https://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics/

https://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics/

TacticAI: an AI assistant for football tactics

As part of our multi-year collaboration with Liverpool FC, we develop a full AI system that can advise coaches on corner kicks

deepmind.google

아래 요약있음

전문

---------------------------------------------

택틱 AI : 축구 전술을 위한 AI 도우미

리버풀 FC와의 다년간 협력 일환으로 코너킥에 대해

코치에게 조언할수있는 완전한 AI 시스템 개발을 성공했다.

'코너 테이큰 퀵클리.. 오리기!'

리버풀이 19년 챔스 4강에서 역사적인 복귀를 해냈다. 가장 상징적인 순간은

아놀드가 코너킥으로 오리기에게 패스를 준 리버풀 fc사상

가장 위대한 골로 기록될 득점을 기록한 것이다.

...

(대충 어떤 AI를 만들어 낸건지, 홍보하는 문단들. 쓸모없어서 컷)

...

TacticAI는 이전 경기에서 발생한 일을 분석하고 특정 결과를 더

가능성 있게 만들기 위해 조정하는 방법을 분석하는

예측 및 생성 모델이 결합된 완전한 AI 시스템이다. (지리네)

리버풀 FC와 함께 경기 계획 개발하기

3년전 우리는 스포츠 분석을 위한 AI를 발전시키기 위해 리버풀 FC와 다년간의 협력을 시작했다.

(2021년 부터 라던데 그때 구글 얘기 돌던게 이거였을수도)

우리의 첫번째 논문인 경기계획(Game Plan)에서는 축구 전술 지원에 Ai를 사용해야하는

이유를 살펴보고 페널티킥 분석과 같은 사례를 강조했다. 2022년에 우리는 축구 분석의

다운 스트림 작업을 위한 예측 시스템의 프로토 타입과 함께 Ai가 어떻게 사용 될 수 있는지 보여주는

Graph Imputer를 개발했다. 시스템은 추적 데이터가 없을때

카메라 밖에서 선수들의 움직임을 예측할수있습니다.(지젼;)

그렇지 않을시 클럽에서 경기를 직접 보기 위해 스카우터를 보내야한다.

이제 우린 택틱 AI를 예측 모델과 생성 모델이 결합된 완전한 AI 시스템으로 개발해냈다.

우리 시스템을 통해 코치는 관심있는 각 루틴에 대한 대체 선수 설정을 샘플링한다음

학습한 후 그러한 대안의 가능한 결과를 직접 평가할수있다.

택틱 AI는 세가지 핵심 질문을 해결하기 위해 구축되었다.

1. 특정 코너킥 전술 설정에 대해 어떤 일이 발생하나? 예를 들어 공을 받을 가능성이

가장 높은 사람은 누구이며 슛시도가 발생할수 있나?

2. 설정이 시작되면 무슨일이 일어났는지 이해할수있나? 예를들어 과거 유사한 전술에도

이것이 잘 작동했는가?

3. 특정 결과가 발생하도록(수비시엔 블락, 공격시엔 골) 전술을 어떻게 조정할수 있는가?

예를 들어 슛 시도 확률을 줄이려면 수비 선수의 위치를 어디에 조정해야하나?

기하학적인 딥러닝으로 코너킥 결과를 예측

코너킥은 공이 수비팀 선수에게 닿은 뒤 골대를 넘어갔을때 주어진다.

코너킥의 결과를 예측하는것은 개별 플레이어의 게임 플레이 무작위성과

플레이어간의 역학으로인해 존나게 복잡하다.

이는 사용 가능한 표준 코너킥 데이터가 제한되어있기 때문에 AI가 모델링 하는데도 어렵다.

매 시즌 뻥피엘의 각 경기에선 약 10번의 코너킥만 진행된다.

A) 코너킥 상황을 그래프로 표현하는방법.

각 선수들을 그래프에서 노드화 하여 처리된다.

그래프 신경망은 메시지 전달을 사용하여

각노드의 표현을 업데이트하는 이 그래프에 대해 작동한다.

B) 택틱ai가 주어진 코너킥을 처리하는 방법.

네 가지 가능한 반사 조합이 모두 코너킥에 적용되고

핵심 택틱 ai 모델에 공급된다. 이들은 결과를 예측하는데 사용할 수 있는

최종 플레이어 표현을 계산하기위해 서로 상호작용을 한다.

택틱 ai는 기하학적 딥러닝 접근 방식을 적용하여 코너킥 플레이를 성공적으로 예측한다.

