モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
機械学習ディープラーニングCGCGへの扉安藤幸央GANニューラルネットワーク強化学習モリカトロンAIラボインタビュー月刊エンタメAIニュース三宅陽一郎音楽QAOpenAI敵対的生成ネットワークCEDEC2019デバッグスクウェア・エニックスNVIDIADeepMindCEDEC2020ゲームAI不完全情報ゲーム深層学習シナリオAIと倫理ビヘイビア・ツリー映画SIGGRAPH遺伝的アルゴリズムGDC 2019VRキャラクターAIボードゲーム畳み込みニューラルネットワークルールベースGoogleグーグルFacebookVFXメタAIロボットファッションマイクロソフトStyleGANプロシージャルJSAI2020人工知能学会CNNイベントレポート森川幸人水野勇太ガイスターCLIPアートtoioスポーツTensorFlowGDC SummerモリカトロンマルチエージェントナビゲーションAIeSports小説自然言語処理AlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史河合律子HTN階層型タスクネットワーク自動生成研究ディープフェイクDARPAAI美空ひばり汎用人工知能GPT-3メタデータOpenAI Five本間翔太CM倫理ピクサーAdobe作曲中嶋謙互Amadeus CodeMicrosoftMicrosoft Azureキャリアテストプレイeスポーツ音声認識PyTorchDQN眞鍋和子バンダイナムコスタジオBLUE PROTOCOLシーマンUnity齊藤陽介マインクラフトお知らせAIアートサルでもわかる人工知能VAEワークショップGenvid Technologies知識表現IGDANPCどうぶつしょうぎDALL-Eジェイ・コウガミ音楽ストリーミングStyleGAN2マシンラーニングクラウドコンピューティショナル・フォトグラフィー完全情報ゲーム坂本洋典釜屋憲彦藤澤仁生物学画像認識NFT長谷洋平鴫原盛之masumi toyota宮路洋一SIGGRAPH ASIAソニーフェイクニュースドローンシムピープルGPUALife人工生命オルタナティヴ・マシンサウンドスケープASBSぱいどんTEZUKA2020手塚治虫Electronic ArtsマーケティングApex LegendsNinjaゲームTENTUPLAYMARVEL Future Fightタイムラプスバスキアブロックチェーン通しプレイ階層型強化学習WANN竹内将馬淵浩希岡島学映像セリア・ホデントUX認知科学ゲームデザインLUMINOUS ENGINELuminous Productionsパターン・ランゲージちょまどビッグデータアストロノーカ模倣学習ナラティブFPSマルコフ決定過程スタンフォード大学パラメータ設計テニスバランス調整レコメンドシステム対話型エージェント協調フィルタリング人狼知能Amazon軍事AlphaDogfight TrialsエージェントシミュレーションゲームプレイAIStarCraft IIFuture of Life InstituteIntelロボティクスLAIKARotomationドラゴンクエストライバルズ不確定ゲームDota 2モンテカルロ木探索ソーシャルゲームEmbeddingGTC2020NVIDIA MAXINE淡路滋ビデオ会議グリムノーツゴティエ・ボエダGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technologyアバター初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020デバッギングBigGANアニメーションMaterialGANリップシンキングRNNUbisoftReBeLUbisoft La Forge自動運転車VolvoRival Prakウォッチドッグス レギオンユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミング斎藤由多加インタラクティブ・メディアリトル・コンピュータ・ピープルシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGPT-2GROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ウェイポイントユクスキュルパス検索カント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPDeNAStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019ぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward ArchitectureウロチョロスSuper Phoenix理化学研究所Project Malmo教育TextWorldProject PaidiaProject LookoutWatch ForBingLEFT ALIVE吉本幸記長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxGTC2021CycleGANテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.ai人工音声プレイ動画NBA群知能ウィル・ライトシムシティレベルデザインSporeデノイズ画像処理CPUGMAITRPGウィザードリィAI Dungeon西川善司サムライスピリッツゼビウスストリートファイター栗原聡山野辺一記大里飛鳥マンガ13フェイズ構造手塚眞不気味の谷Oculus Quest生体情報写真照明山崎陽斗立木創太松井俊浩スパーシャルAIGameGANパックマンソサエティ5.0SIGGRAPH 2020DIB-R3D広告

サッカーの戦術分析にも活躍。AI活用の新たなフロンティアとしての(e)スポーツ分析

2021.5.25先端技術

サッカーの戦術分析にも活躍。AI活用の新たなフロンティアとしての(e)スポーツ分析

スポーツのプレイを統計的に考察することは、野球のセイバーメトリクスに見られるようにもはや一般的です。こうした統計的考察をさらに推し進めて、AIによって客観的にプレイを評価する試みが始まっています。この記事では、DeepMindが発表したAIを活用したサッカーの戦術分析の事例を紹介します。

AI活用のための理論的背景

Google傘下のAI研究機関であるDeepMindは5月7日、AIを活用したサッカーの戦術分析を解説したブログ記事を公開しました。その記事によれば、イングランド・プレミアリーグの強豪リヴァプールと共同研究したサッカー戦術分析は、3つの理論的背景をもっています。

ひとつめの理論的背景は、ゲーム理論です。複数の意思決定者の相互依存的な行動選択を記述する理論であるゲーム理論は、複数のプレイヤーがゴールを目指すサッカーのプレイ選択の考察に応用できるのは以前より知られていました。

