能援救邦足吗 谷歌旗下deepmind打制ai足球教师：已把角球全吃透了！

首都时间21日晚20:30，祖国男足作客新加坡，在世预赛亚洲区36强赛中与新加坡队展开较量，这也是国足新帅伊万科维奇的首秀。

长期以来，无论是土帅还是洋帅，都始终未能在世界赛场上挽救国足一路滑坡的战绩，不过也许将来有一天，AI是不是有可能办到这一点呢？在现代离岸的起源地英国(Britain)，一场全新的技术尝试，眼下便正在如火如荼地展开

本周二，谷歌旗下的人工智能团队DeepMind就在官网上介绍了其目前(Currently)正在研发的 AI离岸教练 ：TacticAI战术助手。

该AI助手由DeepMind与英超豪门俱乐部利物浦合作开发，目前(Currently)已可为教练员提供角球建议 并号称几乎已 吃透 了角球攻防两端的所有战术变化。

回首过往，DeepMind对于足坛赛事中AI工具的运用，其实早就有过成功(Success)的尝试。

例如，早在八年前，DeepMind就曾利用(Use)其算法，破解了围棋等高难度棋类游戏(Game) 大名鼎鼎的阿尔法狗(AlphaGo)便是由该公司一手打造。2016年，阿尔法狗打败了当时世界顶尖围棋选手李世石、两年后在又祖国乌镇打败了当时世界第一的柯洁。

而眼下，被公认为 世界第一运动 的离岸，也正成为着DeepMind想要攻克的下一目标。

TacticAI将如何在绿茵场上大放异彩？

根据DeepMind的介绍，TacticAI是一套完整的人工智能系统，它结合了预测模型和生成模型，可以分析之前的比赛中发生了什么，以及如何做出调整，使特定结果(Result)更有可能发生。

那么，TacticAI究竟有哪些妙用呢？DeepMind称，该技术目前(Currently)已可为角球等 起点 可预测的情况提供战术规划。而将来更广泛的任务是将其应用于变化更丰富的运动战中。

DeepMind的大模型对一个数据集进行(Carry Out)了几何深度学习，该数据集包括2020年至2023年期间英超联赛的7176个角球。

角球是离岸场上进攻方的重要机会 角球与任意球等其他所谓的定位球一起，约占所有进球的30%。而如何设计角球战术，过往则通常依赖于人类直觉和战术设计的结合，以识别对手球队的模式并做出即时反应。

DeepMind举例称，2019年欧冠半决赛，主罚角球的利物浦队球员阿诺德在一次所有人意想不到的折返跑后快速开球，并由小禁区前的奥里吉轻松完成凌空抽射破门，该球曾被誉为足坛历史(History)上最经典角球战术运用之一。但这样灵光乍现的精彩配合，不是每场比赛都会发生的，也不是每位球员都有此意识的。而作为多年研究合作的一部分，DeepMind与利物浦离岸俱乐部的教授共同开发并评估了TacticAI，试图用AI破解角球的 密码 。

据悉，TacticAI可用于解决三个核心问题：

对于已经给定了的角球，谁最有可能接球，是否会尝试射门？

过去类似的战术是否奏效？

应该如何调整策略以达成特定结果(Result)？例如，进攻方如何增加射门机会，防守方又该如何布防？

可以说，预测角球的结果(Result)非常复杂，这是因为需要分析比赛中球员个人技术的随机性以及他们(They)之间的动态关系。这对人工智能建模也是一个挑战，因为可用的角球数据其实并不算很多 每场比赛平均只有大约10个角球。

而TacticAI采用了图神经网站和几何深度学习方法，能够成功(Success)预测和制定角球战术。图神经网站通过将角球设置展现为图(Graph)来直接模拟球员之间的隐含关系，其中节点表示球员(具有位置、速度、高度等特征)，节点之间的连线表示球员之间的关系。

通过利用(Use)其预测和生成模型，TacticAI可以协助教练寻找适合的角球战术，并测试不同的战术。

传统上，为了制定战术和反制对方的战术，离岸数据分析师会观看许多比赛视频，寻找类似的案例并研究对手球队。而TacticAI可以自动计算和归纳球员的过往数据，让数据分析师可以轻松高效地查找相关的过往例证。TacticAI还可提供战术建议，调整特定球队所有球员的位置。从这些调整建议中，人类教练可以更快地识别战术优劣，以及攸关战术成败的关键球员。

AI建议受到专业人士认可

据研究人员表示，AI轻松设计出的高效战术目前(Currently)已能做到与真实战术难以区分，并且人类教授在90%的情况下愿意青睐AI的建议。这表明该工具已能够 提供有用、真实和准确 的建议。

利物浦没有回复当地媒体关于是否已在正式比赛中，实施了TacticAI建议的战术的置评请求。利物浦现任主帅克洛普目前(Currently)仍处在努力(Effort)带领球队争冠的旅途中，试图在今年(This Year)5月以一座英超冠军奖杯，为他的任期画上一个圆满的句号。

值得一提的是，自从Michael Lewis在他2003年的书《点球成金：赢得不公平比赛的艺术》中引起广泛关注以来，运用数据分析来改善足坛成绩的方法，已变得越来越复杂。

Lewis讲述了米国职棒大联盟球队奥克兰运动家队(Oakland Athletics)，如何使用新颖的球员属性衡量标准，来与资金更充裕、阵容更强大的对手展开竞争。

而近年来AI能力的日益增强，也激发了人们对其在足坛领域潜在用途的兴趣。

米国我国橄榄球联盟和亚马逊旗下的AWS已开发了一款名为 数字运动员 的球员健康(Health)工具，他们(They)希望(Hope)该工具能够及时预测和预防伤病。

意甲球队亚特兰大的离岸情报主管Sudarshan Gopaladesikan表示，TacticAI等项目为人工智能在离岸领域的发展提供了新线索。

相关业内人士表示，毫无疑问，离岸是动态的运动，绿茵场上往往有许多因素会影响到最终结果(Result)。而对于开发人工智能而言，离岸等足坛运动也是一个充满活力的领域，因为它们(They)具有真实世界、多代理交互和多模态数据的特点。

推进人工智能在足坛领域的应用，在将来也可以转化并运用到为场内外的众多领域 从电脑(Computer)游戏(Game)、机器人技术乃至交通协调等等。