Należąca do Google firma Deep Mind we współpracy z piłkarskim klubem FC Liverpool opracowała model sztucznej inteligencji „Tactic AI” analizujący sposoby rozegrania rzutu rożnego (kornera), który jest stałym elementem gry piłka nożna. Model analityczny powstał na podstawie informacji z 7176 rzutów rożnych wykonanych w najwyższej lidze rozgrywek męskich Premier League, z okresu 2020-2021. Brano pod uwagę dane z monitoringu gier, nagrania wideo, składy drużyn i statystyki gier. W przypadku graczy brano także pod uwagę ich wagę, wzrost i prędkość w trakcie rozgrywania rzutu rożnego oraz pozycję na której grają.
Pięcioosobowy zespół ekspercki z FC Liverpool ocenił podpowiedzi modeli AI odnośnie rozgrywania rzutów rożnych i porównał z historycznymi danymi. Na 50 propozycji w 45 przypadkach propozycje AI zostały uznane za lepsze od faktycznie wykonanych przez drużyny (metoda większości głosów). „Tactic AI” jednocześnie okazał się lepszy od wcześniej stosowanych metod w rozpoznawaniu podobnie rozegranych rzutów rożnych.
W meczach piłki nożnej rzut rożny to ten moment, gdy piłka zostaje postawiona na specjalnie oznaczonym polu w rogu boiska. Drużyna atakująca otrzymuje w ten sposób możliwość niezakłóconego podania w kierunku pola bramkowego lub możliwość strzału. Osoby z drużyny atakującej po odebraniu podania będą starać się strzelić lub przekazać osobie ich zdaniem będącej w lepszej pozycji do strzału. Osoby z drużyny broniącej będą chciały przejąć podanie z rogu lub kolejne podania, będą też chciały zablokować strzały na bramkę.
„TacticAI” został stworzony, aby odpowiedzieć na trzy podstawowe pytania:
- Co się stanie przy danym taktycznym ustawieniu drużyny atakującej? Na przykład, kto najprawdopodobniej otrzyma piłkę i czy dojdzie do próby strzału? Ta cecha modelu została nazwana receiver prediction.
- Czy po zagraniu możemy zrozumieć, co się stało? Na przykład, czy podobne taktyki działały dobrze w przeszłości? Ten element ma nazwę shot prediction.
- Jak możemy dostosować taktykę, aby osiągnąć określony wynik? Na przykład, jak powinniśmy przemieszczać obrońców, aby zmniejszyć prawdopodobieństwo prób strzałów? Wreszcie guided generation proponuje skuteczne rozwiązania.
Relacje między osobami grającymi (zawodnicy, zawodniczki) w tym modelu są przedstawione w postaci grafów, gdzie węzłami są osoby, krawędziami – połączeniami między węzłami jest przynależność do danej drużyny (w kontekście kornera to drużyna broniąca lub atakująca). Ciekawe też jakie cechy mają węzły, czyli jakie cechy osób grających zostały uwzględnione w modelu – są to: pozycja na której gra dana osoba (np. atak, pomoc, obrona itd.), waga, wzrost, prędkość, posiadanie piłki.
Zespół badawczy do analizy wybrał rzuty rożne, gdyż łączą one dwie cechy. Są elementami gry, gdzie stosunkowo łatwo jest poprawić ich wykonywanie lub sposób obrony. Jednocześnie ze względu na bliskość bramki, efekty rzutów rożnych mają potencjalnie znaczny wpływ na wynik spotkania.
Współpraca FC Liverpool z Deep Mind zaczęła się trzy lata temu. W pracy z 2021 roku zespół badawczy prognozował, że sportowa analityka w futbolu wykorzystywać będzie dane statystyczne, przetwarzanie obrazu/wideo oraz teorię gier.
Niemiecka Bundesliga we współpracy z Amazon (AWS) zbiera dane dotyczące rozgrywek i graczy. Tworzone są indywidualne profile graczy, predykcje rezultatu oraz zachowań graczy (Bundesliga Match Facts). Sztuczna inteligencja wspomaga przekaz telewizyjny, automatycznie wybierające kluczowe momenty.
Sztuczna inteligencja jest wykorzystywana w piłce nożnej także na inne sposoby. AIScout to brytyjska firma, która na potrzeby brytyjskiego futbolu zbiera dane i tworzy profile początkujących graczy. Firma powstała, gdy 16 letni syn jednego z założycieli został odrzucony przez klub piłkarski a ojciec zorientował się, że zamiast polegać na twardych danych piłkarscy skauci (osoby zatrudniające zawodników) oczekują wideo-prezentacji graczy.
AI w sporcie może pomóc w prognozowaniu ryzyka kontuzji na podstawie analizy ruchu. Uczenie maszynowe może też wspomagać efektywność treningu, algorytmy mogą pomóc angażować widownię, mogą też wspomagać projektowanie bezpieczniejszego sprzętu sportowego oraz mogą też wspomagać sędziowanie.
W polskim klubie Wisła Kraków na podstawie historycznych danych sztuczna inteligencja podobno prognozuje liczbę sprzedanych biletów. Pod uwagę brane są m.in rywal, pora roku, pora dnia, dzień oraz ostatnie wyniki drużyny. Inne drużyny używają generatywnej AI do tworzenia projektów koszulek.
Czytelnia:
Liverpool staff ‚preferred AI tactics 90 per cent of time’ by the end of Google collaboration – Liverpool.com
TacticAI: an AI assistant for football tactics – Google DeepMind
Advancing sports analytics through AI research – Google DeepMind
Multiagent off-screen behavior prediction in football | Scientific Reports (nature.com)
[2310.10553] TacticAI: an AI assistant for football tactics (arxiv.org)
Now DeepMind is using AI to transform football | WIRED
https://www.ai.io/about
https://aws.amazon.com/sports/bundesliga/
https://www.linkedin.com/pulse/how-ai-revolutionizing-football-performance-giovanni-sisinna/
REWOLUCJA AI 