1950 年3 月，一名叫做查爾斯·里普（Charles Reep）的皇家空軍機翼指揮官、資深會計將他對數字的關注轉向了足球。早在20 世紀30 年代，他就對這項運動產生了濃厚的興趣，並成為了赫伯特·查普曼（Herbert Chapman）的先鋒阿森納隊的球迷。他從第二次世界大戰回來後發現，他以前所見證的戰術革命已經停滯不前。

在斯溫頓鎮和布里斯托爾城之間的一場單調的第三級比賽的中場休息時，他目睹了無數次進攻無果，里普的耐心耗盡了。他拿起一本筆記本和一支鉛筆，開始瘋狂地記下球場上發生的事情–他開始計算傳球和射門的數量，這是第一次系統地嘗試使用數據來分析足球。

70 年後的今天，數據革命已經被廣泛接納，球迷們對xG（預期進球）和net spend (在買入球員和賣出球員的淨投入)已經非常熟悉了。頂級球隊直接從大學裡挖來統計學博士生，以尋求優勢。現在，英超衛冕冠軍利物浦球隊已經與DeepMind 聯手，探索人工智能在足球領域的應用。兩家機構的研究人員今天在《人工智能研究》雜誌上發表的一篇論文，概述了一些潛在的應用。

DeepMind 的人工智能研究員、論文的主要作者之一Karl Tuyls 說：“時機剛剛好”。DeepMind 在利物浦的合作源於他之前在該市大學的工作（DeepMind 創始人Demis Hassabis 也是利物浦的終身粉絲，並且是這項研究的顧問）。這兩個小組走到一起，討論人工智能在哪些方面可以幫助足球運動員和教練。利物浦還向DeepMind 提供了該俱樂部在2017 年至2019 年期間的每場英超比賽的數據。

近年來，隨著傳感器、GPS 追踪器和計算機視覺算法的使用，足球的數據量已經膨脹，可以追踪球員球的運動。對於足球隊來說，人工智能提供了一種發現教練無法發現的模式的方法；對於DeepMind 的研究人員來說，足球為他們提供了一個受限但具有挑戰性的環境來路測他們的算法。Tuyls 說：“像足球這樣的比賽超級有趣，因為有很多代理存在，有競爭和協作方面的問題”。與國際象棋或圍棋不同，足球有內在的不確定性，因為它是在現實世界中進行的。

但這並不意味著你不能進行預測–而這正是人工智能可以證明特別有用的一個領域。這篇論文展示了你如何在關於特定球隊和陣容的數據上訓練一個模型，以預測其球員在特定情況下的反應：例如，如果你在對陣曼城的比賽中把一個長球打到右側通道，凱爾·沃克會向一個特定的方向跑，而約翰·斯通斯可能會做其他事情。

這被稱為”重影”–因為替代的軌跡被覆蓋在實際發生的情況上，就像在視頻遊戲中一樣–並且有一系列不同的應用。例如，它可以用來預測戰術變化的影響，或者在關鍵球員受傷的情況下，對手可能會怎麼打。這些都是教練們自己可能會注意到的事情，Tuyls強調說，其目的不是設計工具來取代他們。

作為論文的一部分，研究人員還對過去幾個賽季歐洲各地的12,000多個點球進行了分析–根據球員的比賽風格將其歸類，然後利用這些信息來預測他們最有可能擊中點球的位置，以及他們是否可能得分。例如，前鋒比中場球員更有可能瞄準左下角–中場球員採取的是更平衡的方法，數據顯示，對於罰球手來說，最佳策略是踢向他們最強的一側，這也許並不令人驚訝。