为里皮献策:国足再进一步,试试人工智能 | 附机器人世界杯集锦

唐旭、问耕 发自 凹非寺 量子位·QbitAI 报道

一场有着多重意义的比赛昨晚结束,国足坐镇长沙击败韩国队。

“天亮了”,赛后李毅大帝在朋友圈和微博上说。而朋友圈和微博也被国足刷爆。

赛后里皮说:“我希望我的球队并不仅仅满足今天的表现,希望后面的比赛能比今天表现更加优秀”。怎么才能更加优秀?

“知不足,然后能自反也;知困,然后能自强也”。如何检视自身不足,更直观的看到与对手的差距?以及如何挑选状态最好的球员?

所有这些问题,人工智能可以帮助给出答案。

知不足by深度模仿学习

以一场富勒姆对阵斯旺西的英超比赛为例,当时富勒姆(红色)正在发起进攻,斯旺西(蓝色)一方进行防守。在实际的比赛中,富勒姆将球打进斯旺西的球门。

我们从防守的角度来进行分析:斯旺西还有多少改进空间?

来看看人工智能的答案。这套人工智能系统,基于深度模仿学习,原理跟DeepMind的AlphaGo类似,也是基于数据训练而成的神经网络。

上图中左边是实际的比赛情况,模型预测:斯旺西的失球概率为69.1%。中间的部分,是AI按照英超平均水平模仿出的防守走位(白色),模型预测:失球概率为71.8%。而右边是基于曼城的数据,AI模仿出的防守走位,这次失球概率降为41.7%。

这个过程用下面的动图可以更清晰的展示出来:

这个神经网络使用了英超100场比赛进行训练,每个球员都由LSTM建模,包括两个隐藏层,每层有512个神经元。这个算法还模拟了队友之间的交互。

随着赛场上积累的数据越来越多,在AI的帮助下,主教练可以更精准、更明确的找到球队的弱点,而且不用投入大量人力就能得到分析结果。

这个研究由加州理工的Hoang M. Le、Yisong Yue,迪士尼研究中心的Peter Carr,STATS的Patrick Lucey共同完成。

关于这套系统,还有一个视频的访谈,在量子位( ID:QbitAI )微信公众号对话界面,回复:“足球”两个字,我们推送给你这段访谈。

不光是在足球领域,之前量子位也报道过人工智能在橄榄球、篮球中的应用:

超级碗另一面:大逆转背后,你没看到的人工智能大PK

NBAのAI故事:教练,我不想打球,我想替你指挥

谁首发?谁上场?不再拍脑门

昨天比赛前,有篇关于国足的报道,报道里强烈质疑里皮的排兵布阵:

“令人意外的是中锋里皮竟然使用了于大宝以及前腰王永珀的组合,要知道于大宝最近状态并不很好,却获得了首发机会。”

嗯,最终就是王永珀传球给于大宝,后者完成破门。

足球比赛里,关于谁首发、谁上场这类话题,一直是争议的焦点之一,至少在球迷群体里如此。每个人都有自己的一套逻辑。然而要说以理服人,莫过于AI了。

运动分析,其实就是基于各种数据,识别球员的状态和能力。这些先进而且复杂的分析类型,同样可以帮主教练预测球队和球员个人的表现,为即将到来的比赛制定战略。

Lawrence Berkeley国家实验室的研究员Masoud Nikravesh解释了如何构建这样的一套人工智能系统。首先是拿到丰富的足球数据,他们使用的数据包括有210个属性的数据集,高级的专家评级数据,包括球员的累积评分和基于比赛的评分。

其次是建立机器学习模型。对于分类回归模型,可以使用SVM、逻辑回归、线性回归、朴素贝叶斯、决策树、随机森林和梯度增强树、多层感知器等。对于聚类模型,可以使用k-means、高斯混合等。还可以使用SVD、PCA等减少特征空间。

最后组成如上图所示这样一个网络。回到开始提到的球员状态问题,我们来看看这套系统能给出什么样的答案。

这是一个针对前锋展开的评级和预测,从上到下是训练、验证、测试,各个球员之间的相似关联,利用聚类图中的线条表

AI还能预测比赛结果

2016年6月,欧洲足球的战火正在法兰西的土地上熊熊燃烧。

在11日进行的欧洲杯揭幕战中,东道主法国队凭借帕耶在89分钟轰出的一记世界波以2-1惊险绝杀罗马尼亚;而在A组的另一场小组赛中,瑞士队由中后卫舍尔顶进欧洲杯史上最快进球,一球小胜阿尔巴尼亚。

而在与法国接壤的瑞士,由三名洛桑联邦理工学院博士生开发的人工智能Kickoff.ai成功地预测对了这两场比赛的结果。

参与Kickoff.ai开发Victor Kristof、Lucas Maystre、Antonio González三个人本身都是狂热的足球迷,这也为他们的研究提供了一部分灵感——当然,这也不代表他们说的就全对了。

