“AI足球助教”出線？畫戰(zhàn)術(shù)勝過人類教練！還能“拿捏”其他運(yùn)動

足球，是所有體育運(yùn)動中最受歡迎、接受度最高、普及面最廣的一種運(yùn)動。

而角球，是足球運(yùn)動中的一種可以直接快速得分、但難度極大且非常講究即時(shí)戰(zhàn)術(shù)的方式，不僅需要人類教練精心策劃，還需要人類足球運(yùn)動員的默契配合。

如今，人工智能（AI）在“讓角球成功入網(wǎng)”方面，遠(yuǎn)遠(yuǎn)超過了人類教練。

最近，由 Google DeepMind、利物浦足球俱樂部及其合作者提出的一個(gè)名為 TacticAI 的“AI 足球助教”，以 90% 的勝率，登上了 Nature 子刊 Nature Communications。

據(jù)介紹，TacticAI 能夠在足球比賽中預(yù)測角球結(jié)果，并提供實(shí)際且準(zhǔn)確的戰(zhàn)術(shù)建議。調(diào)查結(jié)果顯示，利物浦足球俱樂部的專家在 90% 的時(shí)間里會選擇 TacticAI 的建議，而不是來自人類教練的現(xiàn)有戰(zhàn)術(shù)。

研究團(tuán)隊(duì)表示，該研究或?yàn)橄乱淮闱?AI 助手奠定基礎(chǔ)，幫助教練確定最佳球員配置，并制定最有利于獲勝的反擊戰(zhàn)術(shù)。

此外，他們認(rèn)為，這項(xiàng)技術(shù)或許能拓展用于其他定位球，如擲界外球，還能拓展用于其他可以喊暫停的團(tuán)隊(duì)運(yùn)動等。

誰來接球？能進(jìn)嗎？

在足球比賽中，角球的戰(zhàn)術(shù)地位非常重要，因?yàn)樗梢詭碇苯拥梅?，并給了教練介入和提升比賽表現(xiàn)的直接機(jī)會。

因此，識別對手球隊(duì)實(shí)施戰(zhàn)術(shù)的關(guān)鍵模式并制定有效的應(yīng)對措施，是在現(xiàn)代足球比賽中取勝的關(guān)鍵要素。

尤其是在實(shí)際情況中，角球踢法在每場比賽前就已確定，那些幫助分析和提高得分率的系統(tǒng)有望很好地支持人類專家。

然而，如何通過算法做到這一點(diǎn)仍是一項(xiàng)公開的研究挑戰(zhàn)。

在這項(xiàng)研究中，研究團(tuán)隊(duì)利用利物浦足球俱樂部提供的英格蘭足球超級聯(lián)賽歷史上的 7176 個(gè)角球數(shù)據(jù)集訓(xùn)練了 TacticAI，通過幾何深度學(xué)習(xí)技術(shù)確定了能輸出可預(yù)測和可生成結(jié)果的關(guān)鍵策略模式。

圖｜TacticAI 的鳥瞰圖。（A) 如何將角球情況轉(zhuǎn)換為圖表示。每個(gè)球員都被視為圖中的一個(gè)節(jié)點(diǎn)。然后，圖神經(jīng)網(wǎng)絡(luò)通過執(zhí)行消息傳遞對該圖進(jìn)行操作；每個(gè)節(jié)點(diǎn)的表示都會根據(jù)其相鄰節(jié)點(diǎn)發(fā)送給它的消息進(jìn)行更新。B）TacticAI 如何處理給定的角球。為了確保 TacticAI 在面對水平或垂直反射時(shí)能魯棒地做出回答，所有可能的反射組合都會應(yīng)用到輸入的角球上，然后這四種視圖會被輸送到 TacticAI 模型，通過相互影響計(jì)算出最終的球員表示——每個(gè)內(nèi)部藍(lán)色箭頭都對應(yīng)（A）中的一個(gè)消息傳遞層。一旦計(jì)算出球員表征，它們就可以用來預(yù)測角球的接球方、是否已經(jīng)射門，以及對球員位置和速度進(jìn)行輔助調(diào)整，從而增加或減少射門的概率。

