終了したばかりのワールドカップ予選では、サッカー代表チームが天津のホームでシンガポールを4対1で破り、前回の試合でリードしていたにも関わらず引き分けの不安を払拭し、初戦を迎えた。 2024年、勝利。現在、中国チームはグループCで暫定2位に位置し、ベスト18進出の望みを保っている。
勝利の喜びを満喫する一方、試合データを確認して、試合全体で両チームが得たコーナーキックのチャンスは10対1で代表チームが大きくリードしていたが、それを利用しなかったことに気づいたファンもいた。得点には成功しましたが、無人のゴールを外し、本当に恥ずかしい思いをしました。
実際、コーナーキックなどの「セットキック」は、激しいランニング対決において選手に短い中断を与えることができ、相手のペナルティエリアに部隊を編成することは、監督の戦術を実行する絶好の機会となることがよくあります。すべての歴史がその重要性を裏付けています。
2019年5月7日、アンフィールドで始まったチャンピオンズリーグ準決勝第2戦は、前半で0対3という大差をつけたリバプールが3連続ゴールを追いかけ、最後はアーノルドの予期せぬコーナーキックでアシストした。決勝ゴールを達成するために。
その時、アーノルドはコーナーフラッグエリアから離れ始めたが、誰もがシャキリにコーナーキックを与えるだろうと思ったが、彼はすぐに戻ってコーナーキックを蹴り、ペナルティエリア内のオリギにパスを渡し、最終的に4: 3. この逆転はコーナーキック戦術の魅力を完璧に表している。
あらゆる戦術的意思決定は、自国の選手の能力や特徴を考慮するだけでなく、過去の試合記録に基づいて相手チームの戦術的特徴を要約する必要があり、どちらもコーチングスタッフが大量のビデオデータを検討して剥がす必要があります。繭。
幸いなことに、科学技術の発展により、サッカー分野では人工知能が選手の強さ、スピード、シュートの精度などを総合的に統計・分析し、データレポートを生成できるようになりました。アスリートの長所と短所をより直観的に特定し、より的を絞ったトレーニング計画や競技戦術を開発できるため、コーチやマネージャーのプレッシャーが大幅に軽減されます。
これに基づいて、Google DeepMind とリバプール フットボール クラブが共同でサッカー コーチング人工知能アシスタント TacticAI を発表。このシステムは幾何学的な深層学習手法を使用し、予測および生成モデルを使用して専門家に戦術的なコーナーキックに関する洞察を提供します。実際のレイアウトと比較すると、90% の場合、TacticAI が提案する戦術は人間の専門家によって認識されます。
研究のハイライト:
* 90% の場合、TacticAI が提案する戦術レイアウトは人間の専門評価者によって支持されます。
※捕球精度は74%と高く、シュートチャンスは13%増加します。
* セットプレーやその他の中断されたプレー状況でのアクティビティの戦術的なレイアウト研究の参考を提供します。
用紙のアドレス:
https://www.nature.com/articles/s41467-024-45965-x
公式アカウントをフォローし、バックグラウンドで「コーナーキック」とリプライすると全文PDFが入手できます
オリジナルのデータセットには、リバプール フットボール クラブから提供された、2020-21、2021-22、2022-23 シーズンにプレミア リーグから収集された 9,693 のコーナーが含まれており、次の 4 つのデータ ソースが含まれています。
* 時間と空間のプレーヤーのトラッキング フレーム データ、すべてのプレーヤーとボールの位置と速度がゲームごとに追跡されます。
* イベントストリームデータ、対応する追跡フレーム内で発生するイベントまたはアクション (パス、ショット、ゴールなど) には注釈が付けられます。
※対戦チームデータ、選手の身長、体重、ポジションなどの個人情報が記録された。
*その他の競技データ、試合日、スタジアム情報、フィールドの長さと幅が含まれます。
