Futbal je pre umelú inteligenciu náročný problém. Hra je plynulá, hráči sa neustále presúvajú a jedna zmena pozície ovplyvňuje celé rozostavenie. TacticAI od Google DeepMind ukazuje, že AI sa v športe posúva od spätnej štatistiky k prediktívnemu modelovaniu priestoru. Pre trénerov to môže znamenať nový spôsob, ako testovať taktické rozhodnutia ešte predtým, než sa prejavia na ihrisku. Oznámenie o rozšírení TacticAI na otvorenú hru a o partnerstve s brazílskym klubom Palmeiras bolo verejne predstavené 10. júna 2026.
Futbal je pre AI ťažší než vyzerá
Na prvý pohľad sa môže zdať, že futbal je ideálny pre dátovú analytiku. Každý zápas produkuje množstvo udalostí: prihrávky, strely, pressing, zisky lopty, postavenie hráčov. V skutočnosti je však futbal pre modelovanie veľmi zložitý. Na rozdiel od baseballu alebo niektorých basketbalových situácií nemá jasne oddelené herné fázy. Dvadsaťdva hráčov sa pohybuje naraz a význam konkrétnej akcie závisí od celého priestoru okolo nej.
TacticAI od Google DeepMind je zaujímavý, že sa nesnaží futbal zjednodušiť na izolované štatistiky. Systém využíva geometrický deep learning, modeluje hráčov ako uzly v dynamickom grafe a sleduje ich priestorové vzťahy. To mu umožňuje predikovať, ako sa herná situácia môže vyvíjať, a navrhovať taktické úpravy. TacticAI už nie je iba analytický nástroj po zápase. Palmeiras ho používa na analýzu otvorenej hry, teda na modelovanie živých futbalových situácií, ktoré sa menia v reálnom čase.
Od rohových kopov k otvorenej hre
TacticAI vznikol v spolupráci s Liverpool FC a pôvodne bol známy najmä v kontexte rohových kopov. To dávalo zmysel. Štandardné situácie sú pre AI jednoduchšie, pretože majú jasný začiatok, obmedzený priestor a opakovateľné vzory. Model mohol predikovať, kto pravdepodobne prijme loptu, či z akcie vznikne strela a ako by sa dalo rozostavenie upraviť.
Novinka spočíva v rozšírení na open-play analýzu. Otvorená hra je podstatne ťažšia, pretože nemá pevný scenár. Hráči menia rýchlosť, orientáciu, vzdialenosti aj taktické úlohy. Ak systém dokáže odhadnúť vývoj situácie až o niekoľko sekúnd dopredu, môže trénerom a analytikom pomôcť lepšie čítať riziko, priestor a možné reakcie súpera.
Palmeiras používa rozhranie, v ktorom analytici môžu virtuálne presúvať hráčov a sledovať, ako by zmena ovplyvnila kolektívne správanie tímu aj súpera. Takéto „čo ak“ modelovanie je pre futbal veľmi hodnotné, pretože taktika často stojí na malých posunoch: obranca o pár metrov vyššie, záložník bližšie k línii prihrávky, krídlo v inom pressingovom uhle.
Prečo je geometrický deep learning dôležitý
TacticAI rieši úplne typ problému: priestor, pohyb a vzťahy medzi objektmi. Geometrický deep learning je vhodný práve tam, kde dáta tvoria siete alebo grafy. V tomto sú hráči prvkami systému, v ktorom vzdialenosť, smer a vzájomná pozícia menia význam celej situácie.
Ak sa ľavý obranca posunie vyššie, nevznikne iba lokálna zmena. Mení sa dostupnosť prihrávky, priestor za obranou, pozícia krídla, reakcia stopéra aj rozhodovanie súpera. AI musí modelovať tieto vzťahy ako celok. To je bližšie k fyzickej AI a robotike než k tradičnej športovej štatistike.
Preto má TacticAI význam aj mimo futbalu. Podobné problémy riešia autonómne vozidlá, logistické systémy, sklady, dopravné modely či koordinované robotické tímy. Všade tam ide o predikciu pohybu viacerých aktérov v priestore.
AI ako asistent, nie autopilot
Najdôležitejšie je nevnímať TacticAI ako automatického trénera. Futbal obsahuje psychológiu, únavu, formu hráča, komunikáciu, herný plán aj kontext zápasu. Model môže výborne pracovať s priestorom, no nemusí poznať všetky mäkké faktory, ktoré rozhodujú o tom, či sa taktické odporúčanie dá použiť.
Praktická hodnota preto spočíva v asistencii. Analytik môže testovať alternatívy. Tréner môže rýchlejšie pochopiť, prečo určité rozostavenie otvára priestor súperovi. Tím môže pripraviť scenáre proti konkrétnemu štýlu hry. AI znižuje náklady na experimentovanie, ale rozhodnutie zostáva na ľuďoch.
