DeepMind Muốn Sử Dụng Trí Tuệ Nhân Tạo để Đổi Mới Bóng Đá

Vào tháng 3 năm 1950, một chỉ huy sư đoàn của RAF và một kế toán viên tên là Charles Reep hướng sự chú ý của mình đến số liệu trong bóng đá. Reep, người đã quan tâm đến thể thao từ những năm 1930 và đã mê mẩn đội Arsenal tiên phong của Herbert Chapman, đã trở về từ Chiến tranh thế giới thứ hai để thấy rằng cách mà cuộc cách mạng chiến thuật mà anh ta đã chứng kiến trước đây đã bị đình trệ.

Cuối cùng, giữa giờ nghỉ giữa một trận đấu chán chường giữa Swindon Town và Bristol City, trong đó anh ta xem vô số tấn công dường như không mang lại gì cả, sự kiên nhẫn của Reep đã cạn kiệt. Anh ta nhanh chóng lấy một quyển sổ và một cây bút chì và bắt đầu ghi chép một cách điên cuồng về những gì xảy ra trên sân: Anh ấy bắt đầu đếm số lượng đường chuyền và cú sút trong một trong những cố gắng phân tích bóng đá bằng dữ liệu đầu tiên một cách hệ thống.

Bảy thập kỷ sau, cuộc cách mạng dữ liệu đã đến với cơ sở—các fan thông thạo về xG và chi phí net, và những đội hàng đầu chiêu mộ sinh viên tiến sĩ thống kê ngay từ đại học để tìm kiếm lợi thế. Bây giờ, đội vô địch Premier League Liverpool đã hợp tác với DeepMind để khám phá việc sử dụng trí tuệ nhân tạo trong thế giới bóng đá. Một bài báo của các nhà nghiên cứu thuộc hai tổ chức này, được công bố hôm nay trên Tạp chí Nghiên cứu Trí tuệ Nhân tạo, trình bày một số ứng dụng tiềm năng.

“Thời điểm thật sự phù hợp,” nói Karl Tuyls, một nghiên cứu viên AI tại DeepMind và một trong những tác giả chính của bài báo. Sự hợp tác giữa DeepMind và Liverpool xuất phát từ vai trò trước đó của anh ta tại đại học của thành phố. (Người sáng lập DeepMind, Demis Hassabis, cũng là một fan hâm mộ Liverpool suốt đời và đã làm cố vấn cho nghiên cứu này.) Hai nhóm tụ tập để thảo luận về nơi mà trí tuệ nhân tạo có thể hỗ trợ cầu thủ và HLV bóng đá. Liverpool cũng cung cấp DeepMind dữ liệu về mọi trận đấu Premier League mà câu lạc bộ đã chơi từ năm 2017 đến 2019.

Trong những năm gần đây, lượng dữ liệu có sẵn trong bóng đá đã tăng lên với việc sử dụng cảm biến, bộ theo dõi GPS và thuật toán thị giác máy tính để theo dõi chuyển động của cả cầu thủ và quả bóng. Đối với các đội bóng đá, trí tuệ nhân tạo mang lại cách để phát hiện ra các mô hình mà HLV không thể; đối với các nhà nghiên cứu DeepMind, bóng đá mang lại môi trường có hạn nhưng thách thức để họ kiểm tra thử nghiệm thuật toán của mình. “Một trò chơi như [bóng đá] rất thú vị, vì có rất nhiều đại lý xuất hiện, có yếu tố cạnh tranh và hợp tác,” nói Tuyls. Khác với cờ vua hoặc Cờ Go, bóng đá có sự không chắc chắn tích hợp vào nó, bởi vì nó được chơi trong thế giới thực.

Điều đó không có nghĩa là bạn không thể đưa ra dự đoán, tuy nhiên—và đó là một lĩnh vực mà trí tuệ nhân tạo có thể rất hữu ích. Bài báo chỉ ra cách bạn có thể đào tạo một mô hình dựa trên dữ liệu về một đội và đội hình cụ thể để dự đoán cách cầu thủ của nó sẽ phản ứng trong một tình huống cụ thể: Nếu bạn đánh một quả bóng dài vào kênh phải đối với Manchester City, ví dụ, Kyle Walker sẽ chạy theo một hướng cụ thể, trong khi John Stones có thể làm điều gì khác.

Điều này được biết đến là “ghosting”—vì các quỹ đạo thay thế được đặt lên những gì thực sự xảy ra, giống như trong một trò chơi video—và có nhiều ứng dụng khác nhau. Nó có thể được sử dụng, ví dụ, để dự đoán những tác động của một thay đổi chiến thuật hoặc cách đối thủ có thể chơi nếu một cầu thủ chủ chốt bị thương. Đây là những điều mà HLV có thể tự chú ý, và Tuyls nhấn mạnh rằng mục tiêu không phải là thiết kế công cụ để thay thế họ. “Có nhiều dữ liệu, nhiều thứ để tiêu thụ, và nó không nhất thiết dễ dàng để xử lý những lượng dữ liệu lớn này,” anh ta nói. “Chúng tôi đang cố gắng xây dựng công nghệ hỗ trợ.”

