「そして男は時計を捨てた・・・」にようこそ!

 

このブログサイトは、みなさんの知識や情報、その他のことを入手するお手伝いをするブログサイトです。

 

テ-マを設けずに、さまざまな事柄を書いていきます。ごくまれに私的なことも織り混ぜていこうと思います。

 

ぜひ、このブログを活用していただけたら、うれしく思います。ただし、このブログには画像は一切ありません。文章のみのブログになっています。

 

毎日記事を更新していきます。土、日は更新は多めとなります。

 

「そして男は時計を捨てた・・・」を今後も末長くご愛読ください😉 by ひとり編集長




情報

AIの力で、サッカーはもっと“予測可能”になる

英国の空軍司令官で会計士でもあったチャールズ・リープは1950年3月、サッカーを数字的な観点から見てみようと思いつきました。

 

彼は1930年代からこのスポーツに興味をもち、先駆的なチームとして知られたハーバード・チャップマン率いるアーセナルFCの大ファンでした。ところが第2次世界大戦から戻ってみると、アーセナルの戦術に以前のような革新さが見られなくなっていることに気づいたのです。

 

そしてあるとき、リープの我慢もついに限界に達した・・・イングランド3部リーグのスウィンドン・タウン対ブリストル・シティーの試合を観戦していたとき、単調な展開が続く試合をハーフタイムまで観ていましたが、攻撃がことごとく無駄に終わる様子を目の当たりにしたのです。

 

彼はノートと鉛筆を取り出すと、ピッチで起きていることを猛烈な勢いで書きとめ始めたのです。パスとシュートの数を数え、記録していきました。これがデータを活用してサッカーを体系的に分析した最初の試みのひとつだったとされています。

 

それから70年が経ちました。データ革命は一般大衆にも浸透していき、最近のサッカーファンは「xG(ゴール期待値)」や「ネットスペンド(チームの総計支出)」といった言葉にも精通しており、優位性を模索する上位チームらは統計学の博士課程の学生を大学から直に引き抜いています。

 

そして今、前回のプレミアリーグで優勝を飾ったリヴァプールFCがアルファベット傘下のDeepMind(ディープマインド)とタッグを組み、サッカー界における人工知能(AI)の活用を模索しています。

 

AIの研究に特化した学術誌『Journal of Artificial Intelligence Research』に2021年5月6日付で掲載された研究者らによる論文には、その潜在的な応用例がいくつか紹介されています。

 

DeepMindとリヴァプールとのコラボレーションは、研究者チ-ムの一員であるトゥルスのリヴァプール大学での前職がきっかけで実現したものです。

 

研究に際してDeepMindとリヴァプールFCは、AIがどういった分野で選手やコーチの役に立つのかについて議論を交わしました。また、リヴァプールは2017~19年に戦ったプレミアリーグの全試合データをDeepMindに提供しています。

 

ここ数年でセンサーやGPSトラッカー、コンピューターヴィジョンのアルゴリズムなどを用いて選手とボールの動きを追跡できるようになり、サッカーの分析に利用できるデータの量が大幅に増加しています。

 

チーム側にとってAIは、コーチが気づけないパターンを発見する助けになるのです。DeepMindの研究者にとっては、サッカーは同社のアルゴリズムをテストするために、制約はあるものの多角的な実験ができる絶好の環境といえます。

 

サッカーのようなゲームには影響因子が数多く存在するうえ、競争と協調の両側面があって非常に興味深いのです。チェスや囲碁とは異なり、サッカーには現実世界でプレイされるがゆえの固有の不確実性があるからなのです。

 

だからといって、予測できないということにはなりません。むしろ、その予測こそAIの活躍が特に見込まれる領域だからです。

 

トゥルスらの論文には、特定のチームとそのフォーメーションのデータを基にAIのモデルを学習させ、ある状況において選手がどのように反応するかを予測させる手法が紹介されています。

 

例えば、マンチェスターFCと対戦する場合、右サイドにロングボールを蹴り込めば、同チームのカイル・ウォーカーが特定の方向へ走り、その間にジョン・ストーンズが別の動きをすることが予測されます。

 

この手法は「ゴースティング」として知られてい、ビデオゲームにもあるように実際の動きの上に代替の軌跡が重なって“ゴースト(幽霊)”のように表示されるところからついた名称です。

 

