AI가 지원하는 프리미어 축구 선수 유사도 검색 엔진
Comparisonator 팀은 1년간의 연구 개발 노력의 결과로 AI 엔지니어들이 개발한 새로운 자체 개발 축구 선수 유사도 검색 엔진을 선보이게 되어 자랑스럽고 기쁘게 생각합니다.
검색한 축구 선수의 플레이 스타일과 전 세계 프로필에서 ‘쌍둥이’를 찾습니다.
스카우트는 유소년 팀의 유망주나 1부 리그의 세계적인 이적 후보 등 인재를 찾을 때 항상 ‘유사성’의 관점에서 생각하는 것을 선호합니다. 하지만 ‘유사성’이라는 개념은 매우 주관적인 문제이기 때문에 이는 생각보다 번거로운 작업입니다. 스포츠 분석 외에도 유사도 측정은 보편성이 부족하기 때문에 모든 수학적 응용 분야에서 가장 복잡한 하위 분야 중 하나입니다.
혁신적인 알고리즘
비교 분석팀은 경기장 내 디지털 지표를 활용해 비슷한 플레이 스타일을 가진 선수를 찾는 데 특히 중점을 두었습니다. 전 세계의 수많은 수석 스카우터들과 사전 논의를 통해 높은 수준의 요구가 있다는 것을 알고 있었습니다. 따라서 약 1년 전부터 만족스러운 제품을 개발하기 위해 AI 태스크포스를 동원했습니다. 저희는 최첨단 딥러닝과 데이터 과학 기술을 모두 사용하기로 결정했고, 그 결과 고객과 AI 분야의 학술 연구 모두에서 유망하고 혁신적인 아키텍처가 탄생했습니다.
축구 업계의 스카우터와 전문가들은 항상 모든 비교 분석기 제품 개발에 귀중한 피드백을 제공하며, 이는 AI 유사성 알고리즘의 경우에도 마찬가지입니다. 이러한 민첩한 생산 주기 덕분에 알고리즘의 매개변수가 완벽하게 조정됩니다.
뻔한 것 이상의 복잡함 : 플레이 스타일
저희 알고리즘의 핵심에는 본질적으로 복잡하고 주관적인 것을 특성화할 수 있는 목표, 즉 플레이 스타일이 있습니다. 프로 축구 에이전트나 일반 청중이 선수들의 플레이 스타일을 연결하는 것은 복잡하지 않고 매우 빠른 작업처럼 보입니다 : ‘… 맨체스터 유나이티드의 비사카가 생각나는데…’ 안타깝게도 축구 선수의 빅 통계 데이터를 사용하여 이러한 것을 개발하는 것은 컴퓨터 과학자들에게는 야심찬 도전입니다. 그래서 저희는 최첨단 딥러닝 엔진을 주요 핵심으로 하는 비교자 유사도 지수 알고리즘을 개발했습니다. 앞서 언급했듯이 플레이 스타일은 주관적인 개념입니다. 이는 스카우트마다 크게 다를 수 있습니다. 저희는 복잡한 딥러닝 접근 방식을 통해 이러한 편향을 최소화하는 동시에 플레이 스타일에서 명확하지 않은 숨겨진 패턴을 찾아내려고 노력했습니다.
딥 러닝 아키텍처
이 단락에서는 어떤 유형의 데이터를 사용하는지, 딥러닝 자동 인코더의 구조와 축구 선수의 유사성을 정량화하는 방법을 간략하게 설명합니다. 상업적 기밀로 인해 통계적 특징의 이름과 사용된 딥 러닝 아키텍처의 매개변수를 명시적으로 정확하게 밝히지 않습니다.
우선, 의미 있는 통계 데이터를 충분히 확보하려면 해당 기간(시즌 또는 하프시즌) 동안 최소 720분 이상 경기장에 출전한 선수여야 합니다.
저희 알고리즘의 중추는 엔드투엔드 심층 가변 자동 인코더이며, 여기에는 공간 데이터를 인코딩하는 컨볼루션/디컨볼루션 블록도 포함되어 있습니다. 이 아키텍처는 레이어의 폭-깊이, 가장 적합한 활성화 기능, 훈련 체제, 하이퍼 파라미터의 튜닝을 구체적으로 선택해 엄격하게 제작되었습니다.
아키텍처의 참신함 외에도 기능의 선택과 엔지니어링에도 상당한 노력을 기울였습니다. 최적의 공간 및 비공간 피처 세트와 모델 내 적절한 구성 및 사전 처리를 결정했습니다.
알고리즘의 마지막 단계인 변형 계층에서 임베딩을 통계적으로 추출하고 이러한 전체 시맨틱 컨텍스트 값의 적절한 방법론을 통해 차원을 효율적으로 축소하는 단계에서도 추가적인 혁신이 이루어집니다. 마지막으로, 이렇게 축소된 최종 정보 집합을 기반으로 플레이어 간의 유사성을 측정합니다.
이 알고리즘은 최신 인공 지능 기술을 사용하여 단순한 성적 지표, 리그 경쟁력, 나이, 가치 평가 등을 직접적으로 고려하지 않고 게임 스타일이 비슷한 축구 선수들을 함께 매핑합니다. 따라서 유니티의 딥러닝 알고리즘은 최고 선수와 세계 정상급 선수를 매칭하거나 골, xG, 어시스트 등 단순한 주요 통계를 사용하는 대신 축구 선수의 매우 복잡한 전반적인 게임 내 프로필을 학습합니다. 이를 통해 스카우트는 젊고 저렴한 선수, 하위 리그에서 경쟁하는 선수, 메시와 같은 전반적인 게임 내 프로필을 가진 선수 등 흥미로운 질문을 할 수 있습니다. 또는 팀이 이적, 부상 또는 경기력 저하로 인해 특정 선수를 잃은 경우, 스카우트는 해당 선수와 일치하는 스타일을 가진 후보자 목록을 생성하여 대체할 수 있습니다.
딥러닝 아키텍처 및 유사도 측정 기술 개요
