AIが支えるプレミアサッカー選手の類似性検索エンジン
コンパリソネーターチームは、AIエンジニアによって開発された全く新しいサッカー選手類似検索エンジンを発表できることを誇りに思います。
世界中にいるサッカー選手のプレースタイルやプロフィールの「双子」を見つけること。
スカウトは、ユースチームの有望株や1部リーグのワールドクラスの移籍候補など、タレントを探す際、常に「類似性」という観点から考えることを好みます。しかし、「類似性」という概念は非常に主観的な問題であるため、これは見かけ以上に面倒な作業です。スポーツ分析は別として、この普遍性の欠如のために、類似性測定はすべての数学的応用の中で最も複雑なサブフィールドの1つを構成しています。
革命的なアルゴリズム
Comparisonator Teamは、フィールド上のデジタル指標を使用して、プレースタイルが似ている選手を見つけることに特に重点を置いてきました。世界中の数多くのチーフ・スカウトとの先験的な話し合いから、私たちはその需要の高さを認識していました。そこで、私たちのAIタスクフォースを動員して、1年ほど前に満足のいく製品を開発しました。私たちは、最先端のディープラーニングとデータサイエンスの技術をすべて使用することを選択し、その結果、お客様にとっても、AIの学術研究にとっても、有望で革新的なアーキテクチャが誕生しました。
サッカー業界のスカウトやプロフェッショナルは、常にコンパリソン製品の開発において、彼らの貴重なフィードバックが不可欠です。この機敏な生産サイクルのおかげで、私たちのアルゴリズムのパラメーターは完璧に微調整されています。
プレースタイル
私たちのアルゴリズムの中心にあるのは、本来複雑で主観的なものである「プレースタイル」を特徴づけることができるという目的です。プロのサッカー代理人や一般の観客にとっては、選手のプレースタイルを関連付けるのは簡単で速い作業のように思われます：「この右サイドバックはマンチェスター・ユナイテッドのビサカを思い出させる・・・」。この右サイドバックはマンチェスター・ユナイテッドのビサカを思い出させる…」残念ながら、サッカー選手のビッグスタッツデータを使ってこのようなものを開発できるコンピューター科学者にとって、これは野心的な挑戦です。そこで私たちは、最先端のディープラーニング・エンジンを主軸とした「Comparisonator Similarity Index Algorithm」を開発しました。前述の通り、プレースタイルは主観的な概念です。それはスカウトによって大きく異なる可能性があります。私たちの複雑なディープラーニング・アプローチは、このバイアスを確実に最小化すると同時に、プレースタイルにおける明白ではない隠れたパターンを明らかにしようとします。
ディープラーニング・アーキテクチャ
この段落では、我々のアプローチ、使用されるデータの種類、我々のディープラーニングオートエンコーダの構造、サッカー選手の類似性の量子化方法について簡単に説明します。商業上の秘密保持のため、統計的特徴の名前と採用した深層学習アーキテクチャのパラメータは明示的に正確には示しません。
まず、統計データとして十分な意味を持つためには、その選手が意図した期間（シーズンまたはハーフシーズン）に少なくとも720分以上フィールドでプレーしていることが必要です。
私たちのアルゴリズムのバックボーンは、エンドツーエンドの深い変分オートエンコーダであり、空間データをエンコードするための畳み込み/デコンボリューショナルブロックも含まれています。アーキテクチャは、層の幅の深さ、最適な活性化関数、学習レジーム、ハイパーパラメータのチューニングを具体的に選択することで、厳密に作成されました。
アーキテクチャの斬新さに加え、特徴の選択と設計にも同様の多大な努力が払われました。私たちは、空間的特徴および非空間的特徴の最適なセットと、モデルにおけるそれらの適切な構成と前処理を決定しました。
私たちのアルゴリズムの最終段階にもさらなる革新が存在します：変分層からの埋め込みの統計的抽出と、これらの全体的な意味文脈値の適切な方法論による効率的な次元削減。最後に、選手間の類似性は、この最終的な削減された情報のセットに基づいて測定されます。
このアルゴリズムは、単純なパフォーマンス指標、リーグでの競争力、年齢、評価などを直接取り入れるのではなく、ゲームスタイルにおいて類似したプロフィールを持つサッカー選手を一緒にマッピングする最新の人工知能技術を使用しています。従って、トップ選手とワールドクラスの選手をマッチングさせたり、ゴール、xG、アシストなどの単純な主要統計値を使用したりするのではなく、私たちのディープラーニング・アルゴリズムは、サッカー選手の非常に複雑なゲーム内の全体的プロフィールを学習します。これにより、スカウトは、低レベルのリーグで戦っている若くて手頃な価格の選手で、メッシのような全体的なゲーム内プロフィールを持つ選手など、興味深いクエリーを行うことができます。また、チームが移籍や怪我、成績不振で特定の選手を失った場合、スカウトはその選手の代わりとなる、スタイルが一致する候補者のリストを生成することができます。
深層学習アーキテクチャと類似度測定手法の概要
