亚洲二区三区在线,久久久久高清毛片一级,亚洲综合一区二区三区不卡,中文不卡av

歡迎訪問科技網!

您當前的位置: 首頁 > 科技新聞

“AI足球助教”出線?畫戰術勝過人類教練!還能“拿捏”其他運動

發布時間:2024-03-21 11:15:15 來源:學術頭條 字號: [ 大 ] [ 中 ] [ 小 ]

足球,是所有體育運動中最受歡迎、接受度最高、普及面最廣的一種運動。

而角球,是足球運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戰術的方式,不僅需要人類教練精心策劃,還需要人類足球運動員的默契配合。

如今,人工智能(AI)在“讓角球成功入網”方面,遠遠超過了人類教練

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

圖片

據介紹,TacticAI 能夠在足球比賽中預測角球結果,并提供實際且準確的戰術建議。調查結果顯示,利物浦足球俱樂部的專家在 90% 的時間里會選擇 TacticAI 的建議,而不是來自人類教練的現有戰術。

研究團隊表示,該研究或為下一代足球 AI 助手奠定基礎,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術

圖片

此外,他們認為,這項技術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隊運動等。

誰來接球?能進嗎?

在足球比賽中,角球的戰術地位非常重要,因為它可以帶來直接得分,并給了教練介入和提升比賽表現的直接機會。

因此,識別對手球隊實施戰術的關鍵模式并制定有效的應對措施,是在現代足球比賽中取勝的關鍵要素。

尤其是在實際情況中,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有望很好地支持人類專家。

然而,如何通過算法做到這一點仍是一項公開的研究挑戰。

在這項研究中,研究團隊利用利物浦足球俱樂部提供的英格蘭足球超級聯賽歷史上的 7176 個角球數據集訓練了 TacticAI,通過幾何深度學習技術確定了能輸出可預測和可生成結果的關鍵策略模式。

圖片

圖|TacticAI 的鳥瞰圖。(A) 如何將角球情況轉換為圖表示。每個球員都被視為圖中的一個節點。然后,圖神經網絡通過執行消息傳遞對該圖進行操作;每個節點的表示都會根據其相鄰節點發送給它的消息進行更新。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能魯棒地做出回答,所有可能的反射組合都會應用到輸入的角球上,然后這四種視圖會被輸送到 TacticAI 模型,通過相互影響計算出最終的球員表示——每個內部藍色箭頭都對應(A)中的一個消息傳遞層。一旦計算出球員表征,它們就可以用來預測角球的接球方、是否已經射門,以及對球員位置和速度進行輔助調整,從而增加或減少射門的概率。

據論文描述,TacticAI 包含預測和生成兩大組件,允許教練有效采樣和探索每個角球程序的備選球員設置,并選擇那些預測成功可能性最高的球員

通過這一方法,TacticAI 能準確預測角球射出后的第一個接球人以及角球的直接結果。

圖片

圖|使用 TacticAI 改進角球戰術的示例。TacticAI 使人類教練有可能重新設計角球戰術,通過識別關鍵球員以及提供考慮到所有球員的時間協調戰術建議,幫助最大限度地提高進攻隊或防守隊取得積極結果的概率。如本示例(A)所示,對于現實中有一次射門嘗試的角球(B),TacticAI 可以通過調整后衛的位置(D),生成一個經過戰術調整的設置,從而降低射門概率。建議的后衛位置導致 2-5 號進攻球員的接球概率降低,而距離門柱較遠的 1 號進攻球員的接球概率增加(C)。該模型能夠生成多個此類場景。教練可以直觀地查看不同的選項,還可以查閱 TacticAI 對所提出戰術的定量分析。

值得一提的是,研究團隊不僅證明了 TacticAI 能夠準確預測角球開出后的第一接球人、角球直接導致射門的概率,以及這些戰術設置是切實可行的,還請五名足球專家(三名數據科學家、一名視頻分析師、一名利物浦足球俱樂部的教練助理)認定了其與真實世界場景并無區別。

AI 早已“涉足”足球

事實上,AI “涉足”足球運動早已不是先例。

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

圖片

據介紹,這一“AI 足球運動員”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射門。有趣的是,2 年前的它還不懂角球、點球和任意球等定位球。

此外,研究團隊也表示,他們當時的方法不適合直接在機器人硬件上學習,研究成果也不會快速從模擬世界轉移應用到現實世界。但他們認為,他們的研究推動了 AI 向人類水平運動智能邁進。

回到這項研究中,研究團隊表示,未來的研究將整合自然語言界面,實現與“足球 AI 助手”的對話,目的是檢索感興趣的特定情況,對給定的戰術變體進行預測和對比,并通過互動過程提供指導,以得出戰術建議。

未來,隨著諸如大模型等 AI 技術的進一步發展,人類的足球運動會發展成什么樣呢?

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/

【免責聲明】本文轉載自網絡,與科技網無關。科技網站對文中陳述、觀點判斷保持中立,不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考,并請自行承擔全部責任。

主站蜘蛛池模板: 双辽市| 水富县| 龙川县| 永和县| 游戏| 吉首市| 五峰| 普格县| 施秉县| 嘉鱼县| 尚志市| 永善县| 宝清县| 尉氏县| 龙川县| 仙居县| 上犹县| 繁峙县| 铁岭县| 镇雄县| 东台市| 阜新| 昭平县| 祁门县| 贵港市| 蚌埠市| 金坛市| 白水县| 东平县| 新蔡县| 泰和县| 吴旗县| 达日县| 仁寿县| 城固县| 池州市| 伊通| 栖霞市| 吉木乃县| 平和县| 平原县|