喜愛足球的人都知道，最好的足球運動員不一定是那些身體技能最佳的人。因為在足球比賽中，成功與失敗之間的區(qū)別往往在于是否能夠在場上瞬間作出正確的決策，比如如何跑位、何時鏟球、傳球或射門。那么，足球俱樂部應該如何根據每位球員的特點進行有針對性地訓練呢?
眾所周知，訓練球員、制定賽前戰(zhàn)術、賽后對技戰(zhàn)術進行復盤等都是足球教練的本職工作。然而，隨著科技的發(fā)展，人工智能跨界進軍綠茵場，代替人類執(zhí)教球隊將成為可能。
最近，英國拉夫堡大學的研究人員正與切爾西足球俱樂部合作開發(fā)一套系統(tǒng)，利用人工智能來衡量這些決策技能。研究人員通過分析幾個賽季的數據來追蹤每一場比賽中球員和球的位置，并開發(fā)出不同位置球員的計算機模型。計算機模型提供了一個基準來比較不同球員的表現。這樣研究人員就可以獨立于其他球員的行為來詳細分析并衡量單個球員的表現。然后，再根據球員在不同情況下作出的決策，來具化賽事可能發(fā)生的情況。
在球賽中，足球評論員總是批評球員的行為，認為他們采取的戰(zhàn)略戰(zhàn)術不對，應該采取其他戰(zhàn)術。但是畢竟沒有任何真正的方法可以驗證其所提出的建議是否正確。不過，這個計算機模型可以顯示出這些建議的現實可能性。
如果一個足球評論員認為，比賽中的某個球員應該運帶球而不是傳球，那么計算機模型系統(tǒng)就會考慮替代方案產生的結果，比如考慮球員當時在比賽中的疲憊程度等因素，來檢驗足球評論員的建議是否正確。研究人員希望足球教練和球員能夠利用這個系統(tǒng)幫助其在賽后反省自己的行為，從錯誤中汲取教訓，并隨著時間的推移逐步提高他們的決策能力。
模擬決策
當然，衡量這些技能是極其困難的。
首先，人類無法跟蹤比賽期間發(fā)生的所有事件。其次，很難將一個球員的行為與其他球員的行為割裂開來看待。比方說，如果一個球員傳球，幾秒鐘后球隊失去了控球權，那么究竟是這個球員在錯誤的時間把球傳給了錯誤的人，還是其他人的錯呢？
為了解決這個問題，拉夫堡大學的研究人員使用人工智能的一個特殊分支技術，即模仿學習。這項技術是可以通過分析大量的歷史數據來學習行為（如足球運動員在場上的行為）的計算機模型。簡單地說，計算機模型學習模仿人類專家。
人工智能中的大多數決策系統(tǒng)都是基于強化學習的，比如那些用于棋盤游戲的系統(tǒng)。這是計算機通過反復試驗各種動作來學習作出決定，直到系統(tǒng)反饋認為它做出了正確的事情，這就好像我們通過給予獎勵來訓練狗做某件事一樣。但大多數現實世界的場景中并沒有像棋盤游戲中的勝利那樣的特定獎勵。
另一方面，模仿學習通過觀察專家如何執(zhí)行一項任務，并嘗試著模仿專家來理解其潛在的決策策略。但是，為足球教練（球員）建模是非常困難的，因為他們使用高超的球技作出的決策是很難在計算機上編程的，例如選擇要注意什么，選擇正確的處理球的方式以及預測其他球員接下來的行為。
因此，為了使計算機模型切合實際，其所基于的歷史數據需要盡可能地反映現實世界。它不僅僅要顯示球員如何跑位，還要記錄他們的疲憊程度以及比賽情勢。例如，球員是想進攻還是想防守，甚至是想贏還是想輸。（因為在某些比賽中，一支球隊可能選擇要輸掉一場比賽，是為了讓自己在下一輪的位置中處于優(yōu)勢，能輕松地應戰(zhàn)。)
改變賽后分析
如今，研究人員已經建立了一套系統(tǒng)，可以創(chuàng)建球員之間、球員與球之間相互運動關系的模型，從而用來分析研究球員的表現。
目前，他們正計劃通過添加球員的身體姿勢、心率（用來展現其疲勞程度）和比賽條件等細節(jié)來使模型更加逼真。隨后，他們還要開發(fā)一套系統(tǒng)來衡量現有球員的技能，并希望在兩年內使該系統(tǒng)功能齊全。
在研究人員看來，這將是球員和教練在分析比賽的方式上的一個階段性改變，尤其是賽后分析的一大改變。球員能夠通過看到自己的行為如何對賽事產生影響，來幫助自己進行更多的反思。球探和足球俱樂部也將能夠利用這些重要決策技能的數據來選擇球員，并識別人才。
誠然，將人工智能從受控的棋盤游戲式環(huán)境中擴展到復雜的現實世界的應用程序中仍是一個巨大的挑戰(zhàn)。但是，人類非常善于適應復雜多變的環(huán)境，并在這種情境下作出決策。因此，通過學習模仿人類決策，人工智能將能夠應對身處各種陌生環(huán)境中的人們所面對的問題。■