「AI フットボールコーチ」は適格か?ドローイング戦術は人間のコーチよりも優れています！他のスポーツも「マスター」できる

サッカーはあらゆるスポーツの中で最も人気があり、最も受け入れられ、最も広く普及しているスポーツです。

コーナーキックとは、サッカーにおいて素早く直接得点する方法ですが、非常に難しく、リアルタイムの戦術を必要とします。人間のコーチによる慎重な計画だけでなく、人間のサッカー選手間の暗黙の協力も必要です。

現在、コーナーキックをゴールに入れることに関しては、人工知能 (AI) が人間のコーチをはるかに上回っています。

最近、Google DeepMind、リバプール・フットボール・クラブとそのパートナーが提案したTacticAIと呼ばれる「AIサッカーコーチ」が、勝率90％でNatureの子会社であるNature Communicationsに取り上げられました。

TacticAIはサッカーの試合におけるコーナーキックの結果を予測し、実用的かつ正確な戦術的提案を提供できると報告されている。調査結果によると、リバプールFCの専門家は、人間のコーチによる既存の戦術よりもTacticAIの提案を90％選択したという。

研究チームは、この研究が次世代のサッカーAIアシスタントの基礎を築き、コーチが最適な選手構成を決定し、勝利に最もつながる反撃戦術を開発するのに役立つ可能性があると述べた。

さらに、彼らはこの技術がスローインなどの他のセットプレーや、タイムアウトが要求される他のチームスポーツにも応用できると考えています。

誰がボールをキャッチするでしょうか？入ってもいいですか？

コーナーキックは、直接ゴールにつながる可能性があり、コーチが介入してゲームのパフォーマンスを向上させる直接的な機会を与えるため、サッカーの試合では非常に重要です。

したがって、相手チームの戦術の主要なパターンを特定し、効果的な対策を講じることが、現代のサッカーの試合で勝つための重要な要素となります。

特に、試合前にコーナーキックを決定するような現実世界の状況では、得点率の分析と向上に役立つシステムが、人間の専門家をうまくサポートすることが期待されます。

しかし、これをアルゴリズム的にどのように行うかは、未解決の研究課題のままです。

この研究では、研究チームは、リバプール・フットボール・クラブが提供したイングランド・プレミアリーグの歴史から7,176回のコーナーキックのデータセットを使用してTacticAIをトレーニングし、幾何学的ディープラーニング技術を通じて予測可能で生成的な結果を出力できる主要な戦略パターンを特定しました。

図｜TacticAIの航空写真。 (A) コーナーキックの状況をグラフ表現に変換する方法。各プレイヤーはグラフ内のノードとみなされます。グラフ ニューラル ネットワークは、メッセージの受け渡しを実行してこのグラフ上で動作します。各ノードの表現は、隣接ノードから送信されたメッセージに基づいて更新されます。 B) TacticAI が特定のコーナーキックをどのように処理するか。 TacticAI が水平または垂直の反射に確実に対応できるように、反射の可能なすべての組み合わせが入力コーナーキックに適用され、次にこれらの 4 つのビューが TacticAI モデルに送られ、相互に影響し合って最終的なプレーヤー表現が計算されます。内側の青い矢印はそれぞれ、(A) のメッセージ パッシング レイヤーに対応します。プレーヤーの表現が計算されると、それを使用して、コーナーキックからボールを​​受け取るのは誰か、シュートが打たれたかどうかを予測したり、シュートの確率を増減するためにプレーヤーの位置と速度を補助的に調整したりすることができます。

論文によると、 TacticAIは予測と生成という2つの主要コンポーネントで構成されており、コーチはコーナーキックの手順ごとに代替の選手設定を効果的にサンプリングして探索し、成功の予測確率が最も高い選手を選択できるという。

この方法を使用すると、TacticAI はコーナーキック後の最初のレシーバーとコーナーキックの即時の結果を正確に予測できます。

図｜コーナーキックの戦術改善にTacticAIを活用する例。 TacticAI により、人間のコーチがコーナーキックの戦術を再設計することが可能になり、主要選手を特定し、すべての選手を考慮した時間調整された戦術的提案を提供することで、攻撃側チームと守備側チームのどちらかが好結果になる可能性を最大化できるようになります。この例 (A) に示すように、実際のシュート試行 (B) を伴うコーナーキックの場合、TacticAI はディフェンダーの位置 (D) を調整することで、シュート確率を下げるために戦術的に調整されたセットアップを生成できます。提案されたディフェンダーの位置では、攻撃側のプレーヤー 2 ～ 5 がボールを受け取る確率が低くなりますが、ゴールポストから遠い攻撃側のプレーヤー 1 がボールを受け取る確率が高くなります (C)。このモデルは、このようなシナリオを複数生成できます。コーチはさまざまなオプションを視覚的に確認できるほか、提案された戦術に関する TacticAI の定量分析も参照できます。

特筆すべきは、研究チームが、コーナーキック後の最初のレシーバー、コーナーキックが直接シュートにつながる確率を正確に予測できること、そしてこれらの戦術設定が実現可能であることを証明しただけでなく、5人のサッカー専門家（データサイエンティスト3人、ビデオアナリスト1人、リバプールフットボールクラブのコーチングアシスタント1人）に依頼して、現実のシナリオと何ら変わらないことを確認したことだ。

AIはすでにサッカーに関わっている

実際、サッカーへの AI の関与は前例のないことではありません。

Google DeepMindを例に挙げましょう。同社は2022年にも「AIサッカー選手」を発表し、サイエンスの子会社であるサイエンス・ロボティクスに関連する研究論文を発表した。

この「AIサッカー選手」は、ドリブルや体当たりなどのさまざまなアクションをこなせるだけでなく、最終的には正確なシュートも決められると報じられている。興味深いことに、2年前はコーナーキック、ペナルティキック、フリーキックなどのセットプレーを理解していませんでした。

さらに研究チームは、当時の手法はロボットのハードウェア上で直接学習するのに適しておらず、研究成果をシミュレーション世界から現実世界にすぐに転送することはできないとも述べました。しかし、彼らは自分たちの研究が AI を人間レベルの運動知能に近づけていると信じている。

この研究に戻ると、研究チームは、将来の研究では自然言語インターフェースを統合して「フットボールAIアシスタント」との対話を可能にし、興味のある特定の状況を検索し、与えられた戦術的バリエーションを予測して比較し、対話型プロセスを通じて戦術的推奨事項を導き出すガイダンスを提供することを目指していると述べた。

今後、ビッグモデルなどのAI技術がさらに発展すると、人間のサッカーはどのようになるのでしょうか？

想像力豊かだといえるでしょう。

参考リンク:

https://www.nature.com/articles/s41467-024-45965-xhttps://deepmind.google/discover/blog/tacticai-ai-assistant-for-football-tactics/