用人工智能改变足球

Alphabet旗下的公司正与利物浦合作，将计算机视觉和统计学习带入高风险的体育世界。

英超的利物浦球队与DeepMind合作，探索人工智能在足球世界的应用。这两家机构的研究人员今天在《人工智能研究杂志》(Journal of Artificial Intelligence Research)上发表了一篇论文，概述了一些潜在的应用。

DeepMind的人工智能研究员、这篇论文的主要作者之一卡尔·塔伊尔斯(Karl Tuyls)表示，时机刚刚好。DeepMind在利物浦的合作源于他之前在利物浦大学的工作。DeepMind创始人戴米斯·哈萨比斯(Demis Hassabis)也是利物浦的终身球迷，也是这项研究的顾问。这两个小组聚在一起讨论人工智能可能在哪些方面帮助足球运动员和教练。利物浦还向DeepMind提供了2017年至2019年英超联赛的每场比赛数据。

近年来，随着传感器、GPS追踪器和计算机视觉算法的使用，足球中可用的数据量不断膨胀，以跟踪球员和足球的运动。对于足球队来说，人工智能提供了一种教练无法发现的潜在模式的方法；对于DeepMind的研究人员来说，足球为他们提供了一个受限但富有挑战性的环境来测试他们的算法。图伊尔斯说：“像足球这样的比赛非常有趣，因为有很多经纪人在场，有竞争和合作的成分。”与国际象棋或围棋不同，足球具有内在的不确定性，因为它是在现实世界中进行的。

但这并不意味着你不能做出预测，而这正是人工智能可能特别有用的一个领域。本文演示了如何通过训练中模型的数据来预测一个特定的团队和阵容的球员在比赛中会如何反应。

这就是所谓的“重影”，因为替代轨迹会叠加在实际发生的轨迹上，就像在电子游戏中一样，有一系列不同的应用。例如，它可以用来预测战术变化的影响，或者如果一名关键球员受伤，对手将如何比赛。这些都是教练自己可能会注意到的事情，图伊尔强调，目的不是设计工具来取代他们。他说：“有大量的数据需要消化，处理这些数据并不一定那么容易。”我们正在努力开发辅助技术。”

作为论文的一部分，研究人员还对欧洲过去几个赛季中超过12000个点球进行分析，由此来判断他们习惯性的打法，然后使用这些信息来做出预测他们在哪里最有可能得到一个点球，他们是否容易得分。例如，前锋更有可能瞄准左下角，而中场球员则采取了更平衡的方式，数据显示，点球手的最佳策略可能是向最强的一方踢，这或许并不令人意外。

其他的模型可能能够分析反事实的数字，来估计一个特定的动作，如传球或铲球失误，对目标或预期进球xG的贡献有多大。它们可以用于赛后分析，向球员展示为什么他们应该在特定情况下传球而不是射门。一个以球员表现数据强度和健康状况为训练目标的模型可能比人类教练更好地追踪疲劳状况，并在球员受伤前建议他们休息。

雷佩试图所做的1950年代，他用他的数据(错误地)计算，大多数目标得分后的四个或更少，和他的分析帮助开启了一个长传足球风格。在过去，其他领域的AI会给出毫无意义或完全错误的答案，这是一个备受瞩目的例子，在电子游戏中训练的AI通过打破游戏规则或忽视物理定律而获胜。接受过足球数据训练的人工智能可能会像何塞·穆里尼奥(Jose Mourinho)的机器人一样，认为获得比赛结果的最佳方式实际上是让对手拿着球，等着他们犯错。

图伊尔斯说，这就是为什么为了防止人工智能系统的错误推理，重要的是模型的发现是由专家调解的。他说：“我们并不是要制造机器人，我们是要提高 人类的足球水平。”

图伊尔斯说，人工智能不会取代足球教练，但它的影响可能在未来10年内显现出来。他说，这样做的目的是要有一个无缝的系统，能够与球场上的人类球员很好地结合在一起，方便他们的工作。我认为在未来的六个月或一年里，你不会看到大的影响，但在未来的五年里，一些工具将会更发达，你还可以看到类似于“自动视频助理教练”的东西，它可以帮助进行赛前和赛后分析，或者可以查看比赛的前半部分，并就下半场可能发生的变化给你建议。