Nejzajímavější mladý trenér ve fotbale nemusí být v Bayeru Leverkusen, Stade de Reims nebo dokonce Bologna FC. Může to být v Google DeepMind.
Divize umělé inteligence tohoto vyhledávacího giganta v posledních letech spolupracuje s fotbalovým klubem Liverpool, aby přinesla umělou inteligenci do nejpopulárnějšího sportu světa. V roce 2021 vyvinuli výzkumníci DeepMind model, který by mohl předpovědět, kde hráči zasáhnou penaltu na základě jejich pozice v poli. V roce 2022 vyvinuli jeden, který analyzoval videozáznamy her, aby předpověděl, kam hráči poběží příště, i když odejdou z obrazovky. „Žádný z těchto systémů však nebyl úplným prototypem, který by mohl reálně dávat užitečné návrhy trenérům v reálném světě,“ říká Petar Veličković, vědecký pracovník zabývající se výzkumem zaměstnanců společnosti Google DeepMind a spoluautor článku zveřejněného dnes v Příroda komunikace. „Chtěli jsme skutečně vybudovat něco, co by mohlo vést k proveditelnému systému.“
Zadejte TacticAI. Začalo to žít jako prediktivní systém pro otevřenou hru – takový, který dokázal analyzovat hru a říct trenérům, kdo s největší pravděpodobností dostane přihrávku, nebo jaké by mohly být jejich šance na vytvoření nebezpečné příležitosti ke vstřelení gólu. Ale datoví analytici a trenéři v Liverpoolu chtěli něco jednoduššího. „V otevřené hře nemůžete udělat mnoho užitečných změn na místě, protože je zde 22 hráčů a je to velmi dynamické, a pokud se pokusíte provést změny v žáru okamžiku, můžete nakonec lidi zmást.“ říká Veličković.
Místo toho Liverpool navrhl, aby se výzkumníci DeepMind zaměřili na rohové kopy. Zhruba desetkrát za zápas je dění na hřišti efektně zamrzlé a útočící tým dostává příležitost přehodit míč do vápna. Ale pouze jeden z 50 rohů ve skutečnosti vede k gólu. Elitní kluby již tráví obrovské množství času v čele her přípravou rohových sestav a obranných plánů s propracovanými běžeckými trasami a blokovacími schématy. „Pokud dokážete zvýšit své šance skórovat nebo lépe bránit v zatáčkách, integruje se to do celé sezóny a skutečně vám poskytne konkurenční výhodu,“ říká Veličković.
Při práci s údaji o sledování hráčů ze 7 176 rohových kopů pořízených v Premier League v letech 2020 a 2021 začali výzkumníci reprezentovat uspořádání hráčů jako graf s pozicí, pohybem, výškou a hmotností hráčů zakódovanými jako uzly v grafu. a vztahy mezi hráči jako čáry mezi nimi. Poté použili přístup nazvaný geometrické hluboké učení, které využívá symetrie fotbalového hřiště ke zmenšení množství zpracování, které neuronová síť potřebuje udělat. (Toto není nová strategie – podobný přístup byl použit ve vlivném výzkumu AlphaGo společnosti DeepMind.)
Výsledný model vedl k vytvoření řady nástrojů, které by mohly být užitečné pro fotbalové trenéry. Na základě uspořádání hráčů v okamžiku provedení kopu dokáže TacticAI předpovědět, který hráč s největší pravděpodobností učiní první kontakt s míčem, a zda v důsledku toho dojde ke střele. Poté může generovat doporučení pro nejlepší způsoby, jak upravit pozici a pohyb hráče, aby se buď maximalizovala šance na střelu (pro útočící tým), nebo ji minimalizovala (pro bránící tým) – přesunutím obránce, aby kryl blízkou tyč. , například, nebo postavení muže na okraj oblasti.
Fotbalovým expertům z Liverpoolu se obzvláště líbilo, jak doporučení TacticAI mohla určit útočníky, kteří byli kritickí pro úspěch konkrétní taktiky, nebo obránce, kteří „spali za volantem“, říká Veličković. Analytici tráví hodiny prohledáváním videozáznamů hledáním slabých míst v obranných sestavách svých soupeřů, na která by se mohli zaměřit, nebo se snaží najít díry ve výkonech vlastního týmu, aby je mohli zdvojnásobit v tréninku. „Ale je opravdu těžké sledovat 22 lidí v mnoha různých situacích,“ říká Veličković. „Pokud máte takový nástroj, okamžitě vám pomůže zjistit, kteří hráči se nepohybují správným způsobem, kteří hráči by měli dělat něco jiného.“
Čerpáme z těchto zdrojů: google.com, science.org, newatlas.com, wired.com, pixabay.com
