الذكاء الاصطناعي يصبح "الرجل الرئيسي" في ألعاب كرة القدم: DeepMind يطلق TacticAI، مع تطبيق عملي للتخطيط التكتيكي يصل إلى 90%

في تصفيات كأس العالم التي اختتمت مؤخرًا، تغلب المنتخب الصيني لكرة القدم على سنغافورة بنتيجة 4-1 على أرضه في تيانجين، مبددًا بذلك خيبة الأمل التي أصابته بعد التعادل مع منافسه في المباراة السابقة عندما كان متقدمًا، ومهد الطريق أيضًا لتحقيق أول انتصار له في عام 2024. ويحتل المنتخب الصيني حاليًا المركز الثاني في المجموعة الثالثة، ويحافظ على آماله في التأهل إلى دور الثمانية.

وبينما يستمتع بعض المشجعين بفرحة الفوز، راجعوا أيضا بيانات المباراة ووجدوا أن نسبة فرص الركلات الركنية التي حصل عليها الفريقان طوال المباراة كانت 10:1. وكان المنتخب الصيني متقدما بفارق كبير، لكنه فشل في تسجيل أي هدف بنجاح. وبدلاً من ذلك، فقد أخطأ هدفًا فارغًا، وهو أمر مؤسف حقًا.

في الواقع، يمكن للـ"كرات الثابتة" مثل الركلات الركنية أن توفر للاعبين انقطاعًا قصيرًا في المواجهات التي تتطلب الجري بكثافة عالية. إن نشر القوات في منطقة جزاء الفريق الخصم يعد في كثير من الأحيان فرصة ممتازة لتطبيق تكتيكات المدرب. وقد أكدت العديد من المباريات الكلاسيكية في تاريخ كرة القدم أهميتها.

في 7 مايو 2019، أقيمت مباراة الإياب من نصف نهائي دوري أبطال أوروبا على ملعب أنفيلد. بعد عجز كبير بنتيجة 0:3 في الشوط الأول، نجح ليفربول في تسجيل ثلاثة أهداف متتالية، وأخيرا ساعدت ركلة الركنية غير المتوقعة التي نفذها أرنولد في إكمال هدف الفوز.

في تلك اللحظة، بدأ أرنولد بالابتعاد عن منطقة العلم الركنية. وظن الجميع أنه سيمرر ركلة الركنية إلى شاكيري على الجانب، لكنه سرعان ما عاد وسدد ركلة الركنية إلى أوريجي داخل منطقة الجزاء، ليكمل في النهاية النتيجة 4:3 ويترجم بشكل مثالي سحر تكتيكات ركلات الركنية.

في كل مرة يتم فيها صياغة تكتيك ما، لا ينبغي فقط مراعاة خصائص قدرات لاعبي الفريق، بل يجب أيضًا تلخيص الخصائص التكتيكية للفريق المنافس بناءً على سجلات المباريات السابقة. يتطلب كلا الأمرين من الجهاز الفني مراجعة كمية كبيرة من بيانات الفيديو وكشف التفاصيل.

ولحسن الحظ، ومع تطور العلم والتكنولوجيا، تراكمت كمية كبيرة من موارد البيانات في مجال كرة القدم. يقوم الذكاء الاصطناعي بإجراء إحصائيات وتحليلات شاملة حول قوة الرياضيين وسرعتهم ودقة تسديدهم وما إلى ذلك، ويولد تقارير البيانات منها. وهذا يسمح للمدربين بتحديد نقاط القوة والضعف لدى الرياضيين بشكل أكثر حدسًا وتطوير خطط تدريبية وتكتيكات لعب أكثر استهدافًا، مما يخفف الضغط على المدربين والمديرين بشكل كبير.

وبناء على هذا،تعاونت شركة Google DeepMind ونادي ليفربول لكرة القدم لإطلاق مساعد الذكاء الاصطناعي لتدريب كرة القدم TacticAI.يستخدم النظام أساليب التعلم العميق الهندسية لتزويد المحترفين بمعلومات حول تكتيكات الركلة الركنية من خلال نماذج تنبؤية وتوليدية. بالمقارنة مع التخطيطات في الممارسة العملية، تم التعرف على التكتيكات التي اقترحها TacticAI من قبل الخبراء البشريين في حالات 90%.

أبرز الأبحاث:

* يتم تفضيل التصميم التكتيكي الذي اقترحته TacticAI من قبل الخبراء البشريين في جميع حالات 90%.

