Исследовать
В рамках нашего многолетнего сотрудничества с FC Liverpool мы разрабатываем полную систему ИИ, которая может консультировать тренеров по поводу угловых ударов.
«Угол принял быстро… Ориги!»
Ливерпульский ФК сделал историческое возвращение в полуфинале Лиги чемпионов УЕФА 2019 года. Одним из самых знаковых моментов был угловой удар Трента Александра-Арнольда, который выстроил в очередь Divock Origi, чтобы забить то, что произошло в истории как величайшая цель «Ливерпуля».
Угловые удары имеют большой потенциал для целей, но разработка рутины опирается на сочетание человеческой интуиции и игрового дизайна, чтобы определить шаблоны в соперничающих командах и реагировать на лету.
Сегодня, в природе коммуникаций, мы вводим тактику: систему искусственного интеллекта (ИИ), которая может предоставить экспертам с тактическими пониманиями, особенно на угловых ударах, посредством прогнозирующего и генеративного ИИ. Несмотря на ограниченную доступность стандартных золотых данных о угловых ударах, Tacticai достигает современных результатов, используя геометрический подход глубокого обучения, чтобы помочь создать более обобщаемые модели.
Мы разработали и оценили Tacticai вместе с экспертами из футбольного клуба «Ливерпуль» в рамках многолетнего исследовательского сотрудничества. Предложения Tacticai были предпочтительнее экспертов -экспертов человека в 90% случаев по сравнению с тактическими установками, которые можно увидеть на практике.
Tacticai демонстрирует потенциал вспомогательных методов ИИ для революции спорта для игроков, тренеров и поклонников. Спорт, такие как футбол, также является динамическим доменом для разработки ИИ, поскольку они имеют реальные многоагентные взаимодействия с мультимодальными данными. Добавление искусственного интеллекта для спорта может привести во многие области на поле и за его пределами – от компьютерных игр и робототехники до координации трафика.
Tacticai – это полная система ИИ с комбинированными прогнозирующими и генеративными моделями для анализа того, что произошло в предыдущих играх, и как внести коррективы в отношении более вероятных результатов.
Разработка плана игры с FC Liverpool
Пять лет назад мы начали многолетнее сотрудничество с FC Liverpool для продвижения ИИ для спортивной аналитики.
Наша первая статья, план игры, рассмотрел, почему ИИ должен использоваться при оказании помощи футбольной тактике, подчеркивая такие примеры, как анализ пенальти. В 2022 году мы разработали график, который показал, как ИИ можно использовать с прототипом прогнозирующей системы для нижестоящих задач в футбольной аналитике. Система могла бы предсказать движения игроков вне камеры, когда не было доступно данные отслеживания-в противном случае клуб должен был бы отправить разведчика, чтобы посмотреть игру лично.
Теперь мы разработали Tacticai как полную систему ИИ с комбинированными прогнозирующими и генеративными моделями. Наша система позволяет тренерам выбирать альтернативные настройки игроков для каждой представляющей интереса, а затем напрямую оценивать возможные результаты таких альтернатив.
Tacticai построен для решения трех основных вопросов:
- Что произойдет для данного углового удара, что будет? Например, кто, скорее всего, получит мяч, и будет ли попытка выстрела?
- Как только настройка была сыграна, можем ли мы понять, что случилось? Например, в прошлом схожая тактика сработала хорошо?
- Как мы можем скорректировать тактику, чтобы сделать определенный результат? Например, как следует изменить защитники игроков, чтобы уменьшить вероятность попыток выстрела?
Прогнозирование угловых результатов с геометрическим глубоким обучением
Угловой удар присуждается, когда мяч проходит над построением, после прикосновения к игроку защитной команды. Предсказание результатов угловых ударов является сложным из -за случайности игрового процесса от отдельных игроков и динамики между ними. Это также сложно для ИИ моделировать из-за доступных данных о ограниченном золотом угловом ударе-только около 10 угловых ударов играют в каждом матче в Премьер-лиге каждый сезон.
(А) Как угловые ситуации преобразуются в представление графика. Каждый игрок рассматривается как узел на графике. График нейронной сети работает над этим графиком, обновляя представление каждого узла, используя передачу сообщения.
(Б) Как Tacticai обрабатывает данный угловой удар. Все четыре возможных комбинации отражений применяются к углу и подаются на основную модель Tacticai. Они взаимодействуют, чтобы вычислить окончательные представления игроков, которые можно использовать для прогнозирования результатов.
Tacticai успешно прогнозирует угловой игр, применяя геометрический подход глубокого обучения. Во -первых, мы напрямую моделируем неявные отношения между игроками, представляя настройки угловых ударов в виде графиков, в которых узлы представляют игроков (с такими функциями, как положение, скорость, высота и т. Д.) И края представляют отношения между ними. Затем мы используем приблизительную симметрию футбольного поля. Наша геометрическая архитектура является вариантом групповой эквивалентной сверточной сверточной сети, которая генерирует все четыре возможных размышления о данной ситуации (оригинальная, H-лифрованная, V-лифрованная, HV-лиф) и заставляет наши прогнозы для приемников и попытки выстрела быть идентичными во всех все четыре из них. Этот подход уменьшает пространство поиска возможных функций, которые наша нейронная сеть может представлять для тех, кто уважает симметрию отражения – и дает более обобщаемые модели с меньшими учебными данными.
