Специалисты DeepMind, дочерней компании Alphabet, в сотрудничестве с ФК «Ливерпуль» изучают возможности применения искусственного интеллекта в футболе. Цель состоит в том, чтобы создать вспомогательный инструмент для тренеров, который поможет им корректировать тактику во время матча.
- В рамках сотрудничества клуб предоставил DeepMind данные по каждой игре Премьер-лиги, сыгранной командой в период с 2017 по 2019 год. Обработав информацию, программа выявит закономерности в поведении игроков на поле, которые мог не заметить тренерский штаб «Ливерпуля».
- ИИ сможет предсказывать действия игрока в той или иной ситуации и прогнозировать последствия тактических изменений.
- Нейросеть, как полагают в DeepMind, также могла бы анализировать манеру исполнения пенальти игроками соперника, а также давать оценки производительности игроков.
- Один из разработчиков DeepMind Карл Туйлс отметил, что программу можно будет использовать как для послематчевого анализа, так и во время игры. Например, нейросеть может проанализировать действия футболистов в первом тайме и дать совет главному тренеру, какие коррективы стоит внести во втором
Ожидается, что «Ливерпуль» сможет использовать первого помощника от DeepMind в ближайшие 5 лет.
Разработки DeepMind
Компания была основана в 2010 году в Великобритании нейробиологом Демисом Хассабисом, специалистом в сфере машинного обучения Шейном Леггом и предпринимателем Мустафой Сулейманом. Они использовали междисциплинарный подход для развития искусственного интеллекта, объединив достижения в области машинного обучения, нейробиологии, инженерии и математики.
- В 2014 году DeepMind Technologies купила корпорация Google. А осенью 2016-го DeepMind перешла в Alphabet.
- Главная цель DeepMind — создать интеллектуальных агентов, которые смогут достичь аналогичного человеку уровня производительности и универсальности.
- Разработанная компанией AlphaGo стала первой программой, победившейпрофессионального игрока в го. В марте 2016 года она обыграла Ли Седоля — обладателя 18 титулов чемпиона мира. После этого спортсмен завершил карьеру.
- В конце 2017 года DeepMind представила систему AlphaZero, которая учится побеждать соперников в шахматы, сеги и го. Нейросеть играет сама с собой миллионы партий и корректирует параметры в зависимости от результатов. На шахматные тренировки уходит около 9 часов, для сеги время увеличивается до 12 часов. Самой сложной оказалась игра в го — на подготовку уходит почти две недели.
- В 2017 году компания представила успешный алгоритм глубокого обучения с подкреплением Deep Q-Network. Его протестировали на играх для консоли Atari 2600. DQN достигла человеческого уровня почти в половине из 50 игр.
- В 2018 году DeepMind представила генерирующую систему запросов (GQN). Она позволяет машине учиться воспринимать предметы, основываясь только на данных, которые получает без вмешательства человека. GQN состоит из сети представлений и сети генерации. Первая на основе входных данных описывает предметы вокруг, а вторая предполагает, как они будут выглядеть с других точек. Пока этот метод работает только на синтетических сценах.
- В 2019 году DeepMind представила AlphaFold — программу, которая предсказывает структуру белка по аминокислотной последовательности. В 2020 году алгоритм был усовершенствован. Разработчики считают, что она, в частности, может помочь в борьбе с COVID-19 и загрязнением окружающей среды.
Искусственный интеллект в спорте
ИИ сегодня используют не только для анализа матчей постфактум, но и для прогнозирования, оценки игроков и скаутинга.
- Объем данных, получаемых во время матча, постоянно растет благодаря различным технологиям: системе компьютерного зрения, с GPS и RFID-трекерами игроков и так далее. На выходе формируется объем данных по матчу — big data.
- Обработав этот массив информации, ИИ может оценить игру конкретного спортсмена, сделать расчеты, которые показали бы, как он должен был действовать, и сравнить первое со вторым. Благодаря этому можно оценить эффективность каждого футболиста на поле.
- Клубы могут использовать проведенный ИИ анализ при поиске новых игроков для команды. Например, программа может оценить данные начинающих спортсменов, сравнить их с успешными игроками и спрогнозировать, как будет развиваться их карьера.
- Букмекеры могут использовать ИИ для прогнозирования исходов матчей. Причем прогнозы могут быть сделаны заранее с учетом входных данных или прямо во время матча. Например, в ходе теннисного матча можно предсказать, кто с большей вероятностью выиграет следующее очко во время розыгрыша.
