مدل جدید هوش مصنوعی گوگل DeepMind می تواند به تیم های فوتبال کمک کند انفجی.
هیجان انگیزترین مربی جوان در فوتبال ممکن است در بایر لورکوزن یا استادد ریمز یا حتی بولونیا نباشد. ممکن است در Google DeepMind باشد.
در چند سال گذشته، بخش هوش مصنوعی غول جستجوگر با باشگاه فوتبال لیورپول همکاری کرده است تا هوش مصنوعی را به محبوب‌ترین ورزش جهان برساند.
در سال 2021، محققان DeepMind مدلی را توسعه دادند که می‌توانست
مکان‌هایی را که بازیکنان بر اساس موقعیت بیرون زمینشان ضربه می‌زنند، پیش‌بینی کند.
مدل جدید هوش مصنوعی گوگل DeepMind می تواند به تیم های فوتبال کمک کند
در سال 2022، آنها برنامه‌ای ساختند که فیلم‌های ویدیویی بازی‌ها را تجزیه و تحلیل می‌کرد
تا پیش‌بینی کند که بازیکنان در مرحله بعدی کجا خواهند دوید، حتی زمانی که از صفحه نمایش خارج می‌شوند.
پتار ولیچکوویچ، دانشمند تحقیقاتی کارکنان در Google DeepMind و یکی از نویسندگان مقاله‌ای که امروز در Nature Communications منتشر شد، می‌گوید:
«اما هیچ یک از این سیستم‌ها نمونه اولیه کاملی نبودند که بتواند پیشنهادات مفیدی را به مربیان در دنیای واقعی بدهد. ما می‌خواستیم در واقع چیزی بسازیم که بتواند به یک سیستم عملی منجر شود.»
TacticAI این سیستم زندگی خود را به عنوان یک سیستم پیش‌بینی برای بازی باز آغاز کرد
Google DeepMind در فوتبال
سیستمی که می‌توانست یک بازی را تجزیه و تحلیل کند و به مربیان بگوید که احتمال بیشتری برای دریافت پاس وجود دارد
یا شانس آنها برای ایجاد یک موقعیت خطرناک گلزنی چقدر است.
اما تحلیلگران داده و مربیان لیورپول چیز ساده تری می خواستند.
“در بازی باز نمی توانید تغییرات مفید زیادی در محل ایجاد کنید زیرا 22 بازیکن وجود دارد
و بسیار پویا است، و اگر بخواهید تغییراتی را در گرمای لحظه ایجاد کنید ممکن است در نهایت مردم را گیج کنید.”
در عوض، لیورپول به محققان DeepMind پیشنهاد کرد که روی ضربات کرنر تمرکز کنند.
تقریباً 10 بار در یک بازی انفجار انلاین عمل در زمین عملاً متوقف می شود و تیم مهاجم این فرصت را پیدا می کند که توپ را به داخل محوطه بچرخاند.
اما از هر 50 کرنر فقط یک ضربه باعث گل می شود. باشگاه‌های نخبه در حال حاضر زمان زیادی را در پیشبرد بازی‌ها صرف می‌کنند
تا روتین‌های کرنر و برنامه‌های دفاعی با مسیرهای دویدن دقیق و طرح‌های مسدود کردن را آماده کنند.
ولیچکوویچ می‌گوید: «اگر بتوانید شانس خود را برای گلزنی یا دفاع بهتر در کرنر افزایش دهید، این در طول یک فصل یکپارچه می‌شود تا واقعاً به شما برتری رقابتی بدهد.
نمودار مصور زمین های فوتبال و بازیکنان
اصلاحات دفاعی (زرد) توسط TacticAI برای چهار ضربه کرنر پیشنهاد شده است.
هوش مصنوعی گوگل DeepMind و استفاده از آن در مسابقات فوتبال
کار با داده های ردیابی بازیکن از 7176 گوشه گرفته شده در لیگ برتر در طول سال های 2020 و 2021، محققان
با نمایش آرایش بازیکنان به عنوان یک نمودار، با موقعیت، حرکت، قد و وزن بازیکنان به عنوان گره های روی نمودار کدگذاری شدند.
و روابط بین بازیکنان به عنوان خطوط بین آنها. سپس آنها از رویکردی به نام یادگیری عمیق هندسی استفاده کردند
که از تقارن یک زمین فوتبال برای کاهش میزان پردازش شبکه عصبی مورد نیاز برای انجام استفاده می‌کند.
(این یک استراتژی جدید نیست رویکرد مشابهی در تحقیق تأثیرگذار DeepMind در AlphaGo استفاده شد.)
مدل به دست آمده منجر به ایجاد تعدادی ابزار شد که می تواند برای مربیان فوتبال مفید باشد.
بر اساس چیدمان بازیکنان در لحظه زدن ضربه، TacticAI می تواند پیش بینی کند
که کدام بازیکن به احتمال زیاد اولین تماس را با توپ برقرار می کند و آیا در نتیجه شوت زده می شود یا خیر.
سپس می‌تواند توصیه‌هایی برای بهترین راه‌ها برای تنظیم موقعیت و حرکت بازیکن ایجاد کند تا شانس شوت زدن
را به حداکثر برساند (برای تیم مهاجم) یا آن را به حداقل برساند (برای تیم مدافع). به عنوان مثال، یا قرار دادن یک مرد در لبه منطقه.
هوش مصنوعی گوگل DeepMind و استفاده از آن در مسابقات فوتبال
ولیچکوویچ می‌گوید، کارشناسان فوتبال لیورپول به‌ویژه دوست داشتند که چگونه توصیه‌های TacticAI می‌تواند
مهاجمانی را که برای موفقیت یک تاکتیک خاص حیاتی هستند، یا مدافعانی را که “روی فرمان خوابیده بودند” مشخص کند.
تحلیلگران ساعت‌ها فیلم‌های ویدئویی را بررسی می‌کنند و به دنبال نقاط ضعفی در تنظیمات دفاعی حریفان می‌گردند که می‌توانند
آنها را هدف قرار دهند، یا تلاش می‌کنند حفره‌هایی را در عملکرد تیم خود بیابند تا در تمرین دو برابر شوند.
ولیچکوویچ می‌گوید: «اما ردیابی 22 نفر، در موقعیت‌های مختلف، واقعاً سخت است.
“اگر ابزاری مانند این دارید، بلافاصله به شما کمک می کند تا ببینید کدام بازیکن به درستی حرکت نمی کند، کدام بازیکن باید کار متفاوتی انجام دهد.”
