1950年3月，皇家空军的一名机长和训练有素的会计师查尔斯，里普转向足球事业，一次在史云顿镇和布里斯托尔市之间单打的三分区半场比赛中，里普看到无数次进攻都没有起色，于是抓起一个笔记本和一支铅笔，开始疯狂地记下球场上发生的一切：他开始计算球员带球时间和射门次数，这是使用数据分析足球的第一种系统性尝试。

　　七十年后，数据革命已经深入到俱乐部粉丝数据和运营支出，高层团队直接从大学选拔统计博士学位的学生来寻求优势。比如，捍卫英超联赛冠军的利物浦已经与DeepMind联手探索足球世界中人工智能的使用，这两个组织的研究人员甚至在《人工智能研究杂志》上发表了一篇论文，概述了一些潜在的应用。
　　DeepMind的创始人狄米丝，哈萨比是利物浦一生的忠实粉丝，并且是这项研究的顾问，他研究AI在哪里可以帮助足球运动员和教练，利物浦还为DeepMind提供了俱乐部从2017年到2019年进行的每场英超联赛比赛的数据。
　　近年来，通过使用传感器、GPS跟踪器和计算机视觉算法来跟踪球员和球的运动，足球中可用的数据量激增。对于足球队来说，人工智能提供了一些教练无法做到的模式。對于DeepMind研究人员而言，足球为他们提供了一个受限但极具挑战性的环境，以便他们对算法进行路测。足球这样的游戏与国际象棋或围棋不同，它具有内在的不确定性，因为它是在现实世界中的运动，并且有一十多名活生生的运动员参与其中。
　　不过这并不意味着机器无法做出预测，相反，这正是AI特别有用的地方。AI可以帮助俱乐部研究有关特定球队和阵容数据上的训练模拟，以预测其球员在特定情况下的反应：如果你在对阵曼城的右侧通道中敲了一个长球，例如，凯尔，沃克会朝特定方向运行，而约翰，斯通斯可能会做其他事情。
　　这被称为“重影”，因为替代轨迹覆盖在实际发生的事情上（例如在视频游戏中），并且具有一系列不同的应用程序。例如，它可以用于预测战术变更的含义或在关键球员受伤后对手如何打球。
　　研究人员还对过去几个赛季在欧洲进行的12000次罚点球进行了分析，根据球员的打法将球员分为几类，然后根据这些信息做出预测可能会受到处罚，以及他们是否有可能得分。例如，前腰球员比中场球员更有可能瞄准左下角，后者采用的是更加平衡的方法。其他模拟也许可以对反事实进行分类，以估算特定动作（如传球或错失铲球）对一个目标的贡献程度。他们可以在赛后分析，并向球员展示为什么他们应该在特定情况下让球而不是射门。经过训练的球员表现数据（力量和健身）模拟可以比人类教练更好地跟踪疲劳度，并在受伤之前让他们下场。
　　接受过视频游戏训练的AI通过打破游戏规则或无视物理定律而获得成功，像足球教练何塞，穆里尼奥一样，接受过足球数据训练的AI可能会决定，实际上获得好成绩的最佳方法是让对手保持控球状态并等待他们犯错。
　　因此重要的是，AI模拟的发现必须由专家进行调解，以坊止AI系统的错误推理。AI不会取代足球经理，但其影响可能会在未来十年内感受到。研究人员说：“目的是拥有一个无缝系统，与场上的人类球员很好地融合在一起，并促进他们的工作。我们不会在接下来的六个月或一年中看到巨大的影响，但是在未来五年中，某些工具将得到进一步开发，并且您可能会看到类似自动视频助理教练的功能，帮助进行赛前和赛后分析，或者查看比赛的上半场，并为您提供下半场可能发生的变化的建议。”