足球界最令人兴奋的年轻教练可能不是勒沃库森或兰斯球场，甚至不是博洛尼亚足球俱乐部。 它可能在 Google DeepMind。

在过去的几年里，这家搜索巨头的人工智能部门一直在与利物浦足球俱乐部合作，将人工智能带入世界上最受欢迎的运动中。

2021 年，DeepMind 研究人员开发了一种模型，可以根据球员的外场位置预测罚球点。

2022 年，他们开发了一款可以分析游戏视频片段的产品，以预测玩家接下来会跑到哪里，即使他们已经跑出了屏幕。 “但这些系统都不是一个完整的原型，可以为现实世界中的教练提供有用的建议，”谷歌 DeepMind 的研究员Petar Veličković 说。 “我们希望真正构建一些可以形成可行系统的东西。”

输入 TacticAI。 它最初是一个开放比赛的预测系统，可以分析比赛并告诉教练谁最有可能接到传球，或者他们创造危险进球机会的机会有多大。 但利物浦的数据分析师和教练想要更简单的东西。 “在公开比赛中，你无法做出很多有用的现场改变，因为有 22 名球员，而且非常动态，如果你试图一时冲动做出改变，你最终可能会让人们感到困惑” 维利科维奇说。

相反，利物浦建议 DeepMind 的研究人员专注于角球。 每场比赛大约有 10 次，场上的动作被有效地冻结，进攻方有机会将球打入禁区。 但实际上只有五十分之一的角球能够进球。 精英俱乐部在比赛前已经花费了大量的时间来准备角球路线和防守计划，包括精心设计的跑动路线和阻挡方案。 “如果你能增加在角球处得分或防守的机会，那么整个赛季的整合都会真正给你带来竞争优势，”维利科维奇说。

研究人员利用 2020 年和 2021 年英超联赛中 7,176 个角球的球员跟踪数据，首先将球员的排列表示为图表，并将球员的位置、移动、身高和体重编码为图表上的节点 ，以及玩家之间的关系作为他们之间的线。 然后他们使用了一种称为几何深度学习的方法，该方法利用足球场的对称性来减少神经网络所需的处理量。 （这并不是一个新策略——DeepMind 颇具影响力的 AlphaGo 研究中也使用了类似的方法。）

由此产生的模型催生了许多对足球教练有用的工具。 根据开球时球员的排列，TacticAI 可以预测哪位球员最有可能首先触球，以及是否会射门。 然后，它可以生成调整球员位置和移动的最佳方法的建议，以最大限度地提高射门机会（对于进攻队）或最小化射门机会（对于防守队）——将防守队员转移到近门柱 例如，或者将一个人放在该区域的边缘。

维利科维奇说，利物浦的足球专家特别喜欢 TacticAI 的建议，它可以准确地指出对特定战术的成功至关重要的攻击者，或“在方向盘上打瞌睡”的防守者。 分析师花费数小时筛选视频片段，寻找对手防守体系中可以瞄准的弱点，或者试图找到自己球队表现中的漏洞，以便在训练中加倍努力。 “但是要追踪 22 个人、不同情况下的情况确实很困难，”Veličković 说。 “如果你有这样的工具，它会立即帮助你了解哪些球员没有以正确的方式移动，哪些球员应该做不同的事情。”

TacticAI 还可以用于寻找具有相似球员和运动模式的其他角落，再次为分析师节省数小时的时间。 据 DeepMind 称，利物浦教练认为该模型提出的建议有用的次数是当前技术的两倍，目前的技术仅基于球员的身体坐标，不考虑他们的运动或身体属性。 （两个角球可能看起来是一样的，但如果其中一个角球的高大前锋位于禁区边缘，而另一个角球则跑向近门柱，这可能很重要。）

据该论文的另一位主要撰稿人 DeepMind 的 Zhe Wang 称，它还在做的一件事是弥补缺乏合适的语言来描述角落里可能发生的各种不同事情的情况。 与美式足球不同，美式足球对不同的比赛和跑动路线有深刻而传奇的术语，如此详细地编排足球定位球是一个相对较新的现象。 “不同的教练可能对他们观察到的角球模式有自己的表达方式，”王说。 “因此，通过 TacticAI，我们希望利用深度学习的力量来建立一种通用语言来描述角球模式。”

论文称，未来，研究人员希望将 TacticAI 构建成自然语言界面，以便教练可以通过文本查询并获得他们在球场上试图解决的问题的答案。 维利科维奇表示，该模型可以在比赛期间帮助教练即时完善角球动作，但它最有可能在比赛前几天有用，因为它可以节省教练的时间。 “我们不想构建取代专家的人工智能系统，”维利科维奇说。 “我们希望构建能够增强专家能力的人工智能系统，以便他们能够更有效地完成工作，并有更多时间进行辅导的创造性部分。”

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。