ふたつめの背景は、統計的学習です。DeepMindの研究チームは、セイバーメトリクスのようにサッカーのプレイも統計値として数量化したうえでその特徴を分析しました。プレイの数量化に際しては、ベルギーのルーヴェン・カトリック大学コンピュータサイエンス学部から発表された論文を参考にしました。この論文では、サッカーのプレイをパスやドリブルを含む19のアクションに分類したうえで、プレイスタイルを考察することを提案しています。

みっつめが画像認識です。攻守のプレイヤーたちが入り乱れるサッカーの動画から特定のプレイを抽出する研究は、近年の画像認識AIの発達によって大きく進化しました。こうした技術的進化のおかげで、大量の試合動画からプレイに関する統計情報を生成できるようになったのです。

以上のような3つの理論的背景が重なり合うことによって、AIを活用した戦術分析が可能となりました。この分析の革新性は、画像認識によって生成されたサッカープレイに関する統計情報を、ゲーム理論にもとづいてAIがその特徴を抽出する、と言えます。

「ゴースティング」も算出可能

DeepMindのブログ記事では、AIによる戦術分析の一例としてペナルティキックの分析が挙げられています。12,000のペナルティキックを統計的に分析した結果、ゴールの左右どちらかにより多くキックするプレイヤー、あるいは左右均等にキックするプレイヤーのようないくつかのプレイスタイルに類型化されることが分かりました。こうしたペナルティキックの類型化は、キーパーの対応戦術の改善に応用できるのは明白です。

ペナルティキックは、サッカーの試合における非常に限られたプレイのひとつに過ぎません。そのため、ペナルティキックのプレイスタイルを統計的に類型化しても、試合のごく一部を分析しただけに過ぎません。しかし、類型化を試合全体を通して実行すれば、試合全体や対戦チームの戦術の理解につながるのです。

AIによる戦術分析は、「ゴースティング」の研究も可能とします。ゴースティングとは、試合のある局面において統計的に平均なプレイを算出することを指します。ゴースティングによって算出されたプレイと実際のプレイを比較することによって、実際のプレイを評価できます。さらには、ゴースティングを使って試合の進行をシミュレーションすれば、対戦チームの平均的なリアクションを予測できるようになります。こうした予測は、プレイヤーの交替や戦術変更によって生じる試合への影響の考察に役立つはずです。

多様な応用範囲

DeepMindの研究チームは、AIによる戦術分析を将来的にはAVAC(Automated Video-Assistant Coach:自動ビデオアシスタントコーチ)システムとして提供することを構想しています。このシステムが実際のサッカーの試合に導入された場合、監督はプレイヤーのパフォーマンスを客観的に評価したり、AIからプレイヤーの交替タイミングを提案してもらったりすることでしょう。

AVACは、スカウト活動にも応用できると考えられます。AVACを使えば試合動画から自動的にプレイを評価できるので、従来では調査が難しかった僻地のプレイヤーをスカウトできるようになるのです。

前述のブログ記事とほぼ同時に発表されたAVACに関する論文では、同システムの研究を前進させるにあたっての展望が考察されています。そうした展望のひとつとして、AVACと強化学習を融合させることが考えられます。サッカーの試合をゲーム環境と見なすと、各プレイヤーの最適行動は強化学習AIの訓練によって算出できます。そして、強化学習AIの最適行動をAVACによって戦術分析すれば、(平均ではなく)最強のプレイをゴースティングできるようになるかも知れません。

AVACはサッカーだけではなく、ルールが良く似たバスケットボールやホッケーにも応用可能だと考えられます。その応用範囲はフィジカルスポーツを超えて、Dota 2やStarCraft Ⅱのようなeスポーツ種目にも及ぶでしょう。

ところでAVACが台頭・進化を遂げると、もはや人間のコーチや監督は不要となるのでしょうか。US版WIREDがDeepMind研究チームを取材した記事では、AVACの論文で筆頭著者となったKarl Tuyls氏にこの疑問を投げかけています。同氏の答えは、AIがサッカーの監督の代わりになることはないだろう、というものでした。しかし、10年以内に試合の分析にAVACのようなシステムが現場に導入されるようになるだろう、とも予想しています。

AIによるサッカーの戦術分析は、コーチや監督を代替するものではなく、彼らの意思決定を支援し補完するものとなるでしょう。こうした「人間とAIの協働的戦術分析」から新たなサッカー戦術のトレンドが誕生するかも知れません。

Writer:吉本幸記、Photo by Sven Kucinic on Unsplash 

RELATED ARTICLE関連記事

電脳化でコントローラを使わずにゲームプレイするサル:月刊エンタメAIニュース vol.16

2021.4.23先端技術

電脳化でコントローラを使わずにゲームプレイするサル:月刊エンタメAIニュース v...

ロボット向けファッションが再定義するテクノロジーと人のより良い関係

2019.11.11先端技術

ロボット向けファッションが再定義するテクノロジーと人のより良い関係

ゲーマーの脳波に関する研究に投資するDARPAが目指す“第三の波”

2020.2.27先端技術

ゲーマーの脳波に関する研究に投資するDARPAが目指す“第三の波”

RANKING注目の記事はこちら