ИИ может давать рекомендации по тактике футбольным тренерам

ИИ-модель TacticAI, разработанная командой Google DeepMind, обучалась расстановке игроков при подаче углового на игре команды английской Премьер лиги «Ливерпуля». После обучения люди-эксперты проверили работу модели и в 90% случаев согласились с теми тактическими вариантами, которая она предложила. ИИ обучился футбольной тактике на игре «Ливерпуля», и готов консультировать тренеров ИИ анализирует расстановку игроков и строит графовую модель игры. Google DeepMind Футбол — очень сложная игра ИИ. Но и здесь ИИ уже добивается некоторых успехов.

Команда Google DeepMind разработала инструмент TacticAI. Этот инструмент должен помочь футбольным тренерам. Согласно статье, опубликованной в журнале Nature Communications, предложенные TacticAI расстановки игроков при угловых ударах получили одобрение людей-экспертов.

Google DeepMind является одним из ведущих разработчиков инструментов ИИ. Она всегда интересовалась играми и добилась выдающихся успехов: ее ИИ-модели, в том числе AlphaZero уверенно побеждают лучших игроков-людей и в го, и в шахматы. DeepMind давно интересуется и футболом. Например, в прошлом году DeepMind представила модель роботов-футболистов, которые вполне реалистично играют в контактный футбол. В 2022 году команда представила ИИ-модель Graph Imputer, которая успешно предсказывает движения игроков, которых не видит камера.

Теперь команда представила помощника тренера. «Футбол – это очень динамичная игра со множеством ненаблюдаемых факторов, влияющих на результаты», – сказал Петар Величкович, исследователь DeepMind и соавтор статьи Nature. И это как раз хорошее поле для моделей ИИ.

Новый проект DeepMind TacticAI – это результат трехлетней работы с футбольным клубом «Ливерпуль» по внедрению искусственного интеллекта в футбольную тактику.

Как обучалась TacticAI

Модель DeepMind использует геометрическое глубокое обучение на наборе данных, включающем 7176 угловых ударов в английской Премьер-лиге в период с 2020 по 2023 год. Угловые удары представляют собой хорошую возможность для атакующих команд: наряду с другими стандартными положениями, такими как штрафные удары, угловые дают около 30% всех голов.

(A) Как ситуации с угловыми ударами преобразуются в граф. Каждый игрок рассматривается как узел в графе. Графовая нейронная сеть работает над этим графом, обновляя представление каждого узла с помощью передачи сообщений. (B) Как TacticAI обрабатывает заданный угловой удар. Все четыре возможные комбинации отражений применяются к угловому и поступают в основную модель TacticAI. Взаимодействуя, они вычисляют окончательные представления игроков, которые могут быть использованы для прогнозирования исхода. (A) Как ситуации с угловыми ударами преобразуются в граф. Каждый игрок рассматривается как узел в графе. Графовая нейронная сеть работает над этим графом, обновляя представление каждого узла с помощью передачи сообщений. (B) Как TacticAI обрабатывает заданный угловой удар. Все четыре возможные комбинации отражений применяются к угловому и поступают в основную модель TacticAI. Взаимодействуя, они вычисляют окончательные представления игроков, которые могут быть использованы для прогнозирования исхода.Google DeepMind

TacticAI проанализировал угловые удары с различными расстановками игроков, обращая главное внимание на то, кто получил мяч и был ли футболист в состоянии нанести удар. На основе обучения модель предложила позиционные улучшения (другие системы расстановок игроков). Их правдоподобие и полезность была оценена при слепом тематическом исследовании, проведенном пятью экспертами: тремя специалистами по обработке данных, одним аналитиком и одним помощником тренера.

По словам исследователей, эксперты не смогли отличить сценарии, сгенерированные ИИ, от реальных ситуаций и отдали предпочтение советам TacticAI в 90% случаев по сравнению с существующими стратегиями. Это показало, что инструмент дает действительно полезные предложения.

Футбол и наука widget-interest

Ученые моделируют реальные футбольные матчи и разбирают стратегию защиты каждой команды

 

DeepMind тоже любит футбол. Цифровая модель учится играть, глядя на людей

 

DeepMind разработала робота-футболиста: он умеет бить по мячу и толкать соперника

Такие проекты, как TacticAI, дают представление о том, как может развиваться искусственный интеллект в футболе, говорит Сударшан Гопаладесикан, один из директоров «Аталанта», команды высшего итальянского дивизиона: «Именно таким образом ИИ может помочь нам подойти к футболу модульно или категориально, а не думать, что это просто непрерывный поток, в котором мы не знаем, что происходит, и как действовать».

Источник
Комментарии 0
Оцените статью
WARHEAD.SU
Добавить комментарий