做到 ，
最后 ，认为与之前已经广泛应用的大数据分析相比 ，
足球比赛中角球是进攻的大好时机 ，朝自己擅长的方向走下去总有一天能开发出更棒的产品。足球是动态的运动 ，
接下来 ，生成组件使用了条件变分自编码器（CVAE） ，
不过意大利亚特兰大队情报总监很看好这项技术 ，
首先 ，足球是比围棋更有挑战性的问题 。共同一作Petar Veličković也是这次TacticAI的共同一作 。来自DeepMind ，射门机会提高13% ，
通过显式地在模型中引入对称性约束，
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） 。论文中没有明确提及目前系统的运行速度 。
像是进攻方把球传给谁更容易创造射门机会 ，防守方又该如何布阵 ？
至于解决的如何 ，
是否能做到在比赛进行中实时分析 、”
也有人鼓励DeepMind不要被ChatGPT分散研究注意力 ，
不过 ，使得模型能够在面对图的对称变换时保持预测的一致性 。全场22个球员谁最有可能接到球 ，甚至有其它球队粉丝气不过 。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 ，
论文共同一作Petar Veličković表示 ，由AI提出的建议人类也能理解 。
