近年来，人工智能技术在足球训练领域的应用产生重要影响，尤其是博弈对抗技术使球队和球员的行为策略有了理论技术基础，愈加受到体育专业领域重视。同时，由于足球推演面临大时空跨度、多个体合作与对抗、强不确定、稀疏奖励等挑战，任务复杂度高于围棋、一般即时策略类游戏等基础问题，也被看作决策智能研究的典型场景和测试平台。
中国科学院自动化研究所研究员蒲志强团队以人工智能博弈决策技术为基础开展足球对抗推演研究，搭建了足球领域大规模知识库，构建了一整套实时、动态、以全局战术分析为主的智慧推演评估方法、工具和系统。相关成果现已服务于职业联赛和青训代表队的比赛分析、推演、复盘等实际任务。
在大规模足球领域数据库建设方面，该团队为改善国内足球赛事及训练缺乏可控数据与数据采集体系的问题，搭建了完整的足球数据采集系统，开展了一系列足球比赛数据自主采集工作。该团队系统研究了国内外开源足球数据集，对英超联赛上千场赛事数据进行智能分析，构建了融合事件数据、追踪数据等多种数据形式的大规模足球数据集，搭建完成国内首个千万级节点足球专业领域知识库，覆盖球员近万名、赛事5000余场，提出了近200项运动表现分析指标，为开展更加深入的赛事智能分析提供了坚实的数据支撑。
在赛事态势感知与局势理解方面，该研究综合运用足球领域专家知识及大数据分析、深度学习等工具方法，面向宏观战术、全局视角开展全面深入的赛场态势研判和决策辅助，将比赛画面转变为态势地图，可实时动态捕捉球队双方全场优势分布与变化情况，辅助教练员“打开第三只眼”。在赛后复盘阶段，针对比赛重要片段构建反事实推演模型，该成果可开展“如果当时xx做，比赛会xx不一样”的模拟分析，并通过引入多轮策略博弈，实现“预判对手的预判”。
在博弈决策推演方面，该工作提出了一系列高效的足球博弈决策方法，支持在虚拟空间中训练模型、演化更新战术战法。该研究将千万级场次虚拟比赛数据与真实比赛数据结合，构建足球智能决策辅助模型，可进行任意球员无球跑动的价值衡量、传球序列分解与行为价值分配，辅助球员与教练员进行多维度的决策评估与模拟。
基于上述成果，该团队自主研发了足球比赛智能分析系统。通过该系统，教练员在上传比赛片段后，即可获得球员的技战术与全局性策略表现评估，进一步可通过对球员跑动能力、速度等个性化信息进行修改，实现反事实战术推演。
研究工作得到科技创新2030-“新一代人工智能”重大项目课题“基于博弈对抗的足球推演系统”的支持。未来，该团队将持续推动人工智能技术在足球领域的技术突破与深度应用，为以足球为代表的体育事业提供科技助力。
转自：中科院之声
