By AMIT KATWALA, WIRED UK

1950년 3월, 영국 공군 중령이자 숙련된 회계사인 찰스 리프(Charles Reep)가 축구 경기의 통계에 주목했다. 1930년대부터 스포츠에 관심을 가졌으며, 허버트 채프만(Herbert Chapman) 감독이 이끄는 아스널 팬이었던 리프 경은 2차 세계대전 이후 귀국해, 이전에 중단했던 전략적 혁명을 찾기 시작했다.

리프 경은 무수히 많은 공격이 이루어졌으나 공격 포인트는 전혀 없었던 3부 리그 팀인 스윈든 타운(Swindon Town)과 브리스톨 시티(Bristol City) 간 지루한 경기를 보다가 하프타임이 되었을 때, 인내심이 한계에 다다른 것을 느꼈다. 리프 경은 공책과 연필을 꺼내고는 열심히 경기 도중 일어난 상황을 빠르게 써 내려 갔다. 리프 경은 경기 내내 이루어진 패스와 슈팅 횟수를 세기 시작했다. 이는 데이터로 축구 경기 분석을 하기 위해 이루어진 최초의 체계적인 시도이다.

그리고 70년 뒤, 데이터 혁명이 많은 대중에게 도달했다. 많은 축구 팬이 예상 득점(xG)과 구단의 순 지출액을 쉽게 찾아낸다. 그리고, 상위권 구단은 높은 순위를 위해 대학에서 바로 통계학 박사 학위 소지자를 뽑는다. 2020-21 시즌 디펜딩 챔피언인 리버풀은 딥마인드(DeepMind) 연구팀과 함께 축구계에 인공지능(AI)을 활용하는 방안을 탐색하기 위해 협력한다. 리버풀과 딥마인드의 협동 연구팀이 인공지능 연구 학술지(Journal of Artificial Intelligence Research)에 게재한 논문은 축구계에서 AI를 적용할 가능성을 요약한다.

딥마인드 AI 연구원이자 연구 논문의 제1 저자인 칼 투일스(Karl Tuyls) 박사는 “축구 분석에 AI를 적용할 적절한 시기이다”라고 말했다. 딥마인드와 리버풀의 협력은 투일스 박사가 리버풀 현지 대학에서 이전에 맡은 역할에서 비롯되었다. (딥마인드 창립자인 데미스 하사비스(Demis Hassabis)도 평생 리버풀 팬이며, AI 연구의 조언자였다) 딥마인드와 리버풀은 AI가 선수와 코치진에게 도움이 될 수 있는 순간도 함께 논의했다. 리버풀은 딥마인드에 2017년부터 2019년까지 치른 프리미어리그 경기 데이터를 모두 제공했다.
 
지난 몇 년간 축구계에서 사용할 수 있는 데이터양은 선수와 공의 움직임을 추적하는 센서와 GPS 추적기, 컴퓨터 비전 알고리즘 등과 함께 급격히 증가했다. AI는 구단에 감독이 찾지 못하는 패턴을 감지할 방법을 제공한다. 또, 딥마인드 연구팀은 축구를 통해 알고리즘 실전 적용 테스트를 할 수 있는 매우 제한적이지만 어려운 환경에 접근하게 된다. 투일스 박사는 “축구와 같은 경기가 매우 흥미로운 이유는 수많은 에이전트가 존재하며, 경쟁과 협력이 모두 존재하기 때문이다”라고 설명했다. 딥마인드가 AI를 적용한 체스나 바둑과는 달리 축구는 그 자체에 끊임없는 불확실한 요소가 존재한다. 현실 세계에서 경기가 이루어지기 때문이다.

축구 경기 예측을 전혀 할 수 없다는 의미는 아니다. 축구 경기 예측은 바로 AI가 특히 유용하다는 사실을 입증할 수 있는 영역이기도 하다. 앞서 언급한 논문에는 특정 구단과 선발 명단 데이터로 모델을 훈련해, 특정 상황에서 선수의 반응을 예측하는 방법을 설명한다. 예를 들어, 맨체스터 시티와 경기 도중 우측에서 길게 공을 찰 때, 맨체스터 시티 수비수인 카일 워커가 수비를 위해 특정 방향으로 뛰어갈 것이다. 그와 동시에 맨체스터 시티의 또 다른 수비수인 존 스톤스는 다른 행동을 하며 상대팀의 득점을 막으려 할 것이다.