ゴースティングは、さまざまな場面で応用されています。例えば戦術を変更した際の影響や、主力選手が負傷した場合の相手チームの行動などを予測するに有効です。

 

これらはコーチらが自ら予測できる可能性もあることで、トゥルスはコーチを置き換えるツールをつくることが目的ではないと強調しています。データは膨大な量になり、この大量のデータを処理するのはなかなかに大変な作業なのです。

 

「わたしたちが目指していることは、支援技術の構築なのです」

 

ほかにも論文では、欧州全土で実施された過去数シーズン分の試合のデータから、12,000本を超えるペナルティーキック(PK)を分析しています。選手をプレイスタイルやポジション別に分類し、その情報を基にPKを狙う場所や得点の可能性を予測したのです。

 

分析結果によれば、例えばストライカーはバランスのとれたアプローチをするミッドフィルダーよりも左下を狙う傾向がありました。またデータからは、PKのキッカーにとって最適な戦略は、当然ながら各自が最も得意とする側に蹴ることだと判明しています。

 

他のモデルでは、起きる可能性があったが実際には起きなかった「反事実」の状況に関する数値を高速で処理できる可能性もあります。例えば、パスを出したりタックルをかわしたりといった特定のアクションがどれだけ得点に貢献するのかを示す指標「xG(ゴール期待値)」を推定したり、といったことです。

 

試合後の分析に用いれば、例えば特定の場面で「シュートするよりパスを出すほうが有効だった」ことや、その根拠を可視化して選手に示すことができます。選手のパフォーマンスデータ(体力や健康状態などの情報)を学習させたAIモデルなら、選手の疲労度を人間のコーチよりも正確に把握し、けがをする前に休息を促すことも可能になります。

 

実は1950年代のリープによる試みは、現代のサッカーにも影響を与えています。リープは自身の統計結果から「ほとんどのゴールは4回以内のパスで決まる」と誤って算出していましたが、この分析はそれから何十年も英国のサッカーを特徴づけてきた「ロングボール主体のゲームスタイル」を生み出すきっかけとなったのです。

 

ほかの分野のAIにおいても、ナンセンスな答えや間違った答えを出した例は少なからずあります。過去にはビデオゲームで学習したAIがゲームのルールを破り、物理的な法則を無視して勝利したこともありました。

 

サッカーのデータで学習したAIが、まるでジョゼ・モウリーニョ監督のロボットかのように「相手チームにボールをもたせてミスを待つ」ことが最良の策だと判断してしまうかもしれません。

 

だからこそ、AIシステムの誤った推論を防ぐために、予測モデルが出した結果を人間の専門家を通すことが重要であると、トゥルスは言っています。

 

しかし、AIなら試合が盛り上がっている瞬間であっても、ベストプレイヤーでさえ見逃してしまうようなパスのコースを見つけられるかもしれません。決してロボットをつくろうとしているわけではなく、人間のサッカー選手のパフォーマンスを向上させようとしているのです。

 

また、AIがサッカーのマネージャーにとって代わることはないと、トゥルスは指摘しています。ただし、今後10年以内にAIがサッカーに与える影響を感じられるようになるはずだとも言っています。

 

今回の研究の目的は、ピッチ上の選手とうまく統合して選手やコーチの仕事を容易にするシームレスなシステムの構築にあるのです。

 

半年や1年では大きな影響は見られないかもしれませんが、5年もすればいくつものツールが開発され、試合前後の分析をサポートしたり前半戦の動きを見て後半戦に改善すべき点をアドバイスしたりできる“自動ビデオアシスタントコーチ”のようなものが登場する可能性だってあるのです。

 

DeepMindはコンピューターヴィジョンと統計的学習、そしてゲーム理論を組み合わせることにより、チームが収集している膨大なデータから人間には見えないパターンを発見できるようにしたいと考えているようです。

 

AIのサッカーへの応用は、選手とコーチをもっと“スマート”にするかもしれません。あとはチームオーナーにも同じように作用すれば申し分ないはずです。

 

ABOUT ME
makoto
「そして男は時計を捨てた・・・」を運営している、ひとり編集長のmakotoです。 「そして男は時計を捨てた・・・」を活用して知識や情報を深めていきましょう!新聞を読むような感じでペラペラめくってみて下さい。 そして、自分の大好きな方に知識をシェアしていってください👍 ひとり編集長と情報の冒険をしましょう😃どうぞよろしくお願いします👍