* تصل دقة التنبؤ باستقبال الكرة إلى 74%، وتزداد فرصة التصويب بمقدار 13%.

* توفير مرجع لأبحاث التخطيط التكتيكي للكرات الثابتة أو الأنشطة الأخرى في مواقف المباريات المعلقة.

عنوان الورقة:
https://www.nature.com/articles/s41467-024-45965-x
اتبع الحساب الرسمي ورد بـ "角球" للحصول على ملف PDF الكامل

مجموعة البيانات: أربعة مصادر رئيسية للبيانات، تجمع معلومات الميزات في جميع الجوانب

تتكون مجموعة البيانات الأصلية من 9693 ركلة ركنية تم جمعها من الدوري الإنجليزي الممتاز في مواسم 2020-21 و2021-22 و2022-23، والتي قدمها نادي ليفربول لكرة القدم، بما في ذلك مصادر البيانات الأربعة التالية:

* بيانات إطار عمل تتبع اللاعب في المكان والزمان،تم تتبع مواقع وسرعات جميع اللاعبين والكرات في الملعب أثناء كل لعبة.

* بيانات تدفق الحدث،تمت ملاحظة الأحداث أو الإجراءات (مثل التمريرات والتسديدات والأهداف) التي حدثت في إطارات التتبع المقابلة.

* بيانات فريق المباراة،تم تسجيل البيانات الشخصية للاعبين، بما في ذلك الطول والوزن والمركز.

* بيانات المباراة المتنوعة،يتضمن تواريخ المباريات ومعلومات الملعب وطول الملعب وعرضه.

قام الباحثون بفحص وتصفية البيانات المذكورة أعلاه وتوصلوا في النهاية إلى 7176 ركلة ركنية صحيحة. تم أخذ عينات عشوائية من البيانات وتقسيمها إلى مجموعة تدريب ومجموعة تحقق بنسبة 8:2، وتم استخدام نفس طريقة التقسيم في جميع المهام اللاحقة.

عنوان مجموعة البيانات:

https://my5353.com/p30375

الطريقة التجريبية: التنبؤ بنتائج الركلة الركنية عبر التعلم العميق الهندسي

أولاً، من أجل الاستفادة بشكل فعال من بيانات الركلة الركنية، قام الباحثون بإنشاء نموذج للعلاقات الضمنية بين اللاعبين وتحويل أشكال الركلة الركنية إلى تمثيل بياني.تمثل كل عقدة لاعبًا (بما في ذلك الميزات مثل الموضع والسرعة والارتفاع وما إلى ذلك)، وتمثل الحواف العلاقة بينها، ويتم تحديث كل عقدة عن طريق تمرير الرسائل إلى العقد المجاورة.

بعد ذلك، قام الباحثون بتحليل كيفية التعامل مع ركلة ركنية معينة، باستخدام التعلم العميق الهندسي واستغلال التناظر التقريبي لملعب كرة القدم لتوليد أربعة انعكاسات محتملة لموقف معين (الأصلي، والمقلوب على شكل حرف H، والمقلوب على شكل حرف V، والمقلوب على شكل حرف H). ومن بينها، يبدأ التعلم العميق الهندسي من التناظر ويدمج الخصائص الهندسية في التعلم الآلي لتوصيف البنية الجوهرية وأنماط التغيير للبيانات بشكل أفضل وتحسين قدرات التمثيل والتعميم والتعميم للخوارزمية.

أخيرًا، يتم تطبيق جميع مجموعات الانعكاس الأربعة على بنية الشبكة العصبية للرسم البياني لمنطقة الركلة الركنية وإدخالها بشكل أكبر في TacticAI. يتكون TacticAI من ثلاثة نماذج تنبؤية وتوليدية، تستخدم جميعها نفس بنية التشفير وفك التشفير. يتمتع المشفر بنفس البنية في جميع المهام، بينما يقوم نموذج فك التشفير بإنشاء مخرجات بأشكال مقابلة وفقًا لمتطلبات كل مهمة معيارية.تتوافق النماذج الثلاثة مع المهام المرجعية الثلاث لهذه الدراسة، وهي: التنبؤ باستقبال الكرة، والتنبؤ بالتسديد، وتوليد استراتيجيات التخطيط التكتيكي.

