12月18日，卡塔爾世界杯總決賽將正式開戰。

由衛冕軍法國對上尋求隊史第三冠的阿根廷，同時也是兩位頂尖球星兼巴黎圣日耳曼隊友梅西、姆巴佩的「內戰」。

面對如此強勁的對手，冠軍又會花落誰家呢？

不如，我們來看看AI怎么說吧！

AI預測：阿根廷小概率戰勝法國

先上結果，根據模型的預測，兩隊勝出的概率非常非常接近。

其中，阿根廷會以十分微弱優勢領先，勝率為35.1%；與之相對的，法國是35.0%。

綜合勝率為：阿根廷50.2%，法國49.8%。

在諸神的黃昏，最后一舞

2022年FIFA世界杯，有著非同尋常的意義。

這一年世界杯，被比作「諸神的黃昏」。這次世界杯，很可能是諸位巨星在卡塔爾的「最后一舞」。

梅西，C羅，莫德里奇，迪瑪利亞，蘇亞雷斯，諾伊爾，萊萬，本澤馬，甚至內馬爾……這不是名單，是我們的青春。

梅西，這個帶領巴薩4奪歐冠冠軍，獲得7次金球獎的男人，他的榮譽榜上唯獨少了大力神杯。

2014年，是阿根廷國家隊實力最強勁的一年，也是梅西離大力神杯最近的一次。

這張照片，令無數球迷心碎

而這一次出戰卡塔爾的阿根廷隊，空前團結。梅西這次，也是真正融入了球隊體系。

隨著比賽的進展，越來越多人承認：梅西確實展露出了冠軍相。

可以看出，梅西在決賽中的45次射門（射門和創造的機會）貢獻了阿根廷總射門的56.3%，這幾乎與馬拉多納對1986年阿根廷世界杯冠軍的影響相同。

這屆阿根廷隊的球員，普遍實力大于名氣。主帥斯卡洛尼，也打造出了一套真正適合阿根廷隊的戰術。總之，今年的阿根廷隊，比以往的任何時候，都更像一個整體。

不過，由于缺乏爆破型的邊鋒，阿根廷隊太過依賴梅西這個命門。一旦阿根廷中場沒有優勢，梅西的威力就小了一半。

自從1986年的馬拉多納以來，還沒有一個國家像梅西時代的阿根廷那樣如此依賴一名球員

而且，阿根廷的邊后衛弱，防守一般，尤其體能下降，失去絞殺能力后，后防單兵能力非常有限。

如果阿根廷想贏，不能指望梅西，需要恩佐、勞塔羅、阿爾瓦雷斯這些年輕一代站出來，挑起大梁。

這個b站大熱視頻，說出了廣大球迷的心聲：「梅西，我沒有第二個青春去追逐你了」

而今年的法國隊，巨星云集，陣容豪華。姆巴佩的速度，讓所有球隊都頭疼。

擁有吉魯、姆巴佩、科納特的法國隊，在大部分位置都有著不小的優勢；并且這些球星，都處于當打之年。

回顧這屆世界杯法國隊以往的比賽，可以看出，他們大部分時間處于防守的態勢，面對實力強勁的對手，他們經常把控球權交給對方。

不過，這屆世界杯的八強中，控球率低的一方，最后都贏了。

盡管梅西是最受對手密切關注的球員，但他在本次錦標賽的眾多進攻指標中，都處于領先地位。

法國隊方面，雖然后防能力出眾，但本屆比賽中每場都有丟球。

我們都知道，決定一個球隊在世界杯能走多遠，看的是短板。

目前來看，法國人或許缺乏真正的核心（上屆世界杯能夠奪冠，法國隊的核心是格列茲曼和博格巴，而這一屆，姆巴佩未必當得起這一核心）。

阿根廷和法國，都屬于更注重防守的球隊，所以可以猜測，雙方都會采取更謹慎的進攻策略。

雖然在此之前法國對阿根廷的戰績并不那么漂亮——在12次交鋒中只贏了3次，在世界杯的3次比賽中輸了2次。但上屆世界杯上那場史詩般的4-3勝利讓德尚的球隊走上了奪冠之路。

