В рамках долгосрочного сотрудничества Google с футбольным клубом «Ливерпуль», Google DeepMind представила систему искусственного интеллекта TacticAI, которая разработана для консультирования футбольных тренеров по вопросам тактики угловых ударов.

Система, созданная в партнёрстве с одной из самых результативных команд Великобритании, предоставляет тактическую информацию с использованием прогнозирующих и генеративных моделей искусственного интеллекта. Слепое тестирование, в котором эксперты не знали, какая тактика была выбрана реальным тренером, а какая была предложена TacticAI, показало, что в 90% случаев предложения TacticAI были предпочтительны по сравнению с наблюдаемыми на практике тактическими установками.

TacticAI — это полноценная система искусственного интеллекта, которая объединяет прогнозирующие и генеративные модели. Она позволяет тренерам выбирать альтернативные расстановки игроков и оценивать возможные результаты таких альтернатив.

TacticAI решает три основных вопроса. Первый — что произойдет при использовании определённой тактики на угловом ударе? Например, кто с наибольшей вероятностью завладеет мячом? Второй — какие результаты были после применения такой тактики ранее? Например, успешна ли была такая тактика в прошлом? И третий — как можно скорректировать тактику для достижения конкретного результата?

Для обучения TacticAI использовался набор данных из 7176 угловых ударов, выполненных в Премьер-лиге в сезонах 2020-2021 годов. Этот набор данных был случайным образом перемешан и разделён на тренировочную и тестовую выборки. Подробности были опубликованы в журнале Nature Communications.

Прогнозирование результатов угловых ударов представляет сложность из-за случайности игрового процесса и взаимодействия отдельных игроков. Процесс также осложняется моделированием с использованием искусственного интеллекта из-за ограниченного количества доступных данных о тактике угловых ударов — в каждом матче Премьер-лиги в сезоне происходит всего около 10 угловых ударов. TacticAI использует методы глубокого обучения для создания более обобщённых моделей.

Система моделирует неявные связи между игроками, представляя тактическую схему углового удара в виде графов, где узлы представляют игроков (с такими характеристиками, такими как положение, скорость и т. д.), а рёбра представляют связи между ними. TacticAI также использует приблизительную симметрию футбольного поля. Архитектура системы представляет собой версию свёрточной нейронной сети, которая генерирует все четыре возможных отражения данной ситуации (исходное, горизонтально перевёрнутое, вертикально перевёрнутое и горизонтально и вертикально перевёрнутое) и доводит прогнозы до идентичности во всех случаях. Этот подход уменьшает пространство поиска возможных функций, представляемых нейронной сетью, и обеспечивает создание более обобщённых моделей с использованием меньшего количества обучающих данных.

Качественный анализ системы, проведённый с участием футбольных экспертов, показал, что результаты, полученные TacticAI, были релевантными в 63% случаев, что почти в два раза превышает контрольный показатель 33%. Количественный анализ, проведённый разработчиками, подтверждает точность предсказаний TacticAI относительно получателей угловых ударов, ситуаций с ударами и изменений позиций игроков, соответствующих наблюдаемым в реальных играх.

В первой совместной работе Google DeepMind и ФК «Ливерпуль» от 2021 года, «Продвижение спортивной аналитики посредством исследований ИИ», футбол был отмечен как перспективная область для применения искусственного интеллекта. Год спустя был разработан Graph Imputer, прототип системы прогнозирования, позволяющей использовать ИИ для футбольной аналитики. Эта система способна предсказывать движения игроков вне кадра, когда отслеживающие данные недоступны.

TacticAI демонстрирует потенциал вспомогательных методов искусственного интеллекта, которые могут существенно преобразить спорт для игроков, тренеров и болельщиков. Футбол и подобные виды спорта являются динамичной областью для разработки ИИ, поскольку отличаются высокой динамикой и представляют собой сложные многоагентные системы с мультимодальными данными. Использование искусственного интеллекта в сфере спорта может найти применение в различных областях — от компьютерных игр и робототехники до координации дорожного движения.