먼저 코너킥 설정을 그래프로 표현하여 선수간의 암시적 관계를 직접 모델링 한다.

여기서 노드는 선수(위치, 속도, 높이 등과 같은 데이터 포함)을 나타내고

가장자리는 선수 사이의 관계를 나타낸다. 그 다음 경기장의 대략정인 대칭을 활용한다.

(중략, 대충 매우 딥한 기술적인 얘기)

결국 이 기능은 더 적은 훈련데이터로 더 일반화 가능한 모델을 생성한다.

인간 전문가에게 건설적인 제안 제공

택틱 ai는 예측 및 생성 모델을 활용하여 유사한 코너킥을 찾고 다양한 전술을

테스트 함으로써 코치를 도울수 있다.

전통적으로 전술과 카운터 전술을 개발하기 위해 분석가들은

매번 유사한 사례를 찾고 라이벌 팀을 연구하기 위해 게임비디오를

시청하며 분석했다. 택틱 ai는 선수의 수치표현을 자동으로 계산하므로

전문가는 과거 관련 루틴을 쉽고 효율적으로 검색할수있다.

우리는 택틱 ai의 상위 1위 검색이 63%의 시간동안 관련성이 있다는걸 발견한

축구 전문가와의 광범위한 질적 연구를 통해 이러한 직관적인 관찰 결과를

추가적으로 검증했다.

이는 플레이어 위치 유사성을 직접 분석하여 쌍을 제안하는 접근 방식에서

볼수있는 33%의 벤치마크에 비해 거의 두배에 달한다.

택틱 ai의 생성 모델을 사용하면 인간 코치가 코너킥 전술을 재설계하고

방어설정을 위한 슛 시도 확률을 줄이는 등 특정한 결과의 확률을

최적하 하게 할수도 있다.

일단 택틱 ai는 특정 팀의 모든 선수의 위치를 조정하는 전술적 권장 사항을 제공한다.

코치는 조정된 제안을 통해 중요 패턴은 물론 전술의 성공 실패에 대한

핵심 선수를 더 빠르게 식별할수있다.

A)실제 슛 시도가 있던 코너킥의 예시

B) 택틱 AI는 수비수의 위치와 속도를 조정, 슛 확률이 감소된 반 사실적 설정을 생성할수있다.

C)제안된 수비수 위치는 공격하는 선수 2~4의 공 받는 확률을 감소시킴 ((B) 그림에 있는 위치)

D)모델은 이러한 여러 시나리오를 생성할수 있으며 코치는 옵션을 여럿 검토할수있음

분석에서 우리는 택틱 ai가 코너킥 리시버와 슛 상황을 거의 정확하게 예측하고

선수 위치 조정이 실제 플레이 전개 방식과 유사하다는것도 보여줬다.

또한 평가자가 어떤 전술이 필요한지 알 수 없는

블라인드 사례 연구에서 이러한 권장사항을 더 좋게 평가했다

(블라인드 픽을 시켜보면 ai의 전술이 더 좋다고 평가한것)

리버풀 fc의 전문 코치들은 택틱 ai의 제안이 실제 코너 전술과 구별할 수가 없으며

ai의 전술을 더 좋아하는 90%가 넘는 선호도를 보였다.

이는 택틱 ai의 예측이 정확할뿐 아니라 유용하다는걸 보여준다.

TacticAI가 제안한 오리지널 플레이보다 평가자가 선호하는 전략적 개선의 예:

(A) 대부분의 평가자들은 4명의 선수의 추천을 더 선호합니다.

(B) 코너에서 가장 멀리 있는 수비수가 향상된 커버 런을 만듭니다.

(C) 페널티 박스 내 중앙 수비수 그룹의 커버 런 개선

(D) 중앙 수비수 2명의 추적이 훨씬 더 좋아졌고, 골 지역에 있는 다른 수비수 2명의 위치도 더 좋아졌습니다.

스포츠용 ai 발전

(중략, 대충 어떤식으로 쓰이길 바란다. 우리꺼 많이봐주세용 하는글)

요약

---------------------------------------------

3년전부터 계속 구글과 똥버풀이 스포츠 ai관련으로 협업함

개좆풀은 데이터를 제공, 구글은 결과물인 ai를 계속 제공

현재 까지 개발된 단계는 거의 완성단계로

코치들이 호 씨발 개쩌네 이거 하고

ai가 만든 세트피스 전술인지 인지조차 못하고

90%의 선호도로 픽을 받는중