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~