Die Forscher arbeiteten mit Spieler-Tracking-Daten von 7.176 Eckbällen in der Premier League in den Jahren 2020 und 2021 und stellten zunächst die Anordnung der Spieler als Diagramm dar, wobei Position, Bewegung, Größe und Gewicht der Spieler als Knoten im Diagramm codiert wurden und Beziehungen zwischen Spielern als die Grenzen zwischen ihnen. Dann verwendeten sie einen Ansatz namens „geometrisches Deep Learning“, der sich die Symmetrie eines Fußballfeldes zunutze macht, um den Verarbeitungsaufwand des neuronalen Netzwerks zu reduzieren. (Dies ist keine neue Strategie – ein ähnlicher Ansatz wurde in der einflussreichen AlphaGo-Forschung von DeepMind verwendet.)
Das resultierende Modell führte zur Entwicklung einer Reihe von Tools, die für Fußballtrainer nützlich sein könnten. Basierend auf der Anordnung der Spieler zum Zeitpunkt der Schussausführung kann TacticAI vorhersagen, welcher Spieler am wahrscheinlichsten den ersten Kontakt mit dem Ball herstellt und ob infolgedessen ein Schuss ausgeführt wird. Es kann dann Empfehlungen für die besten Möglichkeiten zur Anpassung der Spielerposition und -bewegung generieren, um entweder die Wahrscheinlichkeit eines Schusses zu maximieren (für das angreifende Team) oder sie zu minimieren (für das verteidigende Team) – indem ein Verteidiger versetzt wird, um den kurzen Pfosten abzudecken , zum Beispiel, oder einen Mann an den Rand des Gebiets stellen.
Den Fußballexperten in Liverpool gefiel besonders, wie die Empfehlungen von TacticAI Angreifer identifizieren konnten, die für den Erfolg einer bestimmten Taktik entscheidend waren, oder Verteidiger, die „am Steuer schliefen“, sagt Veličković. Analysten verbringen Stunden damit, Videomaterial zu durchforsten, um nach Schwachstellen in der Verteidigung ihrer Gegner zu suchen, die sie angreifen können, oder nach Lücken in der Leistung ihrer eigenen Mannschaft zu suchen, die sie im Training verbessern können. „Aber es ist wirklich schwer, 22 Personen in vielen verschiedenen Situationen zu verfolgen“, sagt Veličković. „Wenn Sie ein Tool wie dieses haben, können Sie sofort erkennen, welche Spieler sich nicht richtig bewegen und welche Spieler etwas anders machen sollten.“
TacticAI kann auch verwendet werden, um andere Ecken zu finden, die ein ähnliches Spieler- und Bewegungsmuster aufweisen, was den Analysten wiederum Stunden Zeit spart. Laut DeepMind wurden die Vorschläge des Modells von Liverpool-Trainern doppelt so oft als nützlich bewertet wie aktuelle Techniken, die nur auf den physischen Koordinaten der Spieler basieren und deren Bewegung oder physische Eigenschaften nicht berücksichtigen. (Zwei Eckbälle sehen vielleicht gleich aus, aber wenn der große Stürmer in einem an der Strafraumkante steht und in dem anderen zum kurzen Pfosten rennt, ist das wahrscheinlich wichtig.)
Laut Zhe Wang von DeepMind, einem weiteren Hauptautor des Papiers, gleicht es auch den Mangel an geeigneter Sprache aus, um die große Bandbreite an verschiedenen Dingen zu beschreiben, die an einer Ecke passieren können. Im Gegensatz zum American Football, der über eine tiefgründige und geschichtsträchtige Nomenklatur für verschiedene Spielzüge und Laufwege verfügt, ist die detaillierte Choreographie von Standardsituationen im Fußball ein relativ neues Phänomen. „Verschiedene Trainer haben möglicherweise ihre eigenen Ausdrücke für die Muster der Eckbälle, die sie beobachten“, sagt Wang. „Wir hoffen, mit TacticAI die Kraft des Deep Learning nutzen zu können, um eine gemeinsame Sprache zur Beschreibung von Eckballmustern zu etablieren.“
Dem Papier zufolge hoffen die Forscher, TacticAI in Zukunft in eine Schnittstelle in natürlicher Sprache zu integrieren, damit Trainer es im Text abfragen und Antworten auf die Probleme erhalten können, die sie auf dem Spielfeld zu lösen versuchen. Veličković sagt, dass das Modell während eines Spiels verwendet werden könnte, um Trainern dabei zu helfen, ihre Eckballroutinen spontan zu verfeinern, aber dass es am wahrscheinlichsten in den Tagen vor einem Spiel nützlich sein wird, wo es den Trainern Zeit spart. „Wir wollen keine KI-Systeme bauen, die Experten ersetzen“, sagt Veličković. „Wir wollen KI-Systeme bauen, die die Fähigkeiten von Experten erweitern, damit diese ihre Arbeit viel effizienter erledigen können und mehr Zeit für den kreativen Teil des Coachings haben.“