باختصار، في مجال التنبؤ باستقبال الكرة، يمكن لـ TacticAI التنبؤ بما إذا كانت ركلة الركنية ستؤدي إلى تسديدة بدقة 71%. وفي التنبؤ بالتسديدات، وجد الباحثون أن متوسط احتمالات تسديد الفريق المدافع انخفض من حوالي 75% لركلة ركنية حقيقية إلى حوالي 69% بعد التعديل.ارتفعت احتمالية تسديد الفريق المهاجم من حوالي 18% إلى حوالي 31%.

الاستنتاج التجريبي: أربع دراسات حالة حول الفعالية العملية لـ TacticAI

لتقييم الفعالية الفعلية لـ TacticAI، دعا الباحثون خمسة خبراء في كرة القدم، بما في ذلك ثلاثة علماء بيانات، ومحلل فيديو واحد ومساعد تدريب واحد، لإجراء تحليل كمي لـ TacticAI بناءً على أربع حالات.

1. صحة عينات الركلات الركنية التي تم إنشاؤها بواسطة TacticAI

أولاً، لتقييم واقعية التعديلات الناتجة، قام الباحثون بتجميع مجموعة بيانات وتقييم الاختلافات بين الركلات الركنية الاصطناعية التي تم إنشاؤها بواسطة TacticAI والركلات الركنية الحقيقية.

وعلى وجه التحديد، قام الباحثون بتعيين كل عينة على درجة +1 إذا تم تقييمها يدويًا على أنها حقيقية و0 بخلاف ذلك. تم حساب متوسط الدرجات للمراجعين الخمسة لكل عينة.وتبين أنه لا يوجد فرق كبير في متوسط التقييمات بين الركلات الركنية الفعلية والركلات الركنية المولدة (z = -0.34، p > 0.05). لذلك، فإن عينات الركلات الركنية التي تم إنشاؤها بواسطة TacticAI هي عينات أصلية.
z و p هي مؤشرات إحصائية تستخدم عادة في اختبار الفرضيات في الإحصاء.

2. يتنبأ TacticAI بمصداقية المتلقي

ثانيًا، للتنبؤ بالمستقبل، إذا ظهر مستقبل واحد على الأقل في أول 3 تنبؤات لـ TacticAI، فقد قام المراجع بتقييم تنبؤ TacticAI بـ +1، وإلا فقد تم تقييمه بـ 0.

وبعد حساب متوسط التقييمات المتوقعة لعينة الماسكين، وجد الباحثون أنه لا يوجد فرق ذو دلالة إحصائية في متوسط تقييمات الماسكين المتوقعين للعينة الفعلية والعينة المولدة (z = 0.97، p > 0.05).

توجد فروق فردية في تصنيفات تنبؤات الصيد من قبل مقيمين مختلفين، وفي هذه الحالة، لا يزال TacticAI قادرًا على الحفاظ على دقة عالية ضمن المراكز الثلاثة الأولى، مما يُظهر ثقته العالية في مهمة التنبؤ بالصيادين.

3. فعالية TacticAI في استعادة الركلة الركنية

ثالثًا، يجري الخبراء تحليل التشابه بين الركلات الركنية التي استعادها TacticAI والركلات الركنية المرجعية، ويسجلونها بـ +1 إذا كانت الركلات الركنية متشابهة، وإلا فيكون 0.

وأخيرا وجدت ذلكلم تكن هناك فروق كبيرة بين توزيع التقييمات بين المُقيِّمين، مما يشير إلى درجة عالية من الاتفاق بينهم بشأن فعالية قدرة TacticAI على استرجاع التسديدات الشبيهة بالزاوية (F1,4 = 1.01، p > 0.1).
F1،4 و p هي مؤشرات إحصائية تستخدم للحكم على الاتساق أو عدم وجود اختلاف كبير.

4. جدوى تعديل استراتيجية TacticAI

وأخيرًا، قام الباحثون بتقييم مدى جدوى توصيات TacticAI فيما يتعلق بتعديلات اللاعبين في المواقف الواقعية. على وجه التحديد، تم منح كل مراجع 50 تعديلاً تكتيكياً وإعدادات ركلة الركنية الحقيقية المقابلة، وقام المراجعون بتقييم كل تعديل على أنه يحسن التكتيك بشكل كبير +1، ويجعله أسوأ بشكل كبير -1، ولا يحدث فرقًا كبيرًا 0.

