守門員正在努力猜測罰球在哪種方式
哈維爾·索里亞諾（Javier Soriano）/法新社通過蓋蒂圖像
在足球比賽中接受1000多次處罰的深訓練模型可以預測球如何比真正的守門員更好。
“懲罰是足球中最具決定性的時刻之一，通常決定大型比賽的結果。” 大衛·弗雷雷夫（David Freyrev） 在西班牙的拉斯 – 普拉馬斯大學。 “儘管如此，對守門員的真正時間支持仍然主要基於直覺。我們想研究機器學習是否可以從凱克身體的運動中預測射擊的方向。”
因此，Frere-Obregon和他的同事在西班牙的真實電視比賽中遇到了1010次點球。在這些剪輯中，有640個被認為是分析的AI模型，而其餘的則因其模糊，太短或困難而被拋棄。
然後，每個剪輯都在22個深訓練模型中提交，這些模型應該猜測罰款是罰款，正確還是在中間，具體取決於視頻以及玩家是右或左腿的簡單事實。
最好的模型能夠正確確定球向右，左或向下平均52％的時間比真正的守門員在比賽中的46％精度要好。當研究人員刪除使用較少使用的平均版本時，模型的準確性提高到64％，給定相同的信息，該模型的準確性比人類守門員高10個百分點。
研究人員驚訝地說：“弗雷爾·阿貝貢（Frere-Abegon）說：“甚至在球被淘汰之前有多少個微妙的交通信號，這可以揭示出意圖。 ”他希望信息對守門員的訓練有用，但是在比賽中使用預測AI將是一項更艱鉅的任務。
他說：“我們努力進一步研究的是，是否只使用凱克（Kiker）的運動來提前預期這些概率。” “如果是這樣，您可以在保持明顯準確性的同時進行此類預測。”
主題：
