Hoang Le从小就是足球迷。
他少年时的足球英雄是齐达内，而现在他认为梅西是历史上最好的足球运动员。与足球有关的事Le都能轻松应对，但有一件事除外：
如何教会电脑优雅的踢球？
为了做好这件事，Le和他在加州理工的同事们，不得不放弃教学控制权，从教电脑踢球的一线后退一步。换句话说就是：无教胜有教。
这个团队发表的研究表明，机器学习可以让计算机发现足球世界的真谛，而且想要让计算机学好，人类专家最好不要插手学习的过程。
所谓“无监督学习”正在取得实质性突破，并准备把AI带到未知且不可想象的领域。无监督学习不仅可以催生新的产品和创新，而且可以成为科学小说的基础。更重要的是，这将挑战我们何以为人的理念。
这个突破从足球之外开始。
2013年，NBA多伦多猛龙队推出一套名为“鬼影”的训练系统。这套系统分析球员的数据，并在球队的防守体系中发现漏洞。当然，这套系统也被用来发现对手的防守漏洞。
当Le和他加州理工的团队第一次听到“鬼影”时，并不知道这套系统具体如何工作，但他们知道这套系统的分析，是基于猛龙队教练团队的专业洞察。
也就是说，“鬼影”虽然可以称为一个篮球AI，但这个AI的各种“思路”，仍然受限于人类教练实现制定好的策略。也就是说，永远无法创新。
在机器学习领域，Le和他的团队知道使用监督机器学习算法的局限性。
而无监督机器学习的方法则要有趣得多。所谓无监督学习，就是机器基于数据发现模式的过程中，不需要人类的插手，不需要参考人类规则。但是长期以来，研究人员没有搞明白这一方法如何在实践中解决问题。
虽然这一方法困难且耗时，但无监督学习可能是人工智能实现自主创新的一条出路。
“我们做这件事的原始动力，是想看看AI能否直接从数据中学会足球”，Le说。幸运的是，加州理工与迪士尼有深入合作，这意味着Le的团队可以从ESPN获得大量的足球数据，然后基础这些数据设计一个机器学习系统。
在监督学习中，研究人员可以给数据打上不同的标签；而在无监督学习中，Le和他的同事们无法让机器明白场上不同位置的球员，分别对应怎样的“角色”，所以他们把研究分为两个类别：进攻和防守。
那么，怎样才算左后卫？
或者说，左后卫在场上应该出现在什么位置？这是一个简单，而又难以明确回答的问题。通过使用无监督学习的方法，Le和团队直接让AI通过观察和追踪原始数据，来分辨场上不同位置的球员。
尽管这种方法不能给出左后卫的概念，但AI能发现场上11个追踪点中，总有一些存在非常相似的对应关系，而且这些追踪点的相似性在于行动方式，而不是“类别”相同；而且这种学习还能发现不同位置之间的相互关联。
这意味着，基于给定的一堆数据，AI可以快速学习一个团队的进攻或者防守策略。
“如果你是一个教练，就能问AI：在同样的情况下，另一个球队会如何应对”，Le说无论是整体战略，还是每个球员位置等细节，教练都能得到答案。
同样，这套AI可以用来分析自己球队，或者对手的策略。比方在某次防守中，教练想考察不同球员的重要性，可以直接让AI模拟出结果。
以一场富勒姆对阵斯旺西的英超比赛为例，当时富勒姆(红色)正在发起进攻，斯旺西(蓝色)一方进行防守。在实际的比赛中，富勒姆将球打进斯旺西的球门。
我们从防守的角度来进行分析：斯旺西还有多少改进空间？
来看看人工智能的答案。
上图中左边是实际的比赛情况，模型预测：斯旺西的失球概率为69.1%。中间的部分，是AI按照英超平均水平模仿出的防守走位(白色)，模型预测：失球概率为71.8%。而右边是基于曼城的数据，AI模仿出的防守走位，这次失球概率降为41.7%。
这个过程用下面的动图可以更清晰的展示出来：
“只要有良好的追踪数据，这套AI就可以扩展到其他运动，例如是像篮球、曲棍球等”，Le特别希望这套系统能被应用到猛龙队，也就是激发他们灵感的源头。
当然，无监督学习的应用，远远不限于足球领域。
Google的AlphaGo也应用了类似的技术，所以AlphaGo时常能有人类棋手不曾想到的下法，震惊并且影响整个人类围棋世界，推动围棋向前发展。
这类学习技术可以产生强大的机器智能，例如探索火星的机器人站在一个黑暗的火山口时，可以自己决定对什么物质感兴区，并且收集起来后续研究。
不依靠人类的先入之见，AI自行深刻的理解了游戏。
在筛选足球数据的过程中，AI看到了团队阵型和个体位置之间的关系，深刻的理解了比赛的战术战略。这表明，现代的机器学习算法可以产生这样一个AI，并且这个AI能够对比赛本身产生全新的见解。
见识过机器对足球的洞悉之后，并没有减弱Le对于足球的热爱。当然他认为人类足球队的教练方式，可能会发生从未有过的改变。
“这是一个非常激动人心的时刻”，他说：
“你觉得，AI下一步会干什么？”
好啦，足球的故事讲到这里。想不想看看上面提到这个足球AI的论文？在量子位微信公众号(ID：QbitAI)对话界面，回复“足球AI”几个字，就可以得到。
△ 论文截图
以前量子位也有过几篇运动与AI的报道，这里推荐一下：
另外，明天就是周一了。不上班~
