北京時間21日晚20:30，中國男足作客新加坡，在世預賽亞洲區(qū)36強賽中與新加坡隊展開較量，這也是國足新帥伊萬科維奇的首秀。

長期以來，無論是土帥還是洋帥，都始終未能在國際賽場上挽救國足一路滑坡的戰(zhàn)績，不過也許未來有一天，AI是不是有可能辦到這一點呢？在現代足球的起源地英國，一場全新的技術嘗試，眼下便正在如火如荼地展開……

本周二，谷歌旗下的人工智能團隊DeepMind就在官網上介紹了其目前正在研發(fā)的“AI足球教練”：TacticAI戰(zhàn)術助手。

該AI助手由DeepMind與英超豪門俱樂部利物浦合作開發(fā)，目前已可為教練員提供角球建議——并號稱幾乎已“吃透”了角球攻防兩端的所有戰(zhàn)術變化。

回首過往，DeepMind對于體育賽事中AI工具的運用，其實早就有過成功的嘗試。

例如，早在八年前，DeepMind就曾利用其算法，破解了圍棋等高難度棋類游戲——大名鼎鼎的阿爾法狗(AlphaGo)便是由該公司一手打造。2016年，阿爾法狗打敗了當時世界頂尖圍棋選手李世石、兩年后在又中國烏鎮(zhèn)打敗了當時世界第一的柯潔。

而眼下，被公認為“世界第一運動”的足球，也正成為著DeepMind想要攻克的下一目標。

TacticAI將如何在綠茵場上大放異彩？

根據DeepMind的介紹，TacticAI是一套完整的人工智能系統(tǒng)，它結合了預測模型和生成模型，可以分析之前的比賽中發(fā)生了什么，以及如何做出調整，使特定結果更有可能發(fā)生。

那么，TacticAI究竟有哪些妙用呢？DeepMind稱，該技術目前已可為角球等“起點”可預測的情況提供戰(zhàn)術規(guī)劃。而未來更廣泛的任務是將其應用于變化更豐富的運動戰(zhàn)中。

DeepMind的大模型對一個數據集進行了幾何深度學習，該數據集包括2020年至2023年期間英超聯賽的7176個角球。

角球是足球場上進攻方的重要機會——角球與任意球等其他所謂的定位球一起，約占所有進球的30%。而如何設計角球戰(zhàn)術，過往則通常依賴于人類直覺和戰(zhàn)術設計的結合，以識別對手球隊的模式并做出即時反應。

DeepMind舉例稱，2019年歐冠半決賽，主罰角球的利物浦隊球員阿諾德在一次所有人意想不到的折返跑后快速開球，并由小禁區(qū)前的奧里吉輕松完成凌空抽射破門，該球曾被譽為足壇歷史上最經典角球戰(zhàn)術運用之一。但這樣靈光乍現的精彩配合，不是每場比賽都會發(fā)生的，也不是每位球員都有此意識的。而作為多年研究合作的一部分，DeepMind與利物浦足球俱樂部的專家共同開發(fā)并評估了TacticAI，試圖用AI破解角球的“密碼”。

據悉，TacticAI可用于解決三個核心問題：

對于已經給定了的角球，誰最有可能接球，是否會嘗試射門？

過去類似的戰(zhàn)術是否奏效？

應該如何調整策略以實現特定結果？例如，進攻方如何增加射門機會，防守方又該如何布防？

可以說，預測角球的結果非常復雜，這是因為需要分析比賽中球員個人技術的隨機性以及他們之間的動態(tài)關系。這對人工智能建模也是一個挑戰(zhàn)，因為可用的角球數據其實并不算很多——每場比賽平均只有大約10個角球。

而TacticAI采用了圖神經網絡和幾何深度學習方法，能夠成功預測和制定角球戰(zhàn)術。圖神經網絡通過將角球設置展現為圖(Graph)來直接模擬球員之間的隱含關系，其中節(jié)點表示球員(具有位置、速度、高度等特征)，節(jié)點之間的連線表示球員之間的關系。

通過利用其預測和生成模型，TacticAI可以協助教練尋找適合的角球戰(zhàn)術，并測試不同的戰(zhàn)術。

傳統(tǒng)上，為了制定戰(zhàn)術和反制對方的戰(zhàn)術，足球數據分析師會觀看許多比賽視頻，尋找類似的案例并研究對手球隊。而TacticAI可以自動計算和歸納球員的過往數據，讓數據分析師可以輕松高效地查找相關的過往例證。TacticAI還可提供戰(zhàn)術建議，調整特定球隊所有球員的位置。從這些調整建議中，人類教練可以更快地識別戰(zhàn)術優(yōu)劣，以及攸關戰(zhàn)術成敗的關鍵球員。

AI建議受到專業(yè)人士認可

據研究人員表示，AI輕松設計出的高效戰(zhàn)術目前已能做到與真實戰(zhàn)術難以區(qū)分，并且人類專家在90%的情況下愿意青睞AI的建議。這表明該工具已能夠“提供有用、真實和準確”的建議。

利物浦沒有回應當地媒體關于是否已在正式比賽中，實施了TacticAI建議的戰(zhàn)術的置評請求。利物浦現任主帥克洛普目前仍處在努力帶領球隊爭冠的旅途中，試圖在今年5月以一座英超冠軍獎杯，為他的任期畫上一個圓滿的句號。

值得一提的是，自從Michael Lewis在他2003年的書《點球成金：贏得不公平比賽的藝術》中引起廣泛關注以來，運用數據分析來改善體育成績的方法，已變得越來越復雜。

Lewis講述了美國職棒大聯盟球隊奧克蘭運動家隊(Oakland Athletics)，如何使用新穎的球員屬性衡量標準，來與資金更充裕、陣容更強大的對手展開競爭。

而近年來AI能力的日益增強，也激發(fā)了人們對其在體育領域潛在用途的興趣。

美國國家橄欖球聯盟和亞馬遜旗下的AWS已開發(fā)了一款名為“數字運動員”的球員健康工具，他們希望該工具能夠及時預測和預防傷病。

意甲球隊亞特蘭大的足球情報主管Sudarshan Gopaladesikan表示，TacticAI等項目為人工智能在足球領域的發(fā)展提供了新線索。

相關業(yè)內人士表示，毫無疑問，足球是動態(tài)的運動，綠茵場上往往有許多因素會影響到最終結果。而對于開發(fā)人工智能而言，足球等體育運動也是一個充滿活力的領域，因為它們具有真實世界、多代理交互和多模態(tài)數據的特點。

推進人工智能在體育領域的應用，在未來也可以轉化并運用到為場內外的眾多領域——從電腦游戲、機器人技術乃至交通協調等等。