里普从1930年代起就对足球产生了兴趣，非常喜欢赫伯特·查普曼带领的阿森纳先锋队。
有一次，他去看了斯温顿和布里斯托尔之间的三分球比赛。 游戏非常无聊。 里普经历了无数次进攻，但未能进球。 半场结束时，他的耐心耗尽了。
他抓起附近的笔记本和铅笔，开始疯狂地记录球场上发生的事情——他开始计算传球和进球数。 这是第一次有人尝试系统地使用数据来分析足球。
人工智能在足球场上检验其技能
70年后，数据革命已渗透到各个领域，应用十分普遍。 数据革命的拥护者精通 xG（目标、预期目标）和净支出的使用。
就连英超卫冕冠军利物浦也开始与AI联手，探索人工智能在足球领域的应用。 两个组织的研究人员最近在《人工智能研究杂志》上发表了一篇论文，概述了一些潜在的应用。
“时机刚刚好！” 该论文的第一作者、中国人工智能研究员 Karl Tuyls 说道。
此次与利物浦的合作源于他之前在利物浦大学的工作（其创始人戴米斯也是利物浦的终身球迷和该研究的顾问）。
两个小组聚集在一起讨论人工智能如何帮助足球运动员和教练。
利物浦还提供了 2017 年至 2019 年间每场英超比赛的数据。
近年来，随着传感器、GPS 跟踪器和计算机视觉算法的使用英超足球数据，可用于研究足球比赛期间球的路径的数据量显着增加。
对于足球队来说，人工智能可以帮助发现教练无法发现的模式； 对于研究人员来说，足球为他们在路上测试算法提供了一个受限制但具有挑战性的环境。
“足球非常有趣，因为有很多球员相互竞争和合作，”图尔斯说。
与国际象棋或围棋不同，现实世界中的足球运动有其固有的不确定性。
但这并不意味着无法做出预测——这是人工智能可能特别有用的领域。
本文展示了如何训练一个模型来预测特定球队和球员在特定情况下的球员反应：例如英超足球数据，如果你在对阵曼城的比赛中将长传球打入右侧通道，凯尔·沃克会朝某个方向跑动，而约翰·斯通斯可能不会那么做，他会以其他方式回应。
凯尔·沃克
这被称为“重影”——因为替代轨迹叠加在实际发生的事情上，就像在视频游戏中一样——并且有一系列不同的应用。 例如，它可以用来预测战术变化的影响，或者如果关键球员受伤，对手可能会如何比赛。
这些是教练可能会注意到的事情，图尔斯强调我们的目标不是设计工具来取代教练。 “有很多数据，有很多数据需要消化，处理这些海量数据不一定很容易，我们正在努力开发辅助技术。”
在足球分析方面，自动视频辅助教练（AVAC）系统可以为决策者提供长期分析。 上图是 AVAC 界面的示例图，其中进攻和防守球员通过姓名进行识别、跟踪并随后传递到可用于分析潜在意图的预测轨迹模型。
研究人员还分析了过去几个赛季欧洲各地的 12,000 多个点球，并根据球员的比赛风格对他们进行分类，然后利用这些信息来预测他们最有可能在哪里被判犯规以及他们是否有可能得分。 例如，前锋比中场球员更有可能瞄准球门的左下角，而中场球员会采取更平衡的方法。
其他模型可能能够使用反事实数据来评估特定动作（例如传球）对最终得分的贡献程度。 它们可用于赛后分析英超足球数据，向球员展示为什么在特定情况下应该传球而不是尝试射门。
使用球员场上表现数据训练的模型可能比人类教练更好地跟踪球员疲劳程度并在受伤前建议换人。
人工智能的最佳应用：人工协助
当前的方法反映了 Rip 在 20 世纪 50 年代尝试做的事情，使用他自己的数据（错误地）计算出大多数进球发生在四次或更少的传球之后。 他的分析帮助引入了“长传”战术，该战术成为数十年来英国足球的标志。
在其他领域，有许多引人注目的例子，人工智能给出的答案毫无意义或完全错误。 例如，一些经过视频游戏训练的人工智能会通过违反游戏规则或无视物理定律而获胜。
或者像何塞·穆里尼奥一样，人工智能会决定获胜的最佳方式是让对手保持控球权并等待他们犯错误。
因此，Tuyls 表示，模型必须经过专家的调试，以防止 AI 做出错误的推断。