وأظهرت النتائج أن متوسط الدرجات لجميع المراجعين الخمسة كان 0.7 ± 0.1. ومن بين هؤلاء، وجد المراجعون البشريون أن توصية TacticAI 90% كانت إيجابية. بالإضافة إلى ذلك، كانت تقييماتهم متسقة للغاية (F1,4 = 0.45، ص > 0.05).ويشير هذا إلى أن هذه الفائدة معترف بها على نطاق واسع بين الخبراء البشريين.

باختصار، يمكن لـ TacticAI إكمال المهام الثلاثة المعيارية بكفاءة وهو فعال عمليًا في التنبؤ بالركلة الركنية واسترجاعها والتعديل التكتيكي.

كسر نمط كرة القدم التقليدي، الذكاء الاصطناعي يصبح "المهاجم" في العصر الجديد

قال ريتشارد فان هويدونك، الخبير المستقبلي ومراقب الاتجاهات: "بالنسبة للجيل الحالي، كل ما يفعله ويختبره يتضمن عنصرًا تكنولوجيًا. وللحفاظ على جاذبية الرياضة لهذا الجيل والأجيال القادمة، لا خيار أمامنا سوى الاستمرار في دمج التكنولوجيا".عندما نركز على الابتكار التكنولوجي في عالم كرة القدم، فليس من الصعب أن نجد أن الذكاء الاصطناعي لم يعد مجرد سلاح سري لتدريب الفرق. إنها تعمل بهدوء على إعادة تشكيل تخطيط صناعة كرة القدم بأكملها بتأثيرها الواسع النطاق.

من اختيار اللاعبين إلى التدريب اليومي إلى الصياغة التكتيكية، يمكننا أن نرى الذكاء الاصطناعي في المزيد والمزيد من الروابط. على سبيل المثال:

* الرحلة، كرة المباريات التي صممتها وأنتجتها شركة أديداس لكأس العالم 2022،يمكن لوحدة القياس بالقصور الذاتي المدمجة اكتشاف نقطة ركلة كرة القدم بدقة. من خلال الجمع بين بيانات تتبع جسم اللاعب وبيانات تتبع الكرة، يمكن مراقبة ما إذا كان المهاجم في موقف تسلل يلمس الكرة. (اضغط لمشاهدة التقرير المفصل: 4 أهداف ونقطة واحدة، التكنولوجيا والعمل الجاد وراء هزيمة الأرجنتين)

* أطلقت AiSCOUT منصة الكشف بمساعدة الذكاء الاصطناعي،إنه يكسر القيود الجغرافية والموارد لآلية الاختيار التقليدية ويزود الكشافين بالبيانات حول القدرات الرياضية للاعبي كرة القدم والقدرة المعرفية والقدرة الفنية وما إلى ذلك، حتى يتمكن الكشافون من اختيار اللاعبين بدقة أكبر.

* أطلقت Zone7 منصة الذكاء الاصطناعي للتنبؤ بإصابات اللاعبين،إن استخدام الذكاء الاصطناعي لتحديد وتوقع إصابات اللاعبين يمكن أن يساعد الرياضيين والمدربين في إيجاد أفضل توازن بين الحركة المثلى ومخاطر الإصابة.

* أطلقت شركة ChyronHego منصة تحكيم بمساعدة الذكاء الاصطناعي،من خلال تتبع الكرة بواسطة الذكاء الاصطناعي وتتبع الأطراف وتقنية النمذجة الهيكلية، يتم ترقية "عيون النسر" للحكم إلى "عيون إلكترونية"، حيث تلتقط بدقة موضع أطراف اللاعب في لحظات التمرير الرئيسية، مما يساعد الحكم على اتخاذ قرارات أكثر دقة وفي الوقت المناسب.

من اكتشاف اللاعبين ومنع الإصابات إلى الحكام ومساعدي التدريب، انتشر الذكاء الاصطناعي في كل جانب من جوانب كرة القدم. إن عصرًا غير مسبوق من ذكاء كرة القدم قادم. هل تؤثر "الفجوة بين الأغنياء والفقراء" بين الأندية على محتوى الذكاء الاصطناعي للتدريب المنتظم للاعبين وبالتالي تفاقم تأثير ماثيو بين الفرق؟ أخشى أن جميع الأطراف المشاركة في النظام البيئي بأكمله بحاجة إلى التفكير بشكل أكثر دقة.

مراجع:
https://zhuanlan.zhihu.com/p/447351207
https://zhidao.baidu.com/question/161044184.html
https://soft.zhiding.cn/software_zone/2022/0622/3141934.shtml

https://www.sports-idea.com/news/12456.html
https://www.sohu.com/a/624410973_100111861