研究者らは上記のデータをふるいにかけてフィルタリングし、7,176 個の有効なコーナーを残しました。これらのデータはランダムにサンプリングされ、8:2 の比率でトレーニング セットと検証セットに分割され、後続のすべてのタスクで同じ分割方法が使用されました。
データセットアドレス:
まず、コーナーキックのデータを効果的に活用するために、研究者らは選手間の暗黙の関係をモデル化し、コーナーキックのフォームをグラフィック表現に変換しました。このうち、各ノードはプレイヤー(位置、速度、高さなどの特性を含む)を表し、エッジは隣接するノードとのメッセージの受け渡しによって更新されます。
次に、研究者らは、幾何学的なディープラーニングを使用し、サッカー場のほぼ対称性を利用して、特定のコーナーキックがどのように処理されるかを分析し、特定の状況の 4 つのバージョン (オリジナル、H 反転、V 反転、および HV 反転) を生成しました。おそらく反射します。その中でも、幾何学的な深層学習は対称性から始まり、幾何学的な特性を機械学習に埋め込むことで、データの内部構造と変化パターンをより適切に特徴付け、アルゴリズムの表現、一般化、および汎用性を向上させます。
最後に、4 つの反射の組み合わせすべてがコーナー領域のグラフ ニューラル ネットワーク構造に適用され、さらに TacticAI に入力されます。 TacticAI は 3 つの予測モデルと生成モデルで構成されており、これらのニューラル ネットワーク モデルはすべて同じエンコーダー/デコーダー アーキテクチャを使用します。エンコーダーはすべてのタスクにわたって同一に構造化されていますが、デコーダー モデルは各ベンチマーク タスクの要件に従って整形された出力を生成します。3 つのモデルはそれぞれ、この研究の 3 つのベンチマーク タスク、つまり捕球予測、ショット予測、および戦術的レイアウト戦略の生成に対応します。
要約すると、キャッチ予測において、TacticAI はコーナーキックがシュートされるかどうかを 71% の精度で予測できます。研究者らは、シュート予測において、守備チームの平均シュート確率が実際のコーナーキックの約75%から調整後は約69%に低下したことを発見した。攻撃チームのシュート確率が約18%から約31%に上昇します。
TacticAIの実際の有効性を評価するために、研究者らはデータサイエンティスト3名、ビデオアナリスト1名、コーチングアシスタント1名を含むサッカー専門家5名を招き、4つのケースに基づいてTacticAIの定量分析を実施した。
まず、生成された調整の信頼性を評価するために、研究者らはデータセットを合成し、TacticAI によって生成された合成コーナーと実際のコーナーの違いを評価しました。
具体的には、研究者らは各サンプルに手動で本物と評価された場合は +1 のスコアを割り当て、そうでない場合は 0 のスコアを割り当てました。 5 人のレビュー担当者からの各サンプルの平均評価を計算します。実際のコーナーキックと生成されたコーナーキックの間の平均評価には有意差がないことがわかりました (z = -0.34、p > 0.05)。したがって、TacticAI によって生成されたコーナー キックのサンプルは本物です。
z と p は、統計学の仮説検定でよく使用される統計指標です。
次に、レシーバーを予測する場合、TacticAI の最初の 3 つの予測に少なくとも 1 人のレシーバーが出現した場合、レビュー担当者は TacticAI の予測を +1 と評価し、それ以外の場合は 0 と評価します。
サンプル受信者の予測評価を平均した後、研究者らは、実際のサンプルと生成されたサンプルの予測受信者の平均評価に統計的に有意な差がないことを発見しました (z = 0.97、p > 0.05)。
異なる評価者による漁獲予測の評価に個人的な差異がある場合でも、TacticAI はトップ 3 以内の高い精度を維持でき、受信者を予測するタスクに高い信頼性があることを示しています。
3 番目に、専門家が TacticAI によって取得されたコーナー キックと参照コーナー キックの類似性分析を実行します。コーナー キックが類似している場合はスコアが +1 になり、そうでない場合は 0 になります。
