Google Deepmind和英超利物浦足球队合作，发布角球战术AI分析系统TacticAI

　　近日，据谷歌（Google）公司Deepmind团队与英超利物浦足球队合作开发了一款人工智能足球战术师原型产品TacticAI，一种人工智能系统，可以通过预测和生成式人工智能为教练提供战术见解，特别是在角球方面。尽管关于角球的黄金标准（gold-standard）数据的可用性有限，但TacticAI通过使用几何深度学习（geometric deep learning）方法来帮助创建更通用的模型，从而获得了最先进的结果。

　　在足球比赛中，角球有很高的进球可能性，但这往往需要依赖人类直觉和战术设计的结合，以识别对手球队的模式并及时做出反应。作为多年研究合作的一部分，Google Deepmind与利物浦足球队的专家们一起开发和评估了TacticAI。在90%的情况下，与比赛中看到的战术设置相比，TacticAI提供的建议更受人类专家评分者的青睐。

　　TacticAI展示了辅助人工智能技术的潜力，为球员、教练和球迷带来革命性的运动体验。像足球这样的运动也是开发人工智能的热门领域，因为它们具有现实世界的多智能体交互和多模态数据。

　　在三年前，Google Deepmind和与利物浦足球队开展合作，以推进人工智能在体育运动分析方面的应用。Google Deepmind的第一篇论文“Game Plan”探讨了为什么人工智能应该用于辅助足球战术，并重点探讨了点球分析等例子。2022年，Google Deepmind开发了Graph Imputer，展示了如何将人工智能与预测系统的原型一起用于足球分析任务。当没有跟踪数据可用时，该系统可以预测球员在镜头外的动作，否则，俱乐部就需要派一名球探亲自观看比赛。

　　TacticAI是一个完整的人工智能系统，结合了预测和生成模型。它旨在解决三个核心问题：对于一个给定的角球战术设置，会发生什么？例如，谁最有可能接球，会有射门尝试吗？一旦设置完成，我们能理解发生了什么吗？例:过去类似的战术策略奏效过吗？我们如何调整策略以实现特定的结果？例如，防守球员应该如何重新站位以减少近射的概率？

　　预测角球的结果是很复杂的，因为个体球员的随机性和他们之间的动态。这对人工智能来说也是一个挑战，因为可用的黄金标准角球数据有限。英超联赛每个赛季每场比赛只有大约10个角球。

　　TacticAI通过应用几何深度学习方法来预测角球的结果。首先，TacticAI通过将角球设置表示为图形来直接建模球员之间的隐式关系，其中节点表示球员（具有位置、速度、高度等特征），以表示他们之间的关系。然后，利用足球场的近似对称性。TacticAI的几何结构是Group Equivariant Convolutional Network的一种变体，它生成给定情况的所有四种可能的反射（原始、H翻转、V翻转、HV翻转），并强制对接球者和射门尝试的预测在所有四种情况下都是相同的。这种方法减少了神经网络可以表示的可能函数的搜索空间，使其遵守反射对称性，并产生更一般化的模型，使用更少的训练数据。

　　通过利用预测模型和生成模型，TacticAI可以帮助教练找到类似的角球，并测试不同的战术。

　　传统上，为了制定战术和反战术，战术分析师会重新观看许多比赛视频，寻找类似的例子，并研究对手的球队。TacticAI会自动计算球员的数字表现，这让专家可以轻松有效地查找相关的过去惯例。TacticAI的生成模型还允许人类教练重新设计角球战术，以优化某些结果的概率，例如减少防守设置的射门概率。TacticAI提供战术建议，可以调整特定球队中所有球员的位置。从这些建议的调整中，教练可以更快地识别出重要的模式，以及战术成功或失败的关键球员。

Powered by Froala Editor