위에서 설명한 예시를 AI로 나타낸 것은 비디오 게임과 같이 예측된 움직임이 비디오 게임과 같이 실제 움직임과 겹쳐져 나타난다는 점에서 이른바 ‘고스팅(ghosting)’이라고 불린다. 고스팅은 다양하게 적용할 수 있다. 일례로, 전술 변경의 영향이나 핵심 자원으로 분류된 선수가 다쳤을 때, 상대 팀의 경기 스타일 등을 예측할 수 있다. 모두 감독이 스스로 알아내고자 하는 요소이며, 투일스 박사는 감독을 대체하기 위해 툴을 설계하는 것이 목적이 아니라고 강조한다. 투일스 박사는 “데이터가 많아, AI 모델이 소화할 내용이 많다. 또, 다량의 데이터를 다루는 것이 무조건 쉬운 것은 아니다. 딥마인드는 축구 경기 분석에 도움이 될 기술을 구축하려 한다”라고 설명했다.

논문 작성 과정의 일환으로 연구팀은 지난 몇 시즌에 걸쳐 유럽 전체 리그의 경기에서 이루어진 페널티킥 1만 2,000여 회를 분석했다. 그리고, 경기 스타일에 따라 선수를 분류하고는 분류 정보를 사용해, 페널티킥 기회가 주어졌을 때 공을 찰 확률이 가장 높은 방향을 예측했다. 예를 들어, 공격수는 미드필더보다 좌측 코너로 공을 찰 확률이 더 높았다. 미드필더는 균형을 더 중시한 전략에 따라 움직였다. 또, 어찌 보면 당연한 부분이지만, 데이터는 페널티 키커로 나서는 선수에게 최적화된 전략을 나타내, 가장 강점을 보이는 위치에 공을 차도록 한다.

다른 모델도 실제 발생하지 않은 여러 행동을 다량으로 처리해, 패스나 태클 미스 등과 같은 특정 행동이 골이나 예상 득점에 얼마나 기여하는지 계산할 수 있을 것이다. 이러한 정보는 경기 후 분석 과정에 사용돼, 선수가 특정 상황에서 슈팅하는 대신 패스를 해야 하는 이유를 설명할 수 있을 것이다. 강도와 체력 등 선수 경기력 데이터 훈련이 된 AI 모델은 인간 코치보다 선수의 피로도를 더 자세히 추적하고는 부상 전에 선수가 휴식을 취하도록 권한다.

여기서 리프 경이 1950년대에 하고자 했던 것이 반복된다. 리프 경은 (정확하지는 않지만) 자신의 데이터를 사용해, 4회 이하의 패스 후 득점 가능성이 가장 높은 것을 계산했으며, 분석 결과는 수십 년에 걸쳐 잉글랜드 축구의 특징이 되었던 롱볼 축구의 시작에 도움이 되었다. AI가 다른 분야에서는 말이 되지 않거나 순전히 잘못된 답변을 해, 대대적인 주목을 받은 사례가 있다. 과거, 비디오 게임으로 훈련받은 AI는 게임 규칙을 어기거나 과학적 법칙을 무시하면서 게임을 이겼다. 축구 데이터 훈련이 된 AI는 로봇 버전 조제 무리뉴와 같이 실제로 결과를 얻기 위한 최선의 방법은 상대 팀 선수가 공을 소유하도록 두고 실수할 때까지 기다리는 것이라고 판단할 수 있다.

투일스 박사는 AI 모델의 발견 결과에 전문가가 개입해, AI 시스템의 잘못된 분석을 막는 것이 중요하다고 주장한다. 그러나 AI는 최고의 선수가 놓치는 순간에도 쉴 새 없이 패스를 감지할 수 있다. 투일스 박사는 “딥마인드는 로봇을 제작하려는 것이 아니다. 인간의 축구 경기력을 향상시키려는 것이다”라고 말했다.

투일스 박사는 AI가 축구 감독을 대체하지는 않을 것이지만, 향후 10년 이내로 AI가 축구계에 영향을 미칠 수 있다고 본다. 그는 “AI 축구 분석 모델의 목적은 경기를 뛰는 인간 선수와 함께 제대로 통합하고, 경기를 더 쉽게 풀어가도록 하는 간단한 시스템을 갖는 것이다. 향후 6개월이나 1년 뒤, AI가 축구계에 큰 영향을 미치는 일은 없으리라 생각한다. 그러나 5년 후면 일부 툴이 더 발전해, ‘자동화된 비디오 보조 코치’와 같은 존재가 경기 전, 후 분석을 돕거나 전반전 경기를 보고는 후반전에 바뀌어야 할 사항을 조언하는 데 도움을 줄 수 있을 것이다”라고 말했다.

딥마인드는 컴퓨터 비전과 통계 학습, 게임 이론을 결합해, 구단이 자체적으로 수집한 다량의 데이터에서 다른 방식으로는 볼 수 없었던 패턴을 감지하는 데 도움을 주고자 한다. AI를 축구에 적용하면, 선수와 감독 모두 더 똑똑하게 경기를 풀어나갈 수 있을 것이다. 당장 구단주에게도 똑같이 훌륭한 분석 결과를 내놓기만 한다면 말이다.

** 위 기사는 와이어드UK(WIRED.co.uk)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
Now DeepMind is using AI to transform football