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。