趋势网(微博｜微信｜熊掌号)：最好的足球运动员不一定拥有最好的身体技能。在足球运动中，成功与失败的区别通常在于，在球场上，在哪里跑动、什么时候拦截、传球或射门等问题上，能够在瞬间做出正确的决定。
那么，俱乐部如何才能帮助球员训练他们的大脑和身体呢?
我（拉夫堡大学数字技术研究所讲师Varuna De Silva）和我的同事们正在与切尔西足球俱乐部学院合作，开发一个系统，用人工智能(AI)来衡量这些决策能力。
我们通过分析几个赛季的数据来实现这一目标，这些数据可以追踪球员和球在每一场比赛中的表现，并开发出一个不同位置的电脑模型。
计算机模型提供了一个基准来比较不同玩家的性能。这样我们就可以独立于其他玩家的行为来衡量单个玩家的表现。
我们可以想象如果球员们在任何情况下都做出了不同的决定会发生什么。电视评论员总是批评球员的行为，说他们应该做些其他的事情，而没有任何真正的方法来检验这个理论。但我们的计算机模型可以表明这些建议的可行性。
如果一个评论家说一个球员应该运球而不是传球，我们的系统可以考虑其他的结果，考虑到球员在比赛中的疲劳程度等因素。
我们希望教练和后勤人员能够利用这个系统帮助球员在赛后反思自己的行为，并随着时间的推移提高他们的决策能力。
建模决策
由于几个原因，衡量这些技能是极其困难的。首先，人类无法追踪比赛中发生的所有事件。其次，很难将一个玩家的行为与另一个玩家的行为区分开来。
例如，如果一个球员传球，几秒钟后球队失去了控球权，球员是在错误的时间传球给了错误的人，还是别人的错?
为了解决这个问题，我们使用了人工智能的一个特殊分支——模仿学习。这项技术可以通过分析大量的历史数据来学习计算机行为模型，比如足球运动员在球场上的行为。
简单来说，计算机模型学会模仿人类专家。
人工智能的大多数决策系统，比如那些用来玩围棋等棋盘游戏的系统，都是基于强化学习的。在这里，计算机通过反复试验动作来学习做出决定，直到它收到反馈说它做了正确的事情，就像我们训练狗通过给它奖励来做某事一样。
但大多数真实世界的场景并没有像在棋盘游戏中获胜那样的特定奖励。
另一方面，模仿学习试图通过观察专家如何执行任务来理解潜在的决策政策，然后试图模仿专家。
足球建模专家(球员)是非常困难的，因为他们做出的决定用高级技能，很难在电脑上编程，如选择关注什么，选择正确的反应和预测其他球员将要做什么。
所以为了使计算机模型更真实，它所基于的历史数据需要尽可能多地反映真实世界。它不应该仅仅展示球员们是如何相对于对方和球移动的，还应该展示他们有多累以及比赛情况。
例如，玩家是想进攻还是想防守，甚至是想输赢。(在一些比赛中，一个队可能想输掉一场比赛，这样他们在下一轮的位置就会让他们成为一个更容易对付的对手。)
改变赛后分析
我们已经建立了一个系统，可以创建一个模型，关于球员的运动相对对方和球，可以用来研究性能。
我们现在计划通过增加玩家身体姿势、心率(代表疲劳)和游戏条件的细节来让模型更真实。然后我们将开发这个系统来衡量当前玩家的技能，并希望在两年内有一个完整的功能系统。
我们预计这将是球员和教练分析比赛方式的一个阶段性改变，尤其是赛后分析。这将有助于玩家通过观察他们的行为如何能产生不同的效果来进行更多的反思。球探和俱乐部将能够通过这些重要决策技能的数据来选择球员并识别人才。
将人工智能从受控的棋盘游戏式环境扩展到复杂的现实世界应用仍然是一个巨大的挑战。但是人类非常善于适应复杂多变的环境并做出决定。
因此，通过学习模仿人类的决策，人工智能将能够应对各种人们并不总是遵守规则的陌生环境。
进
店
进
店
进
店