やっと見つけた、異なる評価者の評価分布間に有意差はなく、同様のコーナーキックを奪う際の TacticAI の有効性について高度な一致が示されました (F1,4 = 1.01、p > 0.1)。
F1、4、p は、一貫性または有意差がないことを判断するために使用される統計指標です。
4. TacticAI調整戦略の実用性
最後に、研究者らは、TacticAI の選手調整に関する推奨事項の現実世界での有用性を評価しました。具体的には、各レビュー担当者に 50 の戦術調整とそれに対応する実際のコーナーキック設定が与えられ、各調整は戦術が大幅に改善されたとして +1、大幅に悪化したとして -1、有意差なしとして 0 と評価されました。
5 人のレビュー担当者全員の平均評価は 0.7 ± 0.1 であることがわかりました。その中で、人間のレビュー担当者は、TacticAI の推奨 90% が好ましいと判断しました。さらに、評価も非常に一貫性がありました (F1,4 = 0.45、p > 0.05)。これは、この有用性が人間の専門家の間で一般に認識されていることを示唆しています。
要約すると、TacticAI は 3 つのベンチマーク タスクを効率的に完了でき、コーナーキックの予測、回収、戦術の調整において実用的かつ効果的です。
未来学者でありトレンド観察者のリチャード・ヴァン・ホーイドンクはかつてこう言った、「今日の世代にとって、彼らが行うことや経験することすべてには、何らかの技術的要素が含まれている。スポーツがこの世代と将来の世代に関連性を持ち続けるためには、魅力的なものを維持する以外に選択肢はない」テクノロジーを統合します。」サッカー界の技術革新に焦点を当てると、AI がもはやチームを指導するための単なる秘密兵器ではなく、遍在する影響力でサッカー業界全体の配置を静かに再構築していることに気づくのは難しくありません。
選手の選択から日々のトレーニング、戦術の策定に至るまで、ますます多くのリンクで AI が使用されていることがわかります。例えば:
* アディダスが2022年ワールドカップに向けてデザイン・製造した試合球「アル・リーラ」、内蔵された慣性計測ユニットは、サッカーのキックポイントを正確に検出でき、選手の身体追跡データとボール追跡データを組み合わせることで、オフサイドポジションにいる攻撃チームがボールに触れているかどうかを監視できます。 (クリックすると詳細レポートが表示されます: 4 ゴールを挙げて 1 点を獲得、アルゼンチンの敗北の背後にある技術と努力)
* AiSCOUT社がAI支援スカウティングプラットフォームを立ち上げ、従来の選考メカニズムの地理的およびリソースの制限を打ち破り、スカウトにサッカー選手の運動能力、認知能力、技術的能力に関するデータを提供することで、スカウトがより正確に選手を選出できるようにします。
* Zone7社がAI選手怪我予測プラットフォームを立ち上げ、人工知能を使用して選手の怪我を特定および予測することは、選手やコーチが最適な動きと怪我のリスクの間の最適なバランスを見つけるのに役立ちます。
* ChyronHego社がAI支援審判プラットフォームを立ち上げ、人工知能によるボール追跡、四肢追跡、骨格モデリング技術により、審判の「燃えるような目」が「電子の目」にアップグレードされ、重要なパスの瞬間における選手の四肢の位置を正確に捕捉し、審判がより正確かつタイムリーな判定を行えるようにする。罰則。
選手の発見や怪我の予防から審判やコーチングアシスタントに至るまで、サッカー分野のあらゆる側面でAIが活用されており、クラブ間の「貧富の差」は選手のAIに影響を与えるのか。定期的なトレーニング内容によってチーム間のマシュー効果が悪化する?生態系全体におけるすべての関係者の役割をもっと十分に考慮する必要があるのではないかと思います。
参考文献:
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