不擅长体育策略？可以学习游戏智能

关于游戏智能的新理论可以永远改变团队运动的世界。根据文章“团队运动中的游戏智能”的作者，游戏情报不一定是你天生就有的东西，而是你可以学到的东西。共同作者和前NHL球员NicklasLidström体现了证据。

通过使用数学统计，个人运动员和团队可以学习在比赛期间优先考虑改变结果。他们可以计算出在特定情况下如何行动，从而改善他们的结果 - 无论他们的身体能力如何。根据查尔姆斯理工大学和哥德堡大学完成的研究。今天，文章“团队运动中的游戏智能”发表在科学期刊PLOS ONE上。

作家Carl Lindberg和Jan Lennartsson--前Chalmers的兼职教授 - 在比赛期间仔细研究了前NHL球员NicklasLidström的动作，试图在团体运动中开发游戏智能的数学理论 - 在这种情况下冰球。他们理论的核心思想是任何比赛情况都应该通过其潜力进行评估，即自己球队得分下一个进球的概率减去对手将获得下一个进球的概率，从而最大限度地减少对手的最佳选择。

他们用他们的发现接近Lidström，结果发现他对如何最好地发挥游戏的想法与他们的理论一致。

游戏智能通过数学统计

Lidström--也许是冰球世界见过的最伟大的防守球员 - 长期以来一直被认为具有“额外的东西”，这使得他与其他人相比更加突出。像他这样优秀的球员经常因为他们在比赛中的表现而受到称赞。然而，在他们的文章“团队运动中的游戏智能”中，Lindberg和Lennartsson试图表明，不仅仅是让Lidström变得更好的基因 - 而是统计数据。活冰球传奇人士对此表示赞同。

Lidström证实，作为一名积极的球员，他总是试图定位自己，所以赔率对他有利。他一直在分析游戏中发生的情况，学习何时运球，何时进行比赛以及何时进场。

在正确的地方做正确的事情

该文章声称已经找到了一种方法来计算游戏中玩家的某些动作是否会结果。当卡尔·林德伯格开始在一支经验丰富的冰球队打防守时，这个想法就出现了。为了成为更好的球员，他应该如何思考?他能否以某种方式将游戏知识与数学和统计学相结合，以提高他在溜冰场取得成功的机会?我们的目标是找到科学原则，以便在任何特定情况下尽可能做到最好 - 而不仅仅是“为赢得每一种情况而奋斗”。

在研究了Lidström的比赛之后，林德伯格很明显Lidström不是特别大，既不是非常强大也不是极其快速。然而，他经常被评为“最佳球员” - 因为他总是在正确的位置，做正确的事情。

动态游戏情境中的统计和博弈论

文章指出Lidström在分析如何在某些比赛情况下比赛时使用了一套原则。他不仅依靠专业知识和技能，而且还依赖于最大限度地减少对手最佳选择的知识，这使他具有统计优势。与其他球员相比，他更倾向于阻挡而不是为冰球冲球，提前传球并避免在最后一线防守时运球。

此外，在所谓的一对一的情况下，作为第一道防线，Lidström通常试图为自己创造更多的空间，因此，通过广泛地对抗对方前锋来提高他的机会。同样，在两对一的情况下，他经常依赖的防守战略与大多数其他球员的策略不同; 当大多数防守球员决定放弃非冰球前锋将注意力集中在冰球前锋时，Lidström从不让非冰球向前看不到，评估传球替补将成为对手的最佳表现。

由于大多数体育统计数据倾向于关注现在的情况，在某个时间点，“团队体育中的游戏情报”侧重于未来的事情如何完成。这篇文章背后的想法很简单 - 但结果远非如此。在动态游戏情境中对统计和博弈理论的研究是一个全新的领域 - 一个看起来对团队运动的未来充满希望的领域。