Là một phần của bài báo, các nhà nghiên cứu cũng tiến hành phân tích trên hơn 12.000 quả penalty được thực hiện trên khắp châu Âu trong vài mùa giải gần đây—phân loại cầu thủ thành các nhóm dựa trên phong cách chơi của họ, và sau đó sử dụng thông tin đó để đưa ra dự đoán về nơi họ có khả năng đá penalty và liệu họ có khả năng ghi bàn hay không. Chẳng hạn, tiền đạo có khả năng hướng về góc trái dưới hơn so với tiền vệ—những người có cách tiếp cận cân đối hơn, và dữ liệu đã chứng minh rằng chiến thuật tối ưu cho người đá penalty là, có lẽ không ngạc nhiên, là đá về phía bên mạnh nhất của họ.

Các mô hình khác có thể có khả năng xử lý số liệu về những điều kiện giả định—để ước lượng mức đóng góp của một hành động cụ thể như một quả chuyền hoặc một pha tranh bóng bị bỏ lỡ vào một bàn thắng, hoặc xG. Chúng có thể được sử dụng trong phân tích sau trận để chứng minh cho cầu thủ vì sao họ nên đã chuyền bóng trong một tình huống cụ thể thay vì sút. Một mô hình được đào tạo trên dữ liệu về hiệu suất của cầu thủ— sức mạnh và sức khỏe—có thể theo dõi mệt mỏi tốt hơn so với HLV con người và đề xuất nghỉ ngơi cho cầu thủ trước khi họ bị thương.

Ở đây có những điểm giống với những gì Reep đã cố gắng làm trong những năm 1950—anh ta đã sử dụng dữ liệu của mình để (sai lầm) tính toán rằng hầu hết các bàn thắng được ghi sau các động đồng của bốn đường chuyền hoặc ít hơn, và phân tích của anh ta đã giúp đưa vào một phong cách bóng đá bóng dài trở thành đặc điểm nổi bật của bóng đá Anh trong nhiều thập kỷ. Có những ví dụ nổi tiếng về trí tuệ nhân tạo trong các lĩnh vực khác xuất ra câu trả lời không có lý hoặc đơn giản là sai—trong quá khứ, các trí tuệ nhân tạo được đào tạo trên trò chơi video đã chiến thắng bằng cách phá vỡ luật chơi của trò chơi hoặc phớt lờ luật vật lý. Một trí tuệ nhân tạo được đào tạo trên dữ liệu bóng đá có thể quyết định, giống như một Jose Mourinho robot, rằng thực sự cách tốt nhất để đạt được kết quả là để đối thủ giữ bóng và đợi họ mắc sai lầm.

Vì vậy, quan trọng là các kết quả của mô hình được điều chỉnh bởi các chuyên gia, Tuyls nói, để phòng tránh lý luận sai lầm của các hệ thống AI. Nhưng một trí tuệ nhân tạo có thể nhận ra một pha chuyền mà—trong cảnh hứng khởi của thời điểm—thậm chí cầu thủ xuất sắc nhất cũng có thể bỏ lỡ. “Chúng tôi không cố gắng xây dựng robot, chúng tôi đang cố gắng cải thiện cách chơi bóng đá của con người,” anh ta nói.

Trí tuệ nhân tạo sẽ không thay thế các HLV bóng đá, Tuyls nói, nhưng tác động của nó có thể cảm nhận được trong vòng mười năm tới. “Mục đích là có một hệ thống liền mạch tích hợp tốt với cầu thủ con người trên sân và hỗ trợ công việc của họ,” anh ta nói. “Tôi không nghĩ bạn sẽ thấy những ảnh hưởng lớn trong sáu tháng hoặc một năm tới, nhưng trong năm năm tới, một số công cụ sẽ được phát triển hơn, và bạn có thể thấy điều gì đó giống như một 'huấn luyện viên trợ lý video tự động' có thể giúp phân tích trước và sau trận đấu hoặc có thể xem nửa đầu tiên của một trận đấu và đưa ra lời khuyên về những gì có thể thay đổi ở nửa thứ hai.”

DeepMind hy vọng kết hợp thị giác máy tính, học thống kê và lý thuyết trò chơi để giúp các đội nhìn thấy những mô hình trong những dữ liệu lớn mà họ đang thu thập mà họ không thể nhìn thấy bằng cách khác. Áp dụng trí tuệ nhân tạo vào bóng đá có thể làm cho cầu thủ và HLV trở nên thông minh hơn—bây giờ nếu chỉ nó có thể làm điều tương tự cho chủ sở hữu.

Câu chuyện này ban đầu xuất hiện trên Mytour UK. 

Những điều tuyệt vời khác từ Mytour

• 📩 Tin tức mới nhất về công nghệ, khoa học và nhiều hơn nữa: Nhận bản tin của chúng tôi!
• Họ kể mọi thứ cho bác sĩ tâm lý. Hacker đã rò rỉ tất cả
• Cần một nhà đầu tư thiên thần? Chỉ cần mở Clubhouse
• Lên lịch gửi email và tin nhắn bất cứ lúc nào bạn muốn
• Những giấc mơ của bạch tuộc nói về sự tiến hóa của giấc ngủ
• Cách đăng nhập vào thiết bị của bạn mà không cần mật khẩu
• 👁️ Khám phá trí tuệ nhân tạo như chưa bao giờ có với cơ sở dữ liệu mới của chúng tôi
• 🎮 Mytour Games: Nhận những mẹo, đánh giá và nhiều hơn nữa
• 🏃🏽‍♀️ Muốn có những công cụ tốt nhất để giữ gìn sức khỏe? Kiểm tra lựa chọn của đội Gear của chúng tôi cho những chiếc theo dõi sức khỏe tốt nhất, trang thiết bị chạy bộ (bao gồm giày dép và tất), và tai nghe tốt nhất\