下图是以三种不同方式对2016年欧洲杯全部比赛进行预测的准确率比较。最左边是Kickoff.ai,中间是一些博彩公司开出的赔率,右边是以50%的概率随机选择某场比赛胜者的正确率。

乍一看上去这三种方式似乎差别不大。实际上,按纯粹的准确率来讲,Kickoff.ai以65%的成绩领跑,其次是博彩公司的61.67%以及“随机瞎选”的50%;如果引入布莱尔计分法(一种将“把握”因素加入考虑的计分方式对某个预测的把握越大,得出结果后的加/减分越多),Kickoff.ai则以77.55%略微落后与博彩赔率的78.39%位居次席,“随机瞎选”的得分则是75%。

开发者说,他们对Kickoff.ai取得的成绩十分满意,因为这代表在预测足球比赛这件事上,Kickoff.ai的成果已经与很多人通力形成的智慧相近了。当下从事足球比赛预测的AI并不在少数,那么Kickoff.ai与众不同的地方在哪呢?

首先,与考虑整支球队表现的传统预测方式不同,Kickoff.ai选择了将球队中每一位球员的模拟数据相加得出总分,并最终比较两只球队总分的策略来预测赛果。

这种策略听上去似乎也并无惊艳之处,但它却让Kickoff.ai能够利用的数据得到了极大的扩充——因为平时各家俱乐部之间的比赛要远远多于国家队之间的较量。事实上,Kickoff.ai在对此次欧洲杯进行预测之前,收集了大约十年间的数据。

第二,Kickoff.ai在算法中加入了贝叶斯推理的设定,它要求研究者在得出结论时不仅要依据当前的样本信息,而且还要考虑过去相关的经验和知识。

举例来说,某场比赛由德国对阵冰岛,恐怕没人觉得冰岛会赢,账面上看两队实力基本不在一个等级上;但冰岛是第一次打入世界大赛的决赛圈,很有可能会提出比平常更好的表现,贝叶斯推理就会把这些因素考虑在内。

不过,这三位开发者也在自己的网站上说,Kickoff.ai提供的预测只是一个概率、一种可能性,真正足球比赛的结果是不可预测的。比赛中总会有很多令人意想不到的情况发生,这也正是足球的一部分魅力。

因此也请大家不要过于纠结AI的预测是否正确,特别是别把这些预测用在博彩上,因为最后输的是你自己的钱……

机器人足球世界杯

最后,说点轻松的话题。都说人工智能未来要取代人类,比方《哪些岗位不保》。足球场也是一样,有预测2040年绿茵场上比赛的就将是机器人了~包括现在也有机器人的足球世界杯,没看过?我们找来了两段视频剪辑,来自CNET~

第一段:滑稽集锦

第二段:精彩集锦

最后以昨天的国足集锦结尾,希望一直赢下去~

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2017-03-24

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏数据派THU

可能是史上最全机器学习和Python速查表(附下载链接)

来源:网路冷眼 作者:Hanson 本文长度为680字,建议阅读5分钟 本文为你分享有关机器学习、Python和相关数学知识的速查表大全。 机器学习有很多方面。...

3205
来自专栏CDA数据分析师

数据挖掘中最易犯的10个错误,请绕行!

按照 Elder 博士的总结,这 10 大易犯错误包括: 0、缺乏数据( Lack Data ) 1. 太关注训练( Focus on Training ) 2...

1929
来自专栏华章科技

干货 :数据挖掘中易犯的11大错误

5. 使用了未来的信息(Accept Leaks from the Future)

882
来自专栏量子位

中国团队再次称雄AI大赛,微软谷歌FB都甩在身后

李林 假装发自 威尼斯 量子位 出品 | 公众号 QbitAI 又一次!中国团队拿下一项AI赛事的多个大奖! 8天的计算机视觉顶会ICCV 2017在威尼斯悄然...

3104
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/9/2

Introducing a New Framework for Flexible and Reproducible Reinforcement Learning...

2474
来自专栏数据的力量

数据挖掘中易犯的10大错误

1415
来自专栏AI启蒙研究院

俄罗斯人工智能预测德国队将在2018年世界杯夺冠

791
来自专栏人工智能头条

这么多人用AI预测FIFA 2018,为什么总是会失败?

【导读】7月16日凌晨,2018 年俄罗斯世界杯在法国与克罗地亚间一场精彩的对决后落下帷幕。法国队时隔20年再次托起大力神杯,克罗地亚队获得亚军,创造了一个又一...

943
来自专栏AI科技大本营的专栏

图灵奖得主姚期智最新论文出炉!中秋人家看月亮,AI人看论文

参与 | 周翔、reason_W 今年2月,世界著名计算机科学家姚期智放弃外国国籍成为中国公民,正式转为中国科学院院士,加入中国科学院信息技术科学部。 为什么这...

39211
来自专栏PaddlePaddle

用深度学习预测世界杯胜率,有多大把握?

预测其实是需要综合多方面因素考量的,数据维度可能爆炸到无法统计,同样如果想借助深度学习预测,在开始之前一定要确保避开这几个雷区

1113

扫码关注云+社区

领取腾讯云代金券