事實上，法國隊已經連續贏得了七場世界杯淘汰賽，雖然比巴西隊的記錄少了兩場，但他們很可能會成為繼1962年巴西和1938年意大利之后第三支成功衛冕的球隊。

巴黎內戰：梅西迎戰姆巴佩

在這場比賽中，梅西依然是阿根廷能否走向勝利的關鍵。

本賽季歐冠前五名聯賽中，沒人比梅西更具威脅，在非點球情況下，平均每90分鐘，他就有1.2次預期進球。

他在本屆比賽中有5個進球和3次助攻，包括上次對陣克羅地亞時為阿爾瓦雷斯的漂亮助攻。

至此，這位35歲的老將在他世界杯生涯中的進球數，已經達到了破紀錄的19個。

在本屆世界杯上，梅西參與了阿根廷的43次開場射門，是除德保羅（26 次）之外其他球員的兩倍多。貢獻相當的，只有姆巴佩。

在決賽中，梅西很可能會再進一球，而這也會讓他成為有史以來第一個在單屆世界杯每輪比賽中都進球的球員。

根據AI的預測，梅西會利用埃爾南德斯留下的空檔，然后和阿爾瓦雷斯配合穿插，突破瓦拉內和科納泰兩人的防守。

作為梅西在巴黎圣日耳曼的隊友，法國隊的姆巴佩的實力不容小覷。

畢竟，他已經拿過一次世界杯冠軍了。

由于姆巴佩在此前對陣克羅地亞的決賽中取得了一粒進球，如果這次能夠再進一球，那么他將以23歲的年紀，成為在多場決賽中取得進球的最年輕的球員。

與此同時，姆巴佩和格列茲曼，都有機會成為第五個在兩次決賽中進球的人，以及第二個（繼1958年和1962年的瓦瓦之后）連續兩次進球的人。

體育分析進入AI時代

在過去的十年里，得益于跟蹤數據，體育界的人工智能革命主要集中在三個關鍵領域：

• 使用計算機視覺或可穿戴設備收集更深入的數據
• 利用跟蹤數據進行更深入的類型分析
• 進行更深入的預測，以獲得更好的預測結果

比如在這屆世界杯上，我們就可以利用AI分析出球員在面對壓力時是如何控球的，同時還可以動態地為整場比賽中離球最近的三名對手球員分配壓力水平，然后確定控球球員的整體壓力水平。

以梅西為例，他在持球時受到了259次高壓——比其他任何球員都多45次，而他每90分鐘40.9次的平均得分，高于任何至少出場300分鐘的球員本次比賽的分鐘數。

Stats Perform的AI預測模型基于世界上最豐富的體育數據庫，可以用來評估數以千計的數據點，以及跨越幾十年歷史的賽季和比賽記錄。模型通過各種數據輸入進行調整和轉換：

• 比賽地點和條件

是否占據主場優勢、是常規賽還是季后賽、比賽是一天中的什么時間進行

• 球隊的具體數據

球隊的優勢和劣勢、歷史對陣表現、最近的對陣表現

• 球員的具體數據

球員的優勢和劣勢，歷史和近期的對陣表現

• 比賽情況

當前比分、剩余時間、是常規時間還是加時賽

數據收集

收集數據的主要目的是為了在賽后進行數字化的復現，因此，我們需要知道發生了什么（即最終結果是什么），它是如何發生的（即描述導致該結果的事件）以及它是如何完成的（即事件的執行情況如何）。

使用高水平的box-score統計可以很好地總結一場90分鐘的足球比賽，例如各隊的射門次數，控球率分布，哪支球隊有更多的角球，犯規更多等等。

事件數據，則提供了比賽期間關鍵時刻的額外背景信息，有著比box-score更多的細節。

同樣，比賽的空間數據（即球員的空間位置）可以提供比賽中一些關鍵事件的視覺重建，例如一個特定的進球是如何被打進的。雖然這與觀看視頻不一樣，但它是真實世界比賽的快速數字化視圖，可以在幾秒鐘內重建。

追蹤數據是目前在體育領域捕獲的最詳細的數據。

AI可以通過觀看大量的視頻錄像來獲取比賽中各個隊員和足球的數據，從而將他們的位置映射到到虛擬的球場之中。為此，負責的CV模型需要進行以下三個步驟：

• 將視頻中的像素轉換成代表球員和球的運動軌跡的點，以便進行可視化。
• 點在一定時間內的運動軌跡可以被映射到運動中的語義事件（如射門）。
• 從確定的事件中，可以得出預期指標，以解釋球員在某一特定事件中的執行情況（即預期進球）。

數據分析

不過，剛才的這些數據并不能直接用于比賽分析。

一方面球隊的策略和陣型是隱藏在那些數據點之中的；另一方面，由于球員在球場上的位置在不斷變換，跟蹤數據充滿了噪音。

于是，團隊開發出了一種可以更好地可視化和解釋跟蹤數據的方式——「平均陣型」。

由此，就能分析球隊在進攻或防守時的結構如何演變，或者在不同的背景、情況或陣型如何比較了。

在比賽進行中，AI還可以在球場圖上用點表示的現場比賽的同時，顯示平均比賽動作。

簡單來說就是，用藍色顯示主隊，用紅色顯示客隊，用白色顯示「第三隊」，從而展示其他球隊通常會如何處理同樣的情況。

此外，教練還可以輸入自己希望嘗試的戰術，然后讓AI模擬相應的執行結果。

寫在最后

諸神的黃昏，我們都是舊時代的殘黨。

再過三十多個小時，我們就將迎來阿根廷和法國的巔峰之戰。

有人說：卡塔爾世界杯后再無梅西，這一次，就是末代球王的絕唱。他會如愿以償地捧起大力神杯嗎？

法國隊又是否能再次衛冕？

現在，法阿大戰氣氛到位了，讓我們拭目以待！