《從營銷AIGC化到AIGC營銷化》報告發布
來源：清元宇宙7月2日上午，清華大學元宇宙文化實驗室舉辦元宇宙在線沙龍“AIGC熱潮與應用”。會議中，清華大學新聞與傳播學院教授、元宇宙文化實驗室主任、新媒體研究
AI 足球教練登上 Nature 子刊，谷歌 DeepMind 與利物浦隊合作三年打造：
如同 AlphaGo 顛覆圍棋一樣，改變了球隊制定戰術的方式。
像是進攻方把球傳給誰更容易創造射門機會，防守方如何調整布陣……AI 輕松設計出的高效戰術與真實戰術難以區分，并且人類專家在 90% 的情況下青睞 AI 的建議！
論文共同一作 Petar Veli?kovi?表示，足球是比圍棋更有挑戰性的問題。
足球是動態的運動，而且有許多未觀察到的因素也會影響結果。
有網友認為，“如果體育運動都能用上 AI 了，那么所有一切人類活動都將能夠使用 AI。”
也有人鼓勵 DeepMind 不要被 ChatGPT 分散研究注意力，朝自己擅長的方向走下去總有一天能開發出更棒的產品。
對于合作對象選擇了利物浦這回事，甚至有其它球隊粉絲氣不過。
猜測 DeepMind 創始人是不是有私心，用 AI 黑科技增強他自己最喜歡的球隊，真的好不公平。
講道理的話阿森納才是主場離 DeepMind 總部最近的那一個（都在倫敦）。
TacticAI 強在哪里？把角球這個機制給玩透了。
DeepMind 團隊表示，足球比賽中角球是進攻的大好時機，據統計 30% 的進球都來自角球。
并舉例 2019 年歐冠半決賽，利物浦隊阿諾德一個突然折返快速開球，打了對面巴薩一個措手不及，就被評為最佳角球之一，當時把梅西都看傻了。
（DeepMind 里看來有不少真球迷啊）
像這樣的精彩配合，不是每個球員都能做到，能做到也得看當時狀態好不好。
所以 TacticAI 的研發目標，旨在解決三個核心問題：
對于給定的角球戰術，會發生什么？例如，誰最有可能接球，射門機會多大？
戰術執行后，如何分析？例如，類似的策略在過去是否生效？
如何調整策略以實現特定結果？進攻方如何增加射門機會，防守方又該如何布陣？
至于解決的如何，先來看幾個數據。
首先，TacticAI 能預測角球傳中后，全場 22 個球員誰最有可能接到球，準確率高達 78.2%，妥妥超過人類專家。
這樣就能幫助發球隊員選擇應該將球傳給誰了。
對于進攻方來說，光把球傳出去還不夠，關鍵是要制造射門機會，TacticAI 把這點也考慮到了。
通過分析接球概率和射門概率的關系，它能以 71% 的準確率預測一次角球是否會制造射門。
更厲害的是，它還能挖掘出不同角球戰術之間的內在聯系，從而有針對性地提出改進措施。
最終對于進攻方來說，AI 提出的戰術把制造射門的概率從 18% 提升到 31%。
對于防守方來說，AI 調整布陣后把對手射門的概率從 75% 降低到 69%。
就問哪個隊的教練能不動心？
圖神經網絡 + 幾何深度學習那么 DeepMind 是如何開發出這個大殺器的呢？
數據，收集自 2020-2023 年間英超比賽的 7000 多個角球。
三個核心技術：圖神經網絡 + 幾何深度學習 + 條件變分自編碼器。
首先，將每一場角球的狀態表示為一個圖（Graph）。
其中每個球員作為一個節點（Node），節點之間的連接（Edges）表示球員間可能的互動。這種圖表示法能夠自然地捕捉球員間的空間關系和潛在的戰術模式。
接下來，使用圖神經網絡（GNN）學習圖表示中的特征。
GNN 通過節點和邊的信息傳遞機制，能夠學習到節點的高維潛在特征如球員的角色、位置、運動狀態等信息。
這里使用了經典的 GAT (Graph Attention Networks) 模型，也就是用了大模型上常見的注意力機制，來增強圖表示學習。
GAT 由圖靈獎得主 Bengio 團隊提出，共同一作 Petar Veli?kovi?也是這次 TacticAI 的共同一作。
為了提高數據效率，TacticAI 還采用了幾何深度學習來利用足球比賽中的對稱性（如方形足球場地的水平和垂直對稱）。
通過顯式地在模型中引入對稱性約束，使得模型能夠在面對圖的對稱變換時保持預測的一致性。
最后，生成組件使用了條件變分自編碼器（CVAE），生成球員在特定戰術下可能的位置和速度。
CVAE 能夠學習輸入數據的潛在分布，并從中采樣以生成新的數據，提出戰術調整建議。
TacticAI 的潛力遠不止于此，一但將這個方法擴展到其他定位球和更多戰術環節，未來可能真的會出現一個通用的 AI 足球教練。
不過，論文中沒有明確提及目前系統的運行速度。
是否能做到在比賽進行中實時分析、給出建議，是很多人關心的問題（比如 CV 大神謝賽寧）。
廣大球迷更關心的則是 AI 如果真的普及了，對足球比賽的觀賞性是增加還是削弱？
這次研究的合作方利物浦隊，沒有回應是否已經在真實比賽中使用了 AI 建議。
不過意大利亞特蘭大隊情報總監很看好這項技術，認為與之前已經廣泛應用的大數據分析相比，由 AI 提出的建議人類也能理解。
AI 可以幫助我們以分塊或分類的方式分析足球 —— 而不是認為一切只是一個連續的數據流，而人類無法理解發生了什么。
總之未來發生概率較大的是，所有運動員在訓練時都會帶上 AR 眼鏡了。
論文地址：
https://www.nature.com/articles/s41467-024-45965-x
參考鏈接：
[1]https://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics
[2]https://www.ft.com/content/e5a64dd3-7fe0-4db4-9f65-6f7517c2c573
[3]https://x.com/GoogleDeepMind/status/1770121564085707082
本文來自微信公眾號：量子位 （ID：QbitAI），作者：夢晨
本文鏈接：http://www.tebozhan.com/showinfo-45-3653-0.htmlAI 足球教練上崗利物浦，射門機會提高 13%！來自 DeepMind，網友：這不公平
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號