Για την εταιρεία τεχνητής νοημοσύνης Google DeepMind, η εκτέλεση ενός κόρνερ μοιάζει πλέον με παιχνίδι σκακιού. Αφενός επειδή και τα δύο περιλαμβάνουν δύο αντίπαλες πλευρές που είναι έτοιμες να αντιδράσουν σε μία επικείμενη κίνηση, αφετέρου γιατί και τα δύο είναι πιθανό να αποτελέσουν μέρος της επανάστασης της τεχνητής νοημοσύνης.
Σύμφωνα με δημοσίευμα του Economist, το ποδόσφαιρο αποτελεί πλέον γόνιμο έδαφος για τα μοντέλα τεχνητής νοημοσύνης, λόγω των άφθονων στατιστικών δεδομένων που προσφέρει.
Οι παίκτες της παγκόσμιας ελίτ, φορούν ειδικά γιλέκα που μετρούν τους καρδιακούς παλμούς, τη θέση, την ταχύτητα και τη δύναμη που ασκείται. Οι αναλυτές παρακολουθούν ώρες δεδομένων για να καταγράψουν τα ποσοστά κατοχής και τον αριθμό των πασών, των σουτ και των τερμάτων. Σε μια εργασία που δημοσιεύθηκε στο Nature Communications, η Google DeepMind συνεργάστηκε με την ομάδα της Λίβερπουλ για να ενσωματώσουν αυτά τα δεδομένα σε ένα στατιστικό μοντέλο, γνωστό ως νευρωνικό δίκτυο γραφημάτων (GNN). Έτσι, μπόρεσαν να προβλέψουν με ακρίβεια, παρόμοια με αυτή των ανθρώπων ειδικών, ποιος παίκτης θα είχε την πρώτη επαφή με τη μπάλα.
Τα δεδομένα αυτά όχι μόνο θεωρούνται πολύτιμα για τους προπονητές των ομάδων, αλλά αποτελούν ένα «νέο όπλο», μιας και δύσκολα θα έρθουν αντιμέτωποι δύο φορές με την ίδια κατάσταση, κατά τη διάρκεια ενός ποδοσφαιρικού αγώνα.
Στο σύγχρονο ποδόσφαιρο τα κόρνερ, τα οποία είναι μια κατεξοχήν επαναλαμβανόμενη διαδικασία, είναι ιδιαίτερα σημαντικά τόσο για την επίθεση όσο και για την άμυνα μιας ομάδας. Χαρακτηριστικό αυτού είναι ότι όταν δημοσιεύτηκε η έρευνα η Άρσεναλ βρισκόταν στην πρώτη θέση του αγγλικού πρωταθλήματος, έχοντας πετύχει 13 από τα 70 γκολ της τη φετινή σεζόν, από εκτέλεση κόρνερ.
Το GNN της DeepMind λειτουργεί δημιουργώντας στατιστικές σχέσεις μεταξύ των δεδομένων που συλλέχθηκαν και από τους 22 παίκτες κατά τη διάρκεια 7.176 εκτελέσεων κόρνερ. Κάθε εκτέλεση κόρνερ αναπαρίσταται ως διάνυσμα σε έναν χώρο 352 διαστάσεων, κάτι που είναι αδύνατο για έναν άνθρωπο να το απεικονίσει, αλλά εύκολο για έναν υπολογιστή να το επεξεργαστεί. Τα κόρνερ που εκτελέστηκαν με παρόμοιο τρόπο βρέθηκαν κοντά μεταξύ τους σε αυτόν τον χώρο, επιτρέποντας στο μοντέλο να κάνει προβλέψεις για νέες στημένες φάσεις.
Το μοντέλο ήταν επίσης ικανό να χρησιμοποιήσει αυτή την ανάλυση για να προτείνει νέες τακτικές. Και, με βάση τις αξιολογήσεις από πέντε ειδικούς της Λίβερπουλ, οι τακτικές που προτάθηκαν από την τεχνητή νοημοσύνη για την εκτέλεση των κόρνερ ήταν εξίσου καλές με αυτές που πρότειναν οι κανονικοί προπονητές. Στην πραγματικότητα, όταν παρουσιάστηκαν 50 ζεύγη κόρνερ, ένα πραγματικό και ένα με βελτίωση που προτάθηκε από το ΑΙ, το 90% των προτάσεων του Αι έτυχε της εύνοιας της πλειοψηφίας των κριτών.
Η Google DeepMind θεωρεί ότι το ποδόσφαιρο προσφέρει ένα ασφαλές και ελεγχόμενο πεδίο δοκιμής για την ανάπτυξη υποστηρικτικών τεχνολογιών AI που μια μέρα θα μπορούσαν να χρησιμοποιηθούν στην υγειονομική περίθαλψη ή την άμυνα. Άλλωστε το ποδόσφαιρο δεν είναι θέμα ζωής και θανάτου. Είναι, όπως παρατήρησε κάποτε ο Μπιλ Σάνκλι, πρώην προπονητής της Λίβερπουλ, πολύ πιο σημαντικό από αυτό.
