DeepⅣlind希望使用A1改變足球

1950年3月，皇家空軍的一名機長和訓練有素的會計師查爾斯，里普轉向足球事業，一次在史云頓鎮和布里斯托爾市之間單打的三分區半場比賽中，里普看到無數次進攻都沒有起色，于是抓起一個筆記本和一支鉛筆，開始瘋狂地記下球場上發生的一切：他開始計算球員帶球時間和射門次數，這是使用數據分析足球的第一種系統性嘗試。

由Alphabet所有的公司正在與利物浦合作，將計算機視覺和統計學習帶入體育運動

七十年后，數據革命已經深入到俱樂部粉絲數據和運營支出，高層團隊直接從大學選拔統計博士學位的學生來尋求優勢。比如，捍衛英超聯賽冠軍的利物浦已經與DeepMind聯手探索足球世界中人工智能的使用，這兩個組織的研究人員甚至在《人工智能研究雜志》上發表了一篇論文，概述了一些潛在的應用。

DeepMind的創始人狄米絲，哈薩比是利物浦一生的忠實粉絲，并且是這項研究的顧問，他研究AI在哪里可以幫助足球運動員和教練，利物浦還為DeepMind提供了俱樂部從2017年到2019年進行的每場英超聯賽比賽的數據。

近年來，通過使用傳感器、GPS跟蹤器和計算機視覺算法來跟蹤球員和球的運動，足球中可用的數據量激增。對于足球隊來說，人工智能提供了一些教練無法做到的模式。對于DeepMind研究人員而言，足球為他們提供了一個受限但極具挑戰性的環境，以便他們對算法進行路測。足球這樣的游戲與國際象棋或圍棋不同，它具有內在的不確定性，因為它是在現實世界中的運動，并且有一十多名活生生的運動員參與其中。

不過這并不意味著機器無法做出預測，相反，這正是AI特別有用的地方。AI可以幫助俱樂部研究有關特定球隊和陣容數據上的訓練模擬，以預測其球員在特定情況下的反應：如果你在對陣曼城的右側通道中敲了一個長球，例如，凱爾，沃克會朝特定方向運行，而約翰，斯通斯可能會做其他事情。

這被稱為“重影”，因為替代軌跡覆蓋在實際發生的事情上（例如在視頻游戲中），并且具有一系列不同的應用程序。例如，它可以用于預測戰術變更的含義或在關鍵球員受傷后對手如何打球。

研究人員還對過去幾個賽季在歐洲進行的12000次罰點球進行了分析，根據球員的打法將球員分為幾類，然后根據這些信息做出預測可能會受到處罰，以及他們是否有可能得分。例如，前腰球員比中場球員更有可能瞄準左下角，后者采用的是更加平衡的方法。其他模擬也許可以對反事實進行分類，以估算特定動作（如傳球或錯失鏟球）對一個目標的貢獻程度。他們可以在賽后分析，并向球員展示為什么他們應該在特定情況下讓球而不是射門。經過訓練的球員表現數據（力量和健身）模擬可以比人類教練更好地跟蹤疲勞度，并在受傷之前讓他們下場。

接受過視頻游戲訓練的AI通過打破游戲規則或無視物理定律而獲得成功，像足球教練何塞，穆里尼奧一樣，接受過足球數據訓練的AI可能會決定，實際上獲得好成績的最佳方法是讓對手保持控球狀態并等待他們犯錯。

因此重要的是，AI模擬的發現必須由專家進行調解，以坊止AI系統的錯誤推理。AI不會取代足球經理，但其影響可能會在未來十年內感受到。研究人員說：“目的是擁有一個無縫系統，與場上的人類球員很好地融合在一起，并促進他們的工作。我們不會在接下來的六個月或一年中看到巨大的影響，但是在未來五年中，某些工具將得到進一步開發，并且您可能會看到類似自動視頻助理教練的功能，幫助進行賽前和賽后分析，或者查看比賽的上半場，并為您提供下半場可能發生的變化的建議。”