在刚刚结束的世界杯预选赛中,国足在天津主场以 4:1 的得分大胜新加坡,一扫上一场在领先优势下被对方逼平的阴霾,也迎来了球队 2024 年的首场胜利。目前,中国队暂居 C 组第 2 位,保住了晋级 18 强赛的希望。

享受胜利喜悦之余,也有球迷通过回顾比赛数据发现,整场比赛中双方获得的角球机会为 10:1,国足遥遥领先,但却并未借此成功破门,反而错失空门,实在令人唏嘘。

其实,角球这一类「定位球」能够在高强度奔跑对抗中为球员提供短暂的中断,在对方禁区内排兵布阵,往往是执行教练战术的绝佳机会,足球史上有多场经典比赛都印证了其重要性。

2019 年 5 月 7 日,欧冠半决赛的第二回合在安菲尔德展开角逐,在上半场 0:3 的巨大差距下,利物浦连追 3 球,最终由阿诺德出其不意的角球助攻完成绝杀。

当时,阿诺德开始走离角旗区,所有人都以为他要让给一旁的沙奇里罚角球,他却快速返回、大脚开出角球传给禁区内的奥里吉,最终完成 4:3 的逆转,完美诠释了角球战术的魅力。

而每一次的战术制定不仅要考虑己方球员的能力特点,还要根据过往比赛记录总结对方球队的战术特点,二者都需要教练组人员复盘大量的影像资料,抽丝剥茧。

幸运的是,随着科技的发展,足球领域已积累了大量数据资源,人工智能通过对运动员的力量、速度、射门精准度等进行全面的统计与分析,并由此生成数据报告,可以让教练更直观地识别运动员的优势与短板,制定出更具针对性的训练计划与比赛战术,这极大地缓解了教练与管理人员的压力。

基于此,谷歌 DeepMind 与利物浦足球俱乐部携手推出了 TacticAI 足球教练人工智能助手。该系统通过使用几何深度学习方法,借助预测与生成模型,为专业人士提供在角球战术方面的见解。与实践中的布局相比,TacticAI 提出的战术在 90% 的情况下都会受到人类专家的认同。

研究亮点:

* TacticAI 提出的战术布局在 90% 的情况下都会受到人类专家评估者的青睐。

* 接球预测准确率高达 74%,射门机会提升 13%。

* 为定位球或其他拥有暂停比赛情况活动的战术布局研究提供参考。

论文地址:
https://www.nature.com/articles/s41467-024-45965-x
关注公众号,后台回复「角球」获取完整 PDF

数据集:四大数据源,全方位收集特征信息
原始数据集包括从 2020-21、2021-22 和 2022-23 赛季中英超联赛收集的 9,693 个角球,由利物浦足球俱乐部提供,包括以下 4 个数据来源:

* 时空球员跟踪框架数据,跟踪了每场比赛中所有在场的球员和球的位置和速度。

* 事件流数据,对发生在相应跟踪框架中的事件或行为(例如,传球、射门和进球)进行了注释。

* 比赛团队数据,记录了球员的个人资料,包括他们的身高、体重和位置。

* 杂项比赛数据,包括比赛日期、体育场信息以及场地长度和宽度。

研究人员对上述数据进行筛选和过滤,最终剩下 7,176 个有效角球。将这些数据进行随机抽样,按照 8 : 2 的比例划分为训练集与验证集,并在之后的所有任务都采用了相同的拆分方式。

数据集地址:

https://my5353.com/p30375

实验方法:通过几何深度学习预测角球结果

角球局势图形化

首先,为了有效的利用角球数据,研究人员对球员之间的隐含关系进行建模,将角球形式转化为图形表示。其中,每个节点代表一名球员(包括位置、速度、高度等特征),边表示它们之间的关系,每个节点通过与相邻节点传递消息来进行更新。

TacticAI 对给定角球的处理方式示意图

接着,研究人员对给定角球的处理方式进行分析,采用几何深度学习并利用足球场的近似对称性,生成了给定情况 (original、H-flipped、V-flipped 和 HV-flipped) 的四种可能反射。其中,几何深度学习是从对称性出发,将几何性质嵌入到机器学习中,更好地刻画数据的内在结构和变化规律,提高算法的表示、泛化、通用能力。

最后,所有的四种反射组合被应用到角球区的图神经网络结构中,并进一步馈送到 TacticAI 中。TacticAI 由三个预测和生成式模型(generative models)组成,这些神经网络模型均采用了相同的编码器-解码器架构。编码器在所有任务中结构相同,而解码器模型则根据每个基准任务的需求生成相应形状的输出。三个模型分别对应着本研究的三个基准任务,即接球预测、射门预测、生成战术布局策略。

综上,在接球预测中,TacticAI 能够以 71% 的准确率预测角球是否会射门。在射门预测中,研究人员发现,防守队平均射门概率从真实角球的 75% 左右降至调整后的 69% 左右,进攻队的射门概率从 18% 左右升至 31% 左右。

