AI 在足球场上小试牛刀 70 年后，数据革命深入各个领域

瑞普自 20 世纪 30 年代开始对足球产生兴趣，当时他成为赫伯特·查普曼执教的阿森纳先锋队的球迷。

有一次，他去观看了斯温登队和布里斯托尔队的三分球比赛。比赛非常无聊。里普看到无数次进攻，却没有进球。中场休息时，他的耐心耗尽了。

他抓起笔记本和铅笔，开始疯狂地记录球场上发生的一切——他开始计算传球次数和进球数。这是第一次有人尝试系统地使用数据分析足球。

人工智能正在足球场上试验其能力

70年后，数据革命渗透到各个领域，应用十分普遍英超足球数据，数据革命的粉丝们对xG（进球，预期进球）和净胜球的运用更是驾轻就熟。

甚至连英超卫冕冠军利物浦也与 AI 联手，探索人工智能在足球领域的应用。两家机构的研究人员最近在《人工智能研究杂志》上发表了一篇论文，概述了一些潜在的应用。

“时机非常完美，”哈佛商学院人工智能研究员、该论文的主要作者卡尔·图伊尔斯 (Karl Tuyls) 表示。

与利物浦的合作源于他之前在利物浦大学的工作（Demis 的创始人也是终身利物浦球迷，是这项研究的顾问）。

两个小组聚在一起讨论人工智能如何帮助足球运动员和教练。

利物浦还向俱乐部提供了2017年至2019年每场英超联赛的数据。

近年来，随着传感器、GPS 追踪器和计算机视觉算法的使用，用于研究足球比赛期间球的路径的数据量急剧增加。

对于足球队来说，人工智能有助于发现教练无法发现的模式；对于研究人员来说，足球提供了一个受限但具有挑战性的环境，让他们可以在路上测试他们的算法。

“足球非常有趣，因为场上有这么多人，相互竞争，相互合作，”图伊尔斯说。

与国际象棋或围棋不同，现实世界中的足球比赛具有固有的不确定性。

但这并不意味着无法做出预测——这是人工智能可以证明特别有用的领域之一。

论文展示了如何训练模型来预测特定球队和球员在特定情况下的反应：例如，如果你在对阵曼城的比赛中将球长传到右路，凯尔·沃克会朝某个方向跑，而约翰·斯通斯可能不会这么做英超足球数据，而是做其他事情。

凯尔·沃克

这被称为“重影”——因为替代轨迹会覆盖在实际发生的情况之上，就像在视频游戏中一样——并且有一系列不同的应用。例如，它可以用来预测战术变化的影响，或者如果关键球员受伤，对手可能会如何发挥。

这些都是教练可能会注意到的事情英超足球数据，Tuyls 强调，我们的目标不是设计工具来取代教练。“有很多数据，需要消化的数据很多，处理这么多数据并不容易。我们正在尝试开发辅助技术。”

在足球分析方面，自动视频辅助教练 (AVAC) 系统可以为决策者提供长期分析。上图是 AVAC 界面的示例，其中进攻和防守球员通过姓名进行识别、跟踪，然后传入预测轨迹模型，可用于分析潜在意图。

研究人员还分析了过去几个赛季欧洲各地的 12,000 多个点球，并根据球员的踢球风格对他们进行分类，然后利用这些信息预测他们最有可能在哪个位置被判犯规以及他们是否有可能进球。例如，前锋更有可能瞄准球门左下角，而中场球员则会采取更平衡的踢法。

其他模型可能能够使用反事实数据来评估某个特定动作（如传球）对最终得分的贡献有多大。它们可以用于赛后分析，向球员展示为什么在特定情况下他们应该传球而不是尝试射门。

使用球员场上表现数据训练的模型可能比人类教练更好地追踪球员的疲劳程度，并在受伤前推荐替换。

人工智能的最佳用途：在人工协助下

这是瑞普在 20 世纪 50 年代尝试过的做法的古老回响，当时他使用数据（错误地）计算出大多数进球都是在四次或更少的传球后完成的，而他的分析帮助引入了“长传”战术，该战术成为了几十年来英国比赛的标志。

在其他领域有很多引人注目的例子，人工智能得出的答案毫无意义或完全错误，比如一些经过视频游戏训练的人工智能通过违反游戏规则或忽视物理定律而获胜。

或者像穆里尼奥一样，AI 可能会认为获胜的最佳方式是让对手控球并等待他们犯错。

因此，Tuyls 表示，模型必须经过专家的调试，以防止人工智能做出错误的推理。

‍