By AMIT KATWALA, WIRED US

축구계에서 가장 흥미로운 감독은 바이엘 레버쿠젠(Bayer Leverkusen)의 감독이나 스타드 드 랭스(Stade de Reims), 볼로냐 FC(Bologna FC) 감독이 아니다. 바로 구글 딥마인드일 것이다.

지난 몇 년간 구글 인공지능(AI) 사업부는 AI를 세계에서 가장 인기 있는 감독으로 주목받도록 하고자 리버풀과 협력했다. 2021년, 딥마인드 연구팀은 경기장에서 선수의 위치를 기준으로 페널티킥을 할 위치를 예측하는 AI 모델을 개발했다. 이듬해에는 게임 영상을 분석하여 선수가 화면 시야에서 벗어날 때도 다음으로 뛸 곳을 예측하도록 개발했다. 구글 딥마인드 과학자 겸 네이처 커뮤니케이션스(Nature Communications)에 게재된 논문 공동 저자인 페타르 베리치코비치(Petar Veličković)는 “그동안 개발한 시스템 중 실제 세계의 감독에게 유용한 제안 사항을 손쉽게 제안할 수 있는 완벽한 프로토타입은 없었다. 딥마인드는 실제 도움이 될 시스템을 완성하고자 했다”라고 말했다.

그 결과, 택틱AI(TacticAI)가 탄생했다. 택틱AI는 게임 분석 후 코치에게 가장 많은 패스를 받은 선수나 선수가 위험한 득점 기회를 생성할 가능성 등을 알려주는 등 오픈 플레이를 위한 예측 시스템으로 시작했다. 그러나 리버풀 데이터 애널리스트와 코치 모두 더 간단한 시스템을 원했다. 베리치코비치는 “오픈 플레이 상황에서 유용한 유효슈팅 찬스를 다양하게 형성할 수 없다. 선수 22명이 경기를 뛰는 상황에서 변수가 넘쳐나며, 기회를 얻으려 할 때는 혼란을 유발하기 때문이다”라고 말했다.

대신, 리버플은 딥마인드 연구팀에 코너킥 분석에 집중하는 시스템을 요청했다. 약 10경기 동안 경기 도중의 행동을 효과적으로 멈추고는 공격팀이 골대 안을 향해 공을 찰 기회를 얻었다. 그러나 코너킥 50회 중 실제로 득점으로 연결된 때는 단 한 번이었다. 명문 구단 여러 곳은 이미 다음 경기 훈련 시 추가 움직임 경로, 상대팀 차단 계획을 포함하여 코너킥 루틴과 수비 계획에 거액을 투자한다. 베리치코비치는 “코너킥 득점 기회를 늘리거나 수비 능력을 개선하고는 시즌 전체 전술에 통합한다면, 경쟁력을 강화할 수 있다”라고 말했다.
 
딥마인드 연구팀은 2020~21 시즌 내내 프리미어리그 경기에서 7,176회에 걸쳐 나온 코너킥 상황의 선수 추적 데이터로 작업하면서 선수 위치, 움직임, 높이, 체중 등을 그래프로 코드화하고 선수 사이 관계를 선수 사이 라인으로 나타내는 등 선수 위치를 그래프로 나타냈다. 이후 기하적 딥러닝(geometric deep learning)을 택해 축구 경기장의 대칭을 활용하여 신경망에 필요한 처리 과정의 양을 축소했다. 기하학적 딥러닝 자체는 새로운 전략이 아니다. 딥마인드의 영향력이 큰 알파고(AlphaGo)에도 활용한 전략이다.

결과적으로 탄생한 모델은 축구 감독에게 유용할 수도 있는 새로운 툴이 여럿 제작됐다. 택틱AI는 코너킥 상황에서 선수간 위치 배열을 바탕으로 공에 가장 먼저 접촉할 확률이 가장 많은 선수, 결과적으로 슈팅으로 이어질 확률 등을 예측한다. 선수의 위치를 변경할 가장 좋은 방법, 슈팅 기회를 최대화하거나 최소화할 움직임 등을 조언으로 생성한다. 또, 골대 근처의 수비수나 구석에 있던 선수의 움직임 변화 등을 조언할 수도 있다.

리버풀 축구 전문가는 택틱 AI의 조언이 특정 전략 성공의 핵심인 공격수나 코너킥 상황에 직접 가담하지 않은 수비수를 콕 집어 조언한다는 점에 특별히 만족했다. 분석가는 장시간 영상을 돌려보면서 공격 시 공략할 상대팀 수비수의 약점을 찾거나 훈련 도중 강조할 만한 경기력의 허점을 찾으려 한다. 베리치코비치는 “다양한 상황을 모두 고려하여 선수 22명 모두 추적하기는 매우 어렵다. 택틱AI와 같은 툴이 있다면, 즉시 제대로 움직이지 않은 선수, 다른 움직임이 필요한 선수를 분석하는 데 도움이 된다”라고 말했다.

택틱AI는 선수와 움직임의 비슷한 패턴을 나타내는 다른 코너킥 상황에도 활용하여 분석가의 분석 시간을 줄일 수 있다. 딥마인드는 리버풀 코치진인 AI 모델의 코너킥 제안을 현재 전술보다 두 배 더 높은 점수로 평가했다고 설명했다. 현재 사용하는 전술은 선수와의 물리적 협력만을 바탕으로 하면서 선수의 움직임이나 물리적 기여도 등은 고려하지 않는다. (양쪽에서 시작하는 코너킥 상황은 같은 상황처럼 보이지만, 장신 공격수가 박스 한쪽 구석에서 반대쪽을 향해 달릴 때와 반대쪽 골대를 향해 달릴 때는 중요하다.)

딥마인드 논문의 다른 공동 저자 저 왕(Zhe Wang)은 코너에서 발생할 수 있는 광범위하면서도 다양한 상황을 설명하기 적합한 언어가 없을 때도 택틱AI가 도움을 줄 수 있다고 설명했다. 다른 경기력과 이동 경로의 깊은 명명법이 있는 미식축구와 달리 축구의 세트피스 상황 움직임은 비교적 새로운 상황이다. 왕 연구원은 “감독마다 직접 관찰한 코너킥 패턴을 고유한 방식으로 표현할 수도 있다. 따라서 택틱AI를 활용하면, 딥러닝의 강점을 활용하여 코너킥 패턴을 설명할 보편적인 표현을 확립할 수 있을 것이다”라고 말했다.

딥마인드의 논문은 추후 택틱AI가 자연어 인터페이스를 지원하여 감독이 텍스트로 질문을 입력하면, 경기장에서 해결하고자 하는 문제의 답을 제시하도록 하고자 한다는 연구팀의 바람을 전했다. 베리치코비치 연구원은 택틱AI가 경기 도중 감독의 코너킥 루틴 수정에 도움을 줄 수 있으나 대부분 감독에게 비교적 시간적 여유가 더 많은 경기 후 훈련 시 도움이 될 확률이 높다고 예상한다. 베리치코비치 연구원은 “전문가를 대신할 AI 시스템을 개발하고자 한다. 전문가의 역량을 강화하여 효율적인 역할 수행과 전술 코칭의 창의적 부분에 더 많은 시간을 할애하도록 도움을 줄 AI 시스템을 원한다”라고 전했다.

** 위 기사는 와이어드US(WIRED.com)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
Google DeepMind’s New AI Model Can Help Soccer Teams Take the Perfect Corner