接下来，教练真的上岗好不公平。

所以TacticAI的利物研发目标，

广大球迷更关心的浦射平则是AI如果真的普及了 ，

为了提高数据效率，门机共同一作Petar Veličković也是高自这次TacticAI的共同一作。

猜测DeepMind创始人是网友不是有私心，

DeepMind团队表示，足球网友：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，

就问哪个队的教练能不动心？

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，

GNN通过节点和边的信息传递机制 ，节点之间的连接（Edges）表示球员间可能的互动 。能做到也得看当时状态好不好。论文中没有明确提及目前系统的运行速度。准确率高达78.2%，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） 。没有回应是否已经在真实比赛中使用了AI建议
。将每一场角球的状态表示为一个图（Graph）  。如何分析？例如，AI提出的战术把制造射门的概率从18%提升到31%  。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。它能以71%的准确率预测一次角球是否会制造射门。就被评为最佳角球之一，妥妥超过人类专家 。光把球传出去还不够，也就是用了大模型上常见的注意力机制
，

并举例2019年欧冠半决赛，谷歌DeepMind与利物浦队合作三年打造
：

如同AlphaGo颠覆围棋一样 ，

AI足球教练登上Nature子刊 
，

这里使用了经典的GAT (Graph Attention Networks) 模型  ，使用图神经网络（GNN）学习图表示中的特征 。不是每个球员都能做到，先来看几个数据
。足球比赛中角球是进攻的大好时机，

对于进攻方来说，全场22个球员谁最有可能接到球 ，关键是要制造射门机会，“如果体育运动都能用上AI了，当时把梅西都看傻了。使得模型能够在面对图的对称变换时保持预测的一致性。并且人类专家在90%的情况下青睐AI的建议 ！认为与之前已经广泛应用的大数据分析相比
，改变了球队制定战术的方式
。

通过显式地在模型中引入对称性约束 ，

其中每个球员作为一个节点（Node） 
，旨在解决三个核心问题：

对于给定的角球战术
，

更厉害的是 ，所有运动员在训练时都会带上AR眼镜了。
论文共同一作Petar Veličković表示，给出建议 ，

对于防守方来说，

足球是动态的运动 ，用AI黑科技增强他自己最喜欢的球队 ，

球员都得戴AR训练了
？

TacticAI的潜力远不止于此
，

AI吃透角球

TacticAI强在哪里 ？把角球这个机制给玩透了。来增强图表示学习 。射门机会多大 ？

战术执行后 ，

有网友认为 ，射门机会提高13%，位置 、