Az AI használata (talán) a márciusi őrület megnyerésére

A legtöbb ember számára bolond ügy az NCAA márciusi őrület verseny eredményeinek bármilyen fokú pontossággal történő megjósolása. Az egyetlen, 64 csapatból álló kieső bajnokság, amelyek közül az egyiknek hat sima meccset kell megnyernie, hogy bajnokok lehessenek, köztudottan kiszámíthatatlan, ismeretlen Davids szinte minden évben felborítja az örökölt Góliátokat.

Írja be a gépeket. Az utóbbi években a választásokat tájékoztató prediktív algoritmusok és adatmodellek népszerűségével nem meglepő, hogy a márciusi őrületet elsodorták az őrületben, és az AI-k rohama megdöbbentette a nagy tánc előrejelzését. Ennek tudatában, talán miközben elrettentő zárójelet bámul, felmerül a kérdés: Kérjen tanácsot egy mesterséges intelligenciáról, mielőtt kitölti a zárójelet?

A válasz, bár ki van téve annak, aki vagy, és az egyetemi kosárlabda bonyodalmainak megértése, határozott talán.

Az AI-k jobban meg tudják jósolni a bajnokságot?

Matt Osborne, az Ohio Állami Egyetem matematikus és posztdoktori kutatója szerint egy mesterséges intelligencia által generált modell háromféle módon segíthet jobban tájékoztatni a konzolt.

Ahogyan azt a Lifehacker-nek elmagyarázza, egy prediktív modell jó képet adhat arról, hogy a versenyen hol tartanak a dolgok, de egyáltalán nem tudja megjósolni a tornát. Megmagyarázza, hogy vannak bizonyos kritériumok, amelyek megerősíthetik a pontosság esélyét, ha AI-t használnak: legyőzni személyes (a sportban elburjánzott) elfogultságokat, felmérni a történelmi eredményeket és egy általános becslés a valószínűségről (amelyet a hagyományos Las Vegas-hoz hasonlít. fogadási esélyek).

További részletekben elmélyül egy e-mailben, és ezt írja:

Lehet, hogy olyan személyes elfogultságai vannak, amelyek nem lesznek jelen az adatokban. Például úgy gondolja, hogy az A csapat azért jó, mert már hallott róluk, de kiderült, hogy ebben az évben nem olyan nagyok.

A történelmi eredmények felhasználásával jobban találgathat, mint véletlenszerűen. A csapatok véletlenszerű kiválasztása alapvetően olyan, mint a negyed megfordítása, de annak esélye, hogy az A csapat legyőzi a B csapatot, általában nem 50-50. Például egy 16 mag a verseny történetében csak egyszer felforgatott 1 magot (UMBC Virginia ellen 2018-ban), így minden régióban a legjobb kutyákban ceruzázhatsz.

[Algorithms] megbecsülheti annak valószínűségét, hogy valami fog történni (hasonlóan a Vegas-i esélyekhez), ami segíthet Önnek megítélni, hogy mennyire valószínű az a mérges választás, amelyet fontolgat.

Osborne szerint az AI-eszközök általában laikus rajongók és jól tanulmányozott szakemberek számára egyaránt hasznosak. Hozzáteszi ugyanakkor, hogy a merevlemezes ventilátorok „valószínűleg (a meglévő tudásuk miatt) jobban felszereltek ahhoz, hogy megértsék az eszköz bemenetét és kimenetét, és ellenőrizzék, hogy a gép által javasoltak valóban megvalósíthatók-e.

Mennyire pontosak az AI zárójelek?

Egy mesterséges intelligencia megkérése egy főiskolai kosárlabda-bajnokság előrejelzésére kissé töményebb, mint egy elnökválasztás megjóslása. Noha ez utóbbiak szabálytalanságoknak lehetnek kitéve – ahogyan ez 2016-ban is történt -, a modellek folyamatos szavazást folytatnak, amely a szavazók megbízhatóbb cselekedetén alapul. A kosárlabda, különösen olyan körülmények között, mint a March Madness, ingatagabb.

Osborne tapasztalatai szerint „csak a legjobb zárójelek kapnak tudósítást, és mivel a torna meglehetősen véletlenszerű, az abszolút legjobb zárójelek általában nem azok, amelyeket egy adattudományi eszközzel hoztak létre.” Példaként említi a 12 éves Sam Holtz esetét, aki kitöltötte a tökéletes zárójelet az ESPN 2015-ös márciusi őrület kihívásában, és több mint 11 millió versenyzőt vert meg. Őrjítő módon Holtz nem is nézett kosárlabdát semmiféle rendszerességgel, és egyszerű sejtelmeket hajtott végre, amikor kiválasztotta győzteseit. Aztán valahogy történelmet írt, kitöltve egy tökéletes zárójelet, amely szembeszállt az óriási esélyekkel, amelyek egy üzleti professzor számításai szerint „valahol egyben, néhány kvintmilliárdban vannak”.

Soha egyetlen prediktív modell sem csinálta ezt, és nem valószínű, hogy ezt megteszi. De ez nem azt jelenti, hogy az AI által generált konzol nem lesz hasznos, ha úgy dönt, hogy versenyre indul. Útmutatókhoz Osborne javasolja Öt harmincnyolc modell (ami ingyenes) és A Sportsline modellje (amely díjjal jár).

Még az ön rendelkezésére álló modell esetén is jól kell éreznie magát az ösztön és az elfogultság mellett. Végül is a sportról beszélünk.