• 简中
    • 繁中
  • 注册
  • 查看作者
  • 当AI碰上足球,DeepMind和利物浦队擦出‌火花

    转载:本文来自微信公众号“新智元”(ID:AI_era),作者:新智元,编辑:LQ,好困,转载经授权发布

    【导读】最近DeepMind同英超卫冕冠军利物浦合作,一个测试算法,一个寻求AI帮助——希望借助AI帮球员进球,噉样结果点样呢?

    1950年3月,曾喺二战服役嘅英国皇家空军中校、会计师查尔斯 · 里普(Charles Reep)发现他最钟意嘅足球喺战术革命上变得停滞唔前。

    里普从20世纪30年代起就对足球产生‌浓厚嘅兴趣,他非常钟意赫尔伯特·查普曼(Herbert Chapman)率领嘅阿森纳先锋队。

    一次,他去睇斯温顿和布里斯托尔嘅三分球比赛,比赛非常没意思,里普睇到‌无数次进攻,但一个球也没进,中场休息时,他嘅耐心耗尽嘎啦。

    他抓起身边嘅笔记本和铅笔,开始疯狂地记录球场上发生嘅事——他开始计算传球和进球嘅次数,呢是第一次,有人尝试系统地利用数据分析足球。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    AI喺足球场上小试牛刀

    70年后,数据革命深入各个领域,应用非常普遍,数据革命嘅粉丝们精通 xG (Expected goals,预期目标)和净支出嘅使用。

    甚至,英超联赛嘅卫冕冠军利物浦开始同DeepMind联手,探索人工智能喺足球界嘅应用。这两个组织嘅研究人员最近喺《人工智能研究杂志》( Journal of Artificial Intelligence Research)上发表‌一篇论文,概述‌一啲潜喺嘅应用。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    该论文嘅第一作者、DeepMind嘅AI研究员Karl Tuyls讲:「时机刚啱好!」

    DeepMind喺利物浦嘅合作源于他之前喺利物浦大学嘅工作(DeepMind 嘅创始人 Demis Hassabis 都系利物浦嘅终身球迷,都系这项研究嘅顾问)。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    这两个小组聚喺一齐讨论人工智能喺边啲方面能够帮助足球运动员和教练。

    利物浦还向 DeepMind 提供‌2017年至2019年间每场英超比赛嘅数据。

    近年来,随住传感器、 GPS追踪器和计算机视觉算法嘅使用,研究足球比赛中球嘅运动路径嘅可用数据量大大增加。

    对于足球队嚟讲,人工智能帮助发现教练无办法发现嘅模式; 对于DeepMind嘅研究人员嚟讲,足球为佢哋提供‌一个受限制但具有挑战性嘅环境,让他喺路上测试自己嘅算法。

    「足球非常有趣,因为有好多agents喺场,佢哋相互之间有竞争、有合作, 」Tuyls说。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    同国际象棋或围棋唔同,喺现实世界中进行嘅足球有其内喺嘅唔确定性。

    唔过,呢并唔意味住唔可以做出预测——这正系人工智能可能被证明特别有用嘅一个领域。

    这篇论文展示‌点样通过训练一个模型来预测一支特定球队和球员喺特定情况下球员嘅反应: 例如,如果你喺对阵曼城嘅比赛中将一个长球打入右手通道,凯尔·沃克会朝特定方向跑,而约翰·斯通斯可能唔会咁做,他会做出别嘅应对。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    凯尔·沃克

    噉就是所谓嘅「重影」(ghosting)——因为替代嘅轨迹覆盖喺实际发生嘅事上,好似喺电子游戏中一样——并且有一系列唔同嘅应用。例如,佢可以用来预测战术变化嘅影响,或者如果一个关键球员受伤嘎啦,对手可能会点样打。

    呢啲都系教练们可能会注意到嘅事,Tuyls强调目标唔系设计工具来取代教练。「有大量嘅数据,大量嘅数据需要消化,处理呢啲海量嘅数据并唔一定那么容易, 我哋正喺度努力开发辅助技术。」

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    喺足球分析方面,通过自动视频辅助教练(AVAC)系统,可以为决策者提供长远分析 。以上是AVAC界面嘅示例图,其中根据姓名识别进攻和防守球员,对其进行跟踪并随后将其传递到可用于分析潜喺意图嘅预测性轨迹模型中。

    研究人员还对过去几个赛季欧洲范围内进行嘅12000几次点球进行‌分析,并根据佢哋嘅比赛风格将球员分类,然后使用呢啲信息预测佢哋最有可能被判罚犯规嘅地方以及佢哋系咪可能得分。例如,前锋比前卫更有可能瞄准球门嘅左下角,而后者会采取更为平衡嘅方式。

    第啲模型也许能够通过反事实数据来评估一个特定嘅动作(比如传球)对最后得分嘅贡献程度。佢哋可以喺赛后分析中用来向球员展示点解佢哋应该喺特定情况下传球而唔系尝试射门。

    利用球员场上表现嘅数据训练出嘅模型可能比人类教练能更好地追踪球员嘅疲劳程度,并喺受伤之前建议换人。

    AI嘅最佳应用:要有人工辅助

    而家嘅做法同里普喺1950年代试图做嘅事跨越时间实现‌「隔空回应」,他利用自己嘅数据(错误地)计算出大多数进球系喺四次或少于四次传球后实现,而他嘅分析帮助引入‌「长传冲吊」(long-ball football)嘅战术,呢成为‌英格兰足球比赛持续‌几十年嘅标志。

    喺第啲领域,有好多引人注目嘅例子,其中AI会得出毫无意义或完全错误嘅答案。比如一啲接受电子游戏训练嘅AI会通过打破游戏规则或无视物理定律来获胜。

    或者像若泽·穆里尼奥(Jose Mourinho)一样,AI会认定获胜嘅最佳方法系等对手保持控球状态并等待佢哋犯错。

    当AI碰上足球,DeepMind和利物浦队擦出‌火花

    因此,Tuyls表示,模型嘅建立必须由专家进行调试,从而防止AI进行错误嘅推论。

    cantonese.live 足跡 粵字翻譯

  • 0
  • 0
  • 0
  • 161
  • 请登录之后再进行评论

    登录
  • 任务
  • 发布
  • 偏好设置
  • 单栏布局 侧栏位置: