Google DeepMind и клуб Премьер-лиги «Ливерпуль» создали прототип модели искусственного интеллекта TacticAI для футбольных тренировок. Лаборатория DeepMind, которая ранее использовала ИИ для сложных настольных игр, таких как Go, отмечает, что ИИ можно обучать на шаблонах, которые можно увидеть на спортивных площадках.
Согласно статье, опубликованной в Nature предложенные искусственным тренером улучшения позиций игроков во время угловых ударов, большого потенциального источника голов, в основном получили одобрение экспертов-людей. Сейчас технология может предоставить преимущества в планировании ситуаций с предсказуемыми начальными условиями, например в случае угловых. Глобальная задача состоит в том, чтобы применить ИИ к более вариативным условиям открытой игры.
Проект DeepMind является результатом трехлетней работы с «Ливерпулем». Модель DeepMind использует глубокое геометрическое обучение на наборе данных, включающем 7176 угловых ударов английской Премьер-лиги между 2020 и 2023 годами. Модель научилась предсказывать, какой игрок первым коснется мяча после выполнения углового. В тестах тот, кто принимает мяч, был среди трех лучших кандидатов TacticAI в 78% случаев. Угловые удары вместе со штрафными по статистике дают до 30% всех голов.
TacticAI анализировала результаты угловых ударов с различными конфигурациями игроков и предлагала позиционные улучшения. Их полезность была оценена в слепом тестировании, проведенном пятью экспертами: тремя специалистами по обработке данных, одним видеоаналитиком и одним ассистентом тренера. Эксперты не могли отличить созданные ИИ сценарии от реальных ситуаций, они отдавали предпочтение советам TacticAI над существующими стратегиями в 90% случаев.
Петар Величкович из Google DeepMind говорит, что исследование имеет более широкое применение за пределами спорта. «Если мы сможем смоделировать игру в футбол, мы сможем также моделировать несколько аспектов человеческой психологии. Когда ИИ становится более способным, ему нужно будет лучше понимать мир, особенно в условиях неопределенности. Наша система способна выдавать решения и предложения в условиях неопределенности. Эти навыки, по нашему мнению, можно будет перенести на будущие системы ИИ, поэтому это хороший полигон», — говорит он.
Источники: Financial Times, New Scientist