잉글랜드의 명문 축구 클럽 리버풀은 축구에서의 데이터 활용을 적극적으로 실시하고 있는 클럽으로도 알려져 있습니다. 그런 리버풀과 Google의 AI 개발 부문인 Google DeepMind가 협력하여 축구 전술 AI인 「 TacticAI 」 를 개발했습니다. TacticAI는 구글과 리버풀의 여러 해에 걸친 협력 관계의 일환으로 개발된 것으로, 「코너킥에 대해 어드바이스 할 수 있는 완전한 AI 시스템」 으로서 어필하고 있습니다.
TacticAI: an AI assistant for football tactics - Google DeepMind
Google's AI is now suggesting new football tactics
영국의 강호 축구 클럽인 리버풀은 지금까지 수많은 기적을 보여주었습니다. 그런 리버풀에 의한 명경기 중 하나로 알려져 있는 것이, 2018~2019 시즌에 챔피언스 리그의 준결승에서 바르셀로나를 상대로 보여준 「안필드의 기적」 이라고도 불리는 역전극입니다.
홈 & 어웨이에서 열리는 결승 토너먼트에서 리버풀은 어웨이에서의 1전을 0대 3으로 패배합니다. 이에 따라 준결승을 돌파하려면 2전에서 세계 최고의 축구 선수라고 불리는 리오넬 메시 선수가 뛰는 바르셀로나를 상대로 3골 이상을 넣어야만 했습니다. 그러나 리버풀은 경기 초반부터 공세에 나서, 최종적으로 현지 출신 토렌트 알렉산더 아놀드 선수가 재빠르게 걷어찬 코너킥으로 준결승 돌파를 결정하는 4번째 골이 터져, 세계 유수의 클럽인 바르셀로나를 상대로 역전승을 거두게 됩니다.
레즈가 바르사 상대로 기적의 대역전 : 리버풀 4-0 바르셀로나 | 챔피언스 리그 - YouTube
이 극적인 목표처럼, 코너킥은 목표로 이어질 가능성이 높은 플레이 중 하나입니다. 그런 코너킥에서 더 많은 골을 얻으려면 경기에 출전하는 선수의 특성과 대전 상대의 전술을 특정하여 임기응변에 대응할 필요가 있습니다.
그런 코너킥에서 더 많은 득점을 만들어 내기 위해 Google DeepMind의 연구자와 리버풀 직원이 협력하여 개발한 것이 축구 전술 AI 「 TacticAI 」 입니다. 예측과 생성 AI를 사용하여 코너킥에 대한 전술적 통찰을 제공할 수 있다는 것으로, 현지 시간인 2024년 3월 19일에 학술지 Nature Communications에 발표되고 있습니다.
TacticAI: an AI assistant for football tactics | Nature Communications
https://www.nature.com/articles/s41467-024-45965-x
Google DeepMind와 리버풀은 2021년부터 스포츠 분석 AI를 진화시키기 위해 제휴를 맺고 있으며, 지금까지 여러 논문을 발표해 왔습니다. 최초로 발표된 논문은 「게임 플랜」 에 관한 것으로, 페널티 킥(PK)의 분석 등에 초점을 맞추어, 축구의 전술 지원에 AI를 사용하는 것의 유용성을 고찰하고 있습니다. 그 후, 2022년에는 「Graph Imputer」 라고 불리는 축구를 데이터 분석하기 위한 예측 시스템의 프로토타입과 같은 것이 고안되었습니다. 이것에 이어 새로운 AI로서 Google DeepMind와 리버풀이 개발한 것이 TacticAI인 것입니다.
기계 학습에서 예측 결과를 파악할 수 있는 입력 데이터를 '골드 표준 데이터'라고 합니다. 항상 움직이는 플레이가 연속되는 축구에서 이러한 골드 스탠다드 데이터를 얻는 것은 매우 어렵다고 여겨지고 있습니다만, TacticAI에서는 일반화 가능한 AI 모델의 작성을 지원하는 기하학적 심층 학습 접근법을 채택하여 우수한 성능을 달성하는 데 성공했습니다.
Google DeepMind의 연구자와 리버풀 전문가는 협력하여 TacticAI의 성능을 평가했습니다. 그 결과 TacticAI가 제안한 전술은 실제로 축구 경기에서 수행되는 전술보다 90%의 확률로 전문가에게 선호되는 것으로 나타났습니다. TacticAI는 예측 모델과 생성 모델을 조합한 완전한 AI 시스템으로 되어 있어, 우선 예측 모델이 무슨 일이 일어나는지를 예측, 그다음으로 과거 플레이를 기반으로 「무슨 일이 일어났는지」 를 데이터 세트 중에서 검색하고 '특정 결과를 얻으려면 어떻게 해야 합니까?'를 제안합니다.
TacticAI에서는 다음 세 가지 주요 질문에 답할 수 있습니다.
1:특정 코너킥의 전술 설정에서 어떤 일이 일어나는가?
어떤 선수가 공을 받을 가능성이 가장 높은지, 어떤 선수가 슛을 시도할 가능성이 높은지 등.
2:세트 플레이의 경우, 무슨 일이 일어날까?
비슷한 전술이 과거에 잘 기능했던 적이 있는지 등.
3:특정 결과를 달성하기 위해 전술을 어떻게 조정해야 하는가?
유효 슛 시도를 줄이기 위해 수비 측의 선수 배치를 어떻게 변경해야 하는지 등.