实验结论:四大案例分析 TacticAI 的实际有效性
为了评估 TacticAI 的实际有效性,研究人员邀请了 5 名足球专家,其中有 3 名数据科学家,1 名视频分析师和 1 名教练助理,结合 4 个案例对 TacticAI 进行定量分析。

1. TacticAI 生成角球样本的真实性

(A.1)分配的评分分布

(A.2)评分值直方图

首先,为了评估生成调整的真实性,研究人员合成了一个数据集,并评估了 TacticAI 生成的合成角球与真实角球之间的差异性。

具体而言,研究人员为每个样本分配了评分,如果被人工评定为真实则为 +1,否则为 0。计算五名评审人员对每个样本的平均评分。结果发现,实际角球和生成的角球之间的平均评分没有显著差异 (z = -0.34,p > 0.05)。因此,TacticAI 生成的角球样本具备真实性。
z 和 p 是统计学中常用于假设检验的统计指标。

2. TacticAI 预测接球者可信度

(B.1)样本前三名准确性的接球预测分布
(B.2)每个样本平均评分的相应直方图

其次,对于预测接球者,如果 TacticAI 的前 3 个预测中出现至少 1 个接球者,那么评审人员对 TacticAI 的预测评定为 +1,否则评定为 0。

将样本接球者的预测评分进行平均后,研究人员发现,预测接球者在对实际样本和生成样本的平均评分上,并不存在统计学上的显著差异 (z = 0.97, p > 0.05)。

不同评估人员对接球预测的评分存在个性化差异,在这种情况下,TacticAI 仍然能够保持高的前 3 名准确性,这表明了它在预测接球者任务上的高可信度。

3. TacticAI 用于检索角球的有效性


角球的有效相似性评分

第三,专家对 TacticAI 检索到的角球和参考角球进行相似度分析,如果角球是相似的,则打分为 +1,否则为 0。

最终发现,不同评估人员的评分分布之间没有显著差异,这表明他们对 TacticAI 检索类似角球能力的有效性存在高度一致意见 (F1,4 = 1.01, p > 0.1)。
F1,4 和 p 是用来评判一致性或无显著差异的统计指标。

4. TacticAI 调整策略的实用性


调整建议的评分

最后,研究人员评估了 TacticAI 对球员调整建议在现实中的实用性。具体而言,每位评审人员都获得了 50 个战术调整以及相应的真实角球设置,评审人员将每个调整评定为显着改善战术 +1、显着使其变差 -1 ,没有显着差异 0。

结果发现,所有五名评审人员的评分平均值为 0.7 ± 0.1。其中,人类评审人员发现 TacticAI 的建议 90% 是有利的。此外,他们的评分也具有高度一致 (F1,4 = 0.45,p > 0.05),表明这种实用性在人类专家中得到了普遍认可。

综上所述,TacticAI 可以高效完成三个基准任务,在角球的预测、检索和战术调整方面是实际有效的。

打破传统足球格局,AI 成为新时代「前锋」
未来学家和趋势观察家 Richard van Hooijdonk 曾表示:「对于现在这代人来说,他们所做的每件事和经历都包含着某种科技元素。为了让体育运动对这一代人和后代人保持吸引力,我们别无选择,只能不断整合科技。」当我们聚焦于足球世界的科技革新,不难发现,AI 已不仅仅是教练团队的秘密武器,它正以其无处不在的影响力悄然重塑着整个足球行业的布局。

从球员选拔、到日常训练、再到战术制定,我们能够在越来越多的环节中看到 AI 的身影。例如:

* Adidas 为 2022 年世界杯设计制作的比赛用球 Al Rihla,内置的惯性测量单元能精确检测到足球的 kick point,通过将球员肢体追踪以及球体追踪的数据相结合,能够监测处于越位位置的进攻方是否触球。(点击查看详细报道:进 4 球得 1 分,阿根廷败北背后的科技与狠活)

* AiSCOUT 公司推出 AI 辅助球探平台,打破了传统选拔机制的地域与资源限制,为球探们提供足球运动员的运动能力、认知能力和技术能力等数据,球探们因此能够更精准地选拔球员。

* Zone7 公司推出 AI 球员伤病预测平台,利用人工智能识别预测球员受伤情况,可以帮助运动员和教练在最佳运动和伤害风险之间寻找最佳平衡点。

* ChyronHego 公司推出 AI 辅助裁判平台,通过人工智能驱动的球跟踪、肢体跟踪与骨骼建模技术,将裁判的「火眼金睛」升级为「电子眼」,精确捕捉关键传球瞬间的球员肢体位置,助力裁判作出更准确、及时的判罚。

从球员发掘、伤病预防到裁判和教练助手,AI 已经遍布足球领域的各个环节,一个前所未有的足球智能化时代正在到来,而俱乐部之间的「贫富差距」是否会影响球员常规训练的 AI 含量、进而加剧球队之间的马太效应?恐怕整个生态的各方角色,都还需要有更充分的思考。

来源: HyperAI超神经