Naj w AI #16: AI w Sporcie – TacticAI od Deepmind i Liverpool FC

AUTOR: Maciej Rubczyński – Head of Development | Big Data & AI Solutions Architect w TIDK

Dekadę temu Nike wyprodukowało „The Last Game”, krótki film opowiadający historię rywalizacji najlepszych piłkarzy na  świecie z androidami. Jego fabuła zakładała, że roboty w każdym momencie były w stanie przewidzieć najbardziej prawdopodobną następną akcję. Dzięki temu bramkarze drużyny humanoidów bez problemu bronili strzały gwiazd światowego futbolu, obrońcy blokowali będąc w stanie szybko ocenić w jaki sposób napastnik będzie chciał ich przedryblować, a jednocześnie roboty również posiadając piłkę w fazie ataku były w stanie zawsze podjąć optymalną decyzję. Androidy grały na tyle dobrze i poprawnie, że aż stawało się to nudne.  W końcu niejeden piłkarski trener jak mantrę powtarza, że futbol to gra błędów, których u robotów po prostu nie było.

Każdy z takich trenerów chętnie zatrudnił by jednak wspomnianego androida by nauczył jego zawodników podejmowania optymalnych decyzji. Kluby sportowe coraz częściej i więcej inwestują więc w działy analityki danych i AI, by to marzenie spełnić. Piłka nożna jest jednak dyscypliną w której na końcowy rezultat ma wpływ ogromna liczba czynników, plus często jest losowa, nie zapewniając zwycięstwa zdecydowanie lepszemu zespołowi. Można natomiast podjąć próby skupienia się tylko na wybranym fragmencie meczu np. najbardziej oderwanych od całości rzutach karnych.

Właśnie na skupienie się na konkretnym elemencie gry zdecydował się Deepmind. Podjął on próbę stworzenia modelu wspierającego trenerów przy ćwiczeniu rzutów rożnych przed meczem z konkretnym przeciwnikiem. Naukowcy przeprowadzili badania we współpracy z Liverpool FC, a ich wyniki udostępnili w ramach rozwiązania TacticAI, opublikowanego w Nature w tym tygodniu. Przeanalizowali 7176 rzutów rożnych z jednego sezonu ligi angielskiej by wytrenować model potrafiący skupiać się na trzech elementach:

• przewidywaniu, który zawodnik otrzyma piłkę jako pierwszy,
• szacowaniu prawdopodobieństwa strzału wykonanego w ramach rzutu rożnego,
• rekomendacji zmiany ustawienia i prędkości poruszania się piłkarzy przed następnym rzutem rożnym.

Dane, które przeanalizowali naukowcy z DeepMind obejmowały:

• trajektorie piłki i wszystkich piłkarzy w trakcie rzutów rożnych, w postaci zapisanych klatek z nagrań, 25 klatek na sekundę.
• dane zdarzeniowe, czyli te same akcje opisane w postaci następujących po sobie zdarzeń np. podanie, strzał, gol.
• parametry piłkarzy, pozycji, wzrostu, wagi.
• dane dotyczące dnia rozgrywki, wymiarów boiska, informacji o stadionie.

W zaprezentowania pozycji zawodników w momencie wykonania rożnego względem osi symetrii boiska wykorzystano reprezentacje w postaci grafów, co pozwoliło również na wykorzystanie metod geometrycznego głębokiego uczenia maszynowego. Właśnie z wykorzystaniem grafowej sieci neuronowej osiągnięto aż 78% skuteczność predykcji zawodnika, do którego trafi piłka po wykonaniu rzutu rożnego.

Rekomendacje taktyk wygenerowanych przez TacticAI zostały przedstawione ekspertom z Liverpool FC i nie byli oni w stanie rozróżnić planów taktycznych przygotowanych przez człowieka od tych zaproponowanych przez AI. Dodatkowo, gdy musieli wybrać taktykę, aż w 90% decydowali się na jedną z przygotowanych przez model Deepmind. Liczby robią wrażenie, jako fan piłki mam jednak nadzieję, że scenariusz z „Nike:The Last Game” się nie spełni 🙂

Źródła:

• TacticAI https://www.nature.com/articles/s41467-024-45965-x#Abs1
• Nike, The Last Game https://www.youtube.com/watch?v=-twhPpLC2WE