Megjósolhatja-e a mesterséges intelligencia a focimeccseket?

Sokan feltették már maguknak, és szakértőknek a kérdést, hogy lehetséges-e a mesterséges intelligencia alkalmazása a gépi tanulási technikák segítségével a futballmérkőzések eredményének előrejelzésére? A következőkben megnézzük, hogy milyen eredmények születtek a témában.

Hogy röviden leírjam a folyamatot, azzal kezdtem, hogy annyi adatot gyűjtöttem össze, amennyit csak tudtam. Az első és legfontosabb lépés természetesen az, hogy adatokat gyűjtsünk, amit felhasználhat a mesterséges intelligencia a tanuláshoz és elemzéshez.

A régi mérkőzésekre vonatkozó adatokat kell kibányászni mindenféle forrásból és API-ból, amit csak találunk. Néhány fontosabb forrás például a Football-data, az Everysport és a Betfair volt. A régi meccsek összes adatát számszerűsítve és egy adatbázisba helyezve kell elérhetővé tenni. Végül az adatokat egy gépi tanulási modell betanítására használhatjuk, amely segítségével megjósolhatók a következő mérkőzések.

A gépi tanulási modell teljesítményének mérése

Nos, a futballmeccsek természete természetesen az, hogy kiszámíthatatlanok. Valójában ezért is szeretjük a játékot. De vannak, akik egy szinttel magasabbra teszik a lécet, hogy egy gépi tanulási technika alkalmazásával jobban megjósolják a meccseket, mint a saját tudásunk, elemzésük alapján tennék. A legtöbb ember inkább az érzelmekre, mint a tényekre alapozza a jóslatokat. Ezt nevezik általában “zsigerből” tett fogadásnak.

Az első kérdés, amire a gépi tanulást felhasználóknak meg kellett válaszolnia az, az volt, hogyan mérjék, hogy a gépi tanulási modell sikeres volt-e vagy sem. Hamar rájöttek, hogy a helyesen megtippelt játékok tényleges százalékos arányának mérése nem mond túl sokat, ha nincs valami mással összefüggésbe helyezve. A legjobb dolog, amivel a modellt kapcsolatba lehet hozni, az, hogy mások mit gondolnak. Ezt a legegyszerűbben a piac által szabályozott esélyekkel lehet felmérni. Így elkezdhetjük összehasonlítani, hogy a modell hogyan teljesítene, ha a Betfairen fogadna, mivel ennek a bukmékernek az oddsai az emberek egymás elleni fogadásaikra vannak szabályozva. Ezáltal az oddsok azt tükrözik, amit a "piac" előre jelez.

A gépi tanulási modell idővel helyesebben jósol? Az egyik első dolog, amit vizsgálni kellett, az volt, hogy javulhat-e a jóslatok eredménye az idő múlásával, ahogy a modellnek egyre több adatot kell megtanulnia. Egy már majdnem 30 000 játékból álló adatbázissal sem javulnak az adatok. Még ha minden rögzített mérkőzés tartalmaz adatokat az időjárástól kezdve a csapatok közötti távolságokon és a hazai pályákon át a lövésekig és szögletekig. Tekintettel ezekre az adatokra, és arra a tényre, hogy a modell képes volt "tanulni" az idő múlásával, még mindig nem javult a jóslat. Ebből látható, hogy a gépi tanulás csak egy bizonyos határig vezet a kiszámíthatatlan dolgok előrejelzésében.

Általánosítás

Az is látható, hogy a gépi tanulás ereje sok tekintetben abban rejlik, hogy képes elfogulatlan általánosításokat tenni. Vajon a modell képes-e megjósolni, mikor szakad meg a győzelmi vagy vesztes széria? Ha például meg tudná jósolni, hogy a Barcelona mikor fog végül kikapni 10 zsinórban megnyert meccs után? Ha a modell találna olyan apró jeleket, amelyek valamiféle anomáliára utalnának. Nos, kiderült, hogy ebben sem olyan jó.

Ehelyett azt találták a programozók, hogy nagyon jó volt a mesterséges intelligencia a túlértékelt csapatok elleni fogadásokban. Az elmúlt szezonban például azt látták, hogy a modell elég gyakran jósolt eredményeket a Dortmund ellen, miközben a piac mást jósolt. A Dortmund végül rossz szezont futott, így a modell itt igazán sikeres volt a piachoz képest. Hasonló eredmény született olyan csapatok esetében is, mint a Liverpool és a Chelsea. A tanulság tehát az, hogy egyesek hajlamosak érzelmek alapján dönteni. A Liverpool és a Dortmund olyan csapatok, amelyeket sokan kedvelnek, és időnként az ember az agya helyett a szívével jósol. A gépi tanulási modell nem így tesz.

Ezekből látható, hogy a mesterséges intelligencia és a gépi tanulás még nem fogja átvenni az emberi tényező és a bukmékerek szerepét a sportfogadásokban és a fogadási piacok alakításában. Azonban segíthet érdekes, mások által érzelmi alapon hozott fogadások helyett profitálóbb döntéseket hozni.