Предоставление конструктивных предложений для людей -экспертов
Используя свои прогнозирующие и генеративные модели, Tacticai может помочь тренерам, найдя аналогичные угловые удары и проверяя различную тактику.
Традиционно, чтобы разработать тактику и встречную тактику, аналитики пересматривают многие видеоролики игр, чтобы найти аналогичные примеры и исследовать конкурирующие команды. Tacticai автоматически вычисляет числовые представления игроков, что позволяет экспертам легко и эффективно искать соответствующие прошлые процедуры. Мы также подтвердили это интуитивное наблюдение с помощью обширных качественных исследований с футбольными экспертами, которые обнаружили, что поиск Tacticai Top-1 был актуально в 63% случаев, почти вдвое превышает 33% эталона, наблюдаемых в подходах, которые предлагают пары, основанные на непосредственном анализе сходства позиций игрока.
Генеративная модель Tacticai также позволяет человеческим тренерам перепроектировать угловую тактику ударов для оптимизации вероятностей определенных результатов, таких как снижение вероятности попытки выстрела для оборонительной установки. Tacticai предоставляет тактические рекомендации, которые корректируют позиции всех игроков в конкретной команде. Из их предлагаемых корректировок тренеры могут идентифицировать важные закономерности, а также ключевых игроков для успеха или неудачи тактики, быстрее.
(А) Пример углового удара, где в реальности была попытка выстрела.
(B) Tacticai может генерировать контрфактуальную настройку, в которой вероятность выстрела была уменьшена путем регулировки позиционирования и скоростей защитников.
(C) Предлагаемые позиции защитника приводят к снижению вероятности приемника для атаки игроков 2-4.
(D) Модель способна генерировать несколько таких сценариев, и тренеры могут проверять различные варианты.
В нашем количественном анализе мы показали, что Tacticai был точным для прогнозирования угловых ударов и выстрелов, и что перемещение игрока было похоже на то, как разворачивались реальные игры. Мы также оценили эти рекомендации качественно в слепых случаях, где оценщики не знали, какие тактики были от настоящей игры, а какие были сгенерированы тактикой. Человеческие футбольные эксперты из «Ливерпуля» обнаружили, что наши предложения нельзя отличить от реальных углов, и они получали предпочтение в течение их первоначальных ситуаций в 90% случаев. Это демонстрирует прогнозы Tacticai не только точные, но и полезные и развертываемые.
Примеры стратегических уточнений, которые оценки предпочитали оригинальным пьесам, где предложил Tacticai:
(А) Рекомендации четырех игроков более благоприятны большинству оценщиков.
(Б) Защитники отдали от углу, улучшают пробеги покрытия
(C) Улучшенные пробеги покрытия для центральной группы защитников в штрафной коробке
(D) Значительно лучшие пробеги отслеживания для двух центральных защитников, а также лучшее позиционирование для двух других защитников в области целей.
Добавление искусственного интеллекта для спорта
Tacticai – это полная система ИИ, которая может дать тренерам мгновенное, обширное и точное тактическое понимание – которые также практичны на поле. С помощью Tacticai мы разработали способный помощник по искусственному интеллекту для футбольной тактики и достигли вехи в разработке полезных помощников в спортивном ИИ. Мы надеемся, что будущие исследования помогут разработать помощников, которые расширяются до более мультимодальных входов за пределами данных игроков, и помогать экспертам в большей степени.
Мы показываем, как ИИ можно использовать в футболе, но футбол также может многому научить нас об ИИ. Это очень динамичная и сложная игра для анализа, со многими человеческими факторами от телосложения до психологии. Это сложно даже для таких экспертов, как опытные тренеры, чтобы обнаружить все модели. С помощью Tacticai мы надеемся взять много уроков в разработке более широких вспомогательных технологий, которые сочетают в себе человеческий опыт и анализ искусственного интеллекта, чтобы помочь людям в реальном мире.
Этот проект является сотрудничество между командой Google DeepMind и FC Liverpool. Авторы Tacticai включают: Же Ванг, Петар Величкович, Даниэль Хеннес, Ненад Томашев, Лорел Принс, Майкл Кайзерс, Йорам Бахрах, Ромуальд Эли, Ли Кевин Вэньлиан, Федерико Пиччинини, Уильям Спирман, Ян Грэм, Джирум Джиром, Йии, А., А. И. Recasens, Mina Khan, Nathalie Beauguerlange, Pablo Sprechmann, Пол Морено, Николас Хесс, Майкл Боулинг, Демис Хассабис и Карл Туилс.
