1950 年 3 月，一名叫做查尔斯·里普（Charles Reep）的皇家空军机翼指挥官、资深会计将他对数字的关注转向了足球。早在 20 世纪 30 年代，他就对这项运动产生了浓厚的兴趣，并成为了赫伯特·查普曼（Herbert Chapman）的先锋阿森纳队的球迷。他从第二次世界大战回来后发现，他以前所见证的战术革命已经停滞不前。
在斯温顿镇和布里斯托尔城之间的一场单调的第三级比赛的中场休息时，他目睹了无数次进攻无果，里普的耐心耗尽了。他拿起一本笔记本和一支铅笔，开始疯狂地记下球场上发生的事情--他开始计算传球和射门的数量，这是第一次系统地尝试使用数据来分析足球。
70 年后的今天，数据革命已经被广泛接纳，球迷们对 xG（预期进球）和 net spend (在买入球员和卖出球员的净投入)已经非常熟悉了。顶级球队直接从大学里挖来统计学博士生，以寻求优势。现在，英超卫冕冠军利物浦球队已经与 DeepMind 联手，探索人工智能在足球领域的应用。两家机构的研究人员今天在《人工智能研究》杂志上发表的一篇论文，概述了一些潜在的应用。
DeepMind 的人工智能研究员、论文的主要作者之一 Karl Tuyls 说：“时机刚刚好”。DeepMind 在利物浦的合作源于他之前在该市大学的工作（DeepMind 创始人 Demis Hassabis 也是利物浦的终身粉丝，并且是这项研究的顾问）。这两个小组走到一起，讨论人工智能在哪些方面可以帮助足球运动员和教练。利物浦还向 DeepMind 提供了该俱乐部在 2017 年至 2019 年期间的每场英超比赛的数据。
近年来，随着传感器、GPS 追踪器和计算机视觉算法的使用，足球的数据量已经膨胀，可以追踪球员球的运动。对于足球队来说，人工智能提供了一种发现教练无法发现的模式的方法；对于 DeepMind 的研究人员来说，足球为他们提供了一个受限但具有挑战性的环境来路测他们的算法。Tuyls 说：“像足球这样的比赛超级有趣，因为有很多代理存在，有竞争和协作方面的问题”。与国际象棋或围棋不同，足球有内在的不确定性，因为它是在现实世界中进行的。
但这并不意味着你不能进行预测--而这正是人工智能可以证明特别有用的一个领域。这篇论文展示了你如何在关于特定球队和阵容的数据上训练一个模型，以预测其球员在特定情况下的反应：例如，如果你在对阵曼城的比赛中把一个长球打到右侧通道，凯尔·沃克会向一个特定的方向跑，而约翰·斯通斯可能会做其他事情。
这被称为 "重影"--因为替代的轨迹被覆盖在实际发生的情况上，就像在视频游戏中一样--并且有一系列不同的应用。例如，它可以用来预测战术变化的影响，或者在关键球员受伤的情况下，对手可能会怎么打。这些都是教练们自己可能会注意到的事情，Tuyls强调说，其目的不是设计工具来取代他们。
作为论文的一部分，研究人员还对过去几个赛季欧洲各地的12,000多个点球进行了分析--根据球员的比赛风格将其归类，然后利用这些信息来预测他们最有可能击中点球的位置，以及他们是否可能得分。例如，前锋比中场球员更有可能瞄准左下角--中场球员采取的是更平衡的方法，数据显示，对于罚球手来说，最佳策略是踢向他们最强的一侧，这也许并不令人惊讶。