數字虛擬人23年最新變化！
作者：小資來源：米塔之家自2021年元宇宙“爆炸”后，作為現實世界連接元宇宙的媒介之一，大批虛擬人跑步入場。到了2022年底，據天眼查數據顯示，我國目前企業(yè)名稱或經營范圍
AI 足球教練登上 Nature 子刊，谷歌 DeepMind 與利物浦隊合作三年打造：
如同 AlphaGo 顛覆圍棋一樣，改變了球隊制定戰(zhàn)術的方式。
像是進攻方把球傳給誰更容易創(chuàng)造射門機會，防守方如何調整布陣……AI 輕松設計出的高效戰(zhàn)術與真實戰(zhàn)術難以區(qū)分，并且人類專家在 90% 的情況下青睞 AI 的建議！
論文共同一作 Petar Veli?kovi?表示，足球是比圍棋更有挑戰(zhàn)性的問題。
足球是動態(tài)的運動，而且有許多未觀察到的因素也會影響結果。
有網友認為，“如果體育運動都能用上 AI 了，那么所有一切人類活動都將能夠使用 AI。”
也有人鼓勵 DeepMind 不要被 ChatGPT 分散研究注意力，朝自己擅長的方向走下去總有一天能開發(fā)出更棒的產品。
對于合作對象選擇了利物浦這回事，甚至有其它球隊粉絲氣不過。
猜測 DeepMind 創(chuàng)始人是不是有私心，用 AI 黑科技增強他自己最喜歡的球隊，真的好不公平。
講道理的話阿森納才是主場離 DeepMind 總部最近的那一個（都在倫敦）。
TacticAI 強在哪里？把角球這個機制給玩透了。
DeepMind 團隊表示，足球比賽中角球是進攻的大好時機，據統(tǒng)計 30% 的進球都來自角球。
并舉例 2019 年歐冠半決賽，利物浦隊阿諾德一個突然折返快速開球，打了對面巴薩一個措手不及，就被評為最佳角球之一，當時把梅西都看傻了。
（DeepMind 里看來有不少真球迷啊）
像這樣的精彩配合，不是每個球員都能做到，能做到也得看當時狀態(tài)好不好。
所以 TacticAI 的研發(fā)目標，旨在解決三個核心問題：
對于給定的角球戰(zhàn)術，會發(fā)生什么？例如，誰最有可能接球，射門機會多大？
戰(zhàn)術執(zhí)行后，如何分析？例如，類似的策略在過去是否生效？
如何調整策略以實現特定結果？進攻方如何增加射門機會，防守方又該如何布陣？
至于解決的如何，先來看幾個數據。
首先，TacticAI 能預測角球傳中后，全場 22 個球員誰最有可能接到球，準確率高達 78.2%，妥妥超過人類專家。
這樣就能幫助發(fā)球隊員選擇應該將球傳給誰了。
對于進攻方來說，光把球傳出去還不夠，關鍵是要制造射門機會，TacticAI 把這點也考慮到了。
通過分析接球概率和射門概率的關系，它能以 71% 的準確率預測一次角球是否會制造射門。
更厲害的是，它還能挖掘出不同角球戰(zhàn)術之間的內在聯系，從而有針對性地提出改進措施。
最終對于進攻方來說，AI 提出的戰(zhàn)術把制造射門的概率從 18% 提升到 31%。
對于防守方來說，AI 調整布陣后把對手射門的概率從 75% 降低到 69%。
就問哪個隊的教練能不動心？
圖神經網絡 + 幾何深度學習那么 DeepMind 是如何開發(fā)出這個大殺器的呢？
數據，收集自 2020-2023 年間英超比賽的 7000 多個角球。
三個核心技術：圖神經網絡 + 幾何深度學習 + 條件變分自編碼器。
首先，將每一場角球的狀態(tài)表示為一個圖（Graph）。
其中每個球員作為一個節(jié)點（Node），節(jié)點之間的連接（Edges）表示球員間可能的互動。這種圖表示法能夠自然地捕捉球員間的空間關系和潛在的戰(zhàn)術模式。
接下來，使用圖神經網絡（GNN）學習圖表示中的特征。
GNN 通過節(jié)點和邊的信息傳遞機制，能夠學習到節(jié)點的高維潛在特征如球員的角色、位置、運動狀態(tài)等信息。
這里使用了經典的 GAT (Graph Attention Networks) 模型，也就是用了大模型上常見的注意力機制，來增強圖表示學習。
GAT 由圖靈獎得主 Bengio 團隊提出，共同一作 Petar Veli?kovi?也是這次 TacticAI 的共同一作。
為了提高數據效率，TacticAI 還采用了幾何深度學習來利用足球比賽中的對稱性（如方形足球場地的水平和垂直對稱）。
通過顯式地在模型中引入對稱性約束，使得模型能夠在面對圖的對稱變換時保持預測的一致性。
最后，生成組件使用了條件變分自編碼器（CVAE），生成球員在特定戰(zhàn)術下可能的位置和速度。
CVAE 能夠學習輸入數據的潛在分布，并從中采樣以生成新的數據，提出戰(zhàn)術調整建議。
TacticAI 的潛力遠不止于此，一但將這個方法擴展到其他定位球和更多戰(zhàn)術環(huán)節(jié)，未來可能真的會出現一個通用的 AI 足球教練。
不過，論文中沒有明確提及目前系統(tǒng)的運行速度。
是否能做到在比賽進行中實時分析、給出建議，是很多人關心的問題（比如 CV 大神謝賽寧）。
廣大球迷更關心的則是 AI 如果真的普及了，對足球比賽的觀賞性是增加還是削弱？
這次研究的合作方利物浦隊，沒有回應是否已經在真實比賽中使用了 AI 建議。
不過意大利亞特蘭大隊情報總監(jiān)很看好這項技術，認為與之前已經廣泛應用的大數據分析相比，由 AI 提出的建議人類也能理解。
AI 可以幫助我們以分塊或分類的方式分析足球 —— 而不是認為一切只是一個連續(xù)的數據流，而人類無法理解發(fā)生了什么。
總之未來發(fā)生概率較大的是，所有運動員在訓練時都會帶上 AR 眼鏡了。
論文地址：
https://www.nature.com/articles/s41467-024-45965-x
參考鏈接：
[1]https://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics
[2]https://www.ft.com/content/e5a64dd3-7fe0-4db4-9f65-6f7517c2c573
[3]https://x.com/GoogleDeepMind/status/1770121564085707082
本文來自微信公眾號：量子位 （ID：QbitAI），作者：夢晨
本文鏈接：http://www.www897cc.com/showinfo-45-3653-0.htmlAI 足球教練上崗利物浦，射門機會提高 13%！來自 DeepMind，網友：這不公平
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號