TacticAI는 코너킥의 상황을 그래프 디스플레이로 변환하기 위해 각 플레이어를 그래프의 노드로 취급합니다. "코너킥에 대한 설정을 그래프로 표현함으로써 선수들 사이의 암시적 관계를 직접 모델링할 수 있다"라고 Google DeepMind는 코멘트. 각 노드는 선수의 위치 · 속도 · 신장이라는 특징을 겸비한다고 합니다. 또한, 신경망상에서, 메시지 패싱을 사용함으로써 각 노드의 최신 상황이 갱신됩니다.
아래 그림은 TacticAI가 코너킥을 어떻게 처리하는지 정리한 것입니다. 네 가지 가능한 플레이가 생성되어 AI의 핵심인 TacticAI 모델에 예측 정보로 제공됩니다. 그리고 코너킥에서 "누가 먼저 공을 받을 것인가?"나 "누가 슛을 때릴 가능성이 있는가?"라는 정보를 출력하여 팀의 전술 제안에 공헌할 수 있습니다.
TacticAI는 예측 모델과 생성 모델을 활용하여 비슷한 코너킥의 상황을 검색하거나 다양한 전술을 시뮬레이션하여 코치진을 지원할 수 있습니다. 과거에는 전술을 개발하기 위해 애널리스트가 많은 경기 동영상을 반복적으로 재생하여 비슷한 상황을 찾아 라이벌 팀을 연구했습니다.
한편, TacticAI는 선수의 수치 표현을 자동으로 계산할 수 있기 때문에 전문가들은 과거의 유사한 상황을 쉽고 효율적으로 검색할 수 있습니다. Google DeepMind는 축구 전문가와의 광범위한 정성적 연구를 통해 직관적인 관찰을 더욱 검증, 그 결과 TacticAI의 Top 1 검색이 63%의 확률로 관련성을 찾는 데 성공한 것으로 나타났습니다. 이것은 선수의 포지션 유사성을 직접 분석하는 것에 기초한 기존의 접근법에서 볼 수 있는 관련성을 발견할 수 있는 확률(33%)을 훨씬 웃도는 숫자입니다.
TacticAI를 사용하여 인간 코치에 의한 코너킥 전술을 수정하고 수비 시 슛의 실패 확률을 줄일 수 있습니다. TacticAI는 특정 팀의 모든 선수의 위치를 조정하는 등 전술적 권장 사항을 제공할 수 있으며, 이러한 제안을 통해 "코치는 중요한 패턴뿐 아니라 전술의 성공 또는 실패의 열쇠를 더 빨리 식별할 수 있게됩니다."라고 Google DeepMind는 주장합니다.
아래 그래프는 실제로 TacticAI가 출력한 데이터의 예입니다. (A)는 슛이 시도된 코너킥의 사례를 출력한 것, (B)는 (A)의 데이터에서 수비수의 위치 및 이동 속도를 조정하여 유효 슛 확률을 줄이는 제안, (C)는 (B)의 제안에 의해 공격 측의 선수가 볼을 받을 확률이 저하되는 데이터, (D)는 지금까지의 일련의 제안을 복수 생성해 코치에 다양한 전술적인 옵션을 제안하는 것.
리버풀에 속한 한 전문가는, TacticAI의 제안이 실제 코너킥 전술과 구별하기 어렵다는 것, 그리고 90%의 확률로 원래의 전술보다 더 뒷받침된다는 것을 발견했습니다.
축구와 같은 스포츠는 멀티 모달 데이터를 이용한 현실 세계의 멀티 에이전트 상호 작용을 특징으로 하기 때문에 AI 개발의 동적 영역이기도 합니다. 따라서 스포츠용 AI의 발전은 "컴퓨터 게임과 로봇 공학에 이르기까지 다양한 분야에 적용될 수 있다"라고 Google DeepMind는 코멘트하고 있습니다.
흠 이건 좀 거시기하네요.
AI가 시키는 대로 축구를 차다니...
물론 이길 확률이 높은 전술을 제시해 주는 것이겠지만
뭔가 가슴이 뜨거워지지 않네요~
이런 것은 축구가 아닌데... ㅎㅎ
딥마인드시키 알파고로 바둑을 박살내고
세돌형님 은퇴시켜서 눈물 꾀나 쏟게 만들더니,
이젠 축구를 넘봐? 어허, 그만 멈추어라...
'AI · 인공지능 > AI 뉴스' 카테고리의 다른 글
OpenAI가 동영상 생성 AI 「 Sora 」의 동영상 샘플을 대량 공개 (52) | 2024.03.28 |
---|---|
텍스트 지시만으로 작업을 실행하고, 다른 AI에게도 가르칠 수 있는 AI가 개발된다 (58) | 2024.03.26 |
세계 최고 AI 연구원의 약 50%가 중국 출신인 것으로 판명 (56) | 2024.03.26 |
구글이 홍수를 일주일 전에 예측해 세계 80개국 4억 6천만 명을 수해로부터 구할 수 있는 AI 발표 (62) | 2024.03.25 |
영어 및 그 외 언어 처리에서 Llama-2를 넘은 AI 모델 「EagleX」가 오픈 소스로 등장 (68) | 2024.03.20 |
일론 머스크의「Grok」이 마침내 오픈 소스화, 다른 오픈 소스 모델보다 훨씬 뛰어나다는 지적 (66) | 2024.03.19 |
OpenAI 등의 AI기업으로부터 독립하여 연구가능한 '세이프하버' 요구에 250명이 넘는 연구원들이 서명 (58) | 2024.03.15 |
기계학습으로 성대 손상이나 마비가 있는 사람도 말할 수 있게 되는「목 패치」개발 (64) | 2024.03.14 |