據(jù)論文描述，TacticAI 包含預(yù)測和生成兩大組件，允許教練有效采樣和探索每個(gè)角球程序的備選球員設(shè)置，并選擇那些預(yù)測成功可能性最高的球員。

通過這一方法，TacticAI 能準(zhǔn)確預(yù)測角球射出后的第一個(gè)接球人以及角球的直接結(jié)果。

圖｜使用 TacticAI 改進(jìn)角球戰(zhàn)術(shù)的示例。TacticAI 使人類教練有可能重新設(shè)計(jì)角球戰(zhàn)術(shù)，通過識別關(guān)鍵球員以及提供考慮到所有球員的時(shí)間協(xié)調(diào)戰(zhàn)術(shù)建議，幫助最大限度地提高進(jìn)攻隊(duì)或防守隊(duì)取得積極結(jié)果的概率。如本示例（A）所示，對于現(xiàn)實(shí)中有一次射門嘗試的角球（B），TacticAI 可以通過調(diào)整后衛(wèi)的位置（D），生成一個(gè)經(jīng)過戰(zhàn)術(shù)調(diào)整的設(shè)置，從而降低射門概率。建議的后衛(wèi)位置導(dǎo)致 2-5 號進(jìn)攻球員的接球概率降低，而距離門柱較遠(yuǎn)的 1 號進(jìn)攻球員的接球概率增加（C）。該模型能夠生成多個(gè)此類場景。教練可以直觀地查看不同的選項(xiàng)，還可以查閱 TacticAI 對所提出戰(zhàn)術(shù)的定量分析。

值得一提的是，研究團(tuán)隊(duì)不僅證明了 TacticAI 能夠準(zhǔn)確預(yù)測角球開出后的第一接球人、角球直接導(dǎo)致射門的概率，以及這些戰(zhàn)術(shù)設(shè)置是切實(shí)可行的，還請五名足球?qū)＜遥ㄈ麛?shù)據(jù)科學(xué)家、一名視頻分析師、一名利物浦足球俱樂部的教練助理）認(rèn)定了其與真實(shí)世界場景并無區(qū)別。

AI 早已“涉足”足球

事實(shí)上，AI “涉足”足球運(yùn)動早已不是先例。

就拿 Google DeepMind 來說，其早在 2022 年就推出了“AI 足球運(yùn)動員”，并將相關(guān)研究論文發(fā)表在了 Science 子刊 Science Robotics 上。

據(jù)介紹，這一“AI 足球運(yùn)動員”不僅可以完成帶球突破、身體對抗等多種動作，最終還可以完成精準(zhǔn)射門。有趣的是，2 年前的它還不懂角球、點(diǎn)球和任意球等定位球。

此外，研究團(tuán)隊(duì)也表示，他們當(dāng)時(shí)的方法不適合直接在機(jī)器人硬件上學(xué)習(xí)，研究成果也不會快速從模擬世界轉(zhuǎn)移應(yīng)用到現(xiàn)實(shí)世界。但他們認(rèn)為，他們的研究推動了 AI 向人類水平運(yùn)動智能邁進(jìn)。

回到這項(xiàng)研究中，研究團(tuán)隊(duì)表示，未來的研究將整合自然語言界面，實(shí)現(xiàn)與“足球 AI 助手”的對話，目的是檢索感興趣的特定情況，對給定的戰(zhàn)術(shù)變體進(jìn)行預(yù)測和對比，并通過互動過程提供指導(dǎo)，以得出戰(zhàn)術(shù)建議。

未來，隨著諸如大模型等 AI 技術(shù)的進(jìn)一步發(fā)展，人類的足球運(yùn)動會發(fā)展成什么樣呢？

可以說，這其中充滿了想象力。

參考鏈接：

https://www.nature.com/articles/s41467-024-45965-xhttps://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics/