Η μέθοδος του Prediction AI: πώς παράγεται η ανάλυση ενός αγώνα, με πλήρη διαφάνεια

Intelligence artificielle et tableau de bord de données football

Με μία πρόταση

Για κάθε αγώνα που ζητείται, το Prediction AI αναζητά πρώτα στο διαδίκτυο πρόσφατα στοιχεία για τις δύο ομάδες και έπειτα ζητά από ένα μοντέλο τεχνητής νοημοσύνης να εκτιμήσει πιθανότητες βάσει αυτών των στοιχείων. Το αποτέλεσμα είναι μια εκτίμηση, με τις υποθέσεις και τις πηγές της, ποτέ βεβαιότητα.

Βήμα 1: η καταχώριση

Ο χρήστης δηλώνει δύο ομάδες (τη γηπεδούχο και τη φιλοξενούμενη), προαιρετικά την ημερομηνία του αγώνα, και επιλέγει γλώσσα. Αν ο πραγματικός αγώνας είναι αντίστροφος από όσα δηλώθηκαν (η ομάδα που δηλώθηκε ως γηπεδούχος παίζει στην πραγματικότητα εκτός έδρας), η αναζήτηση το εντοπίζει και η ανάλυση διορθώνεται ανάλογα.

Βήμα 2: η αναζήτηση στοιχείων στο διαδίκτυο

Ένα μοντέλο ΤΝ με πρόσβαση στο διαδίκτυο (η υπηρεσία Perplexity, με ρυθμιζόμενο μοντέλο) εκτελεί παράλληλα πολλές αναζητήσεις, με οδηγία να μην επινοεί τίποτα και να αφήνει κενό ό,τι δεν βρίσκει:

Ο ίδιος ο αγώνας: διοργάνωση, ημερομηνία, ώρα, γήπεδο και ποια ομάδα παίζει πράγματι εντός έδρας.
Κάθε ομάδα: οι πέντε τελευταίοι επίσημοι αγώνες που έχει παίξει με το ακριβές σκορ, η θέση της στη βαθμολογία και οι απουσίες της (τραυματισμοί, τιμωρίες).
Οι αναμετρήσεις μεταξύ τους: έως οι πέντε τελευταίες, μαζί με λίγα στοιχεία πλαισίου (διακύβευμα, πρόγραμμα).
Οι βασικοί παίκτες: για κάθε ομάδα, οι κορυφαίοι σκόρερ και ασίστερ της σεζόν και η διαθεσιμότητά τους.
Ο διαιτητής: αναζητείται όταν εντοπιστεί ο πραγματικός αγώνας και μόνο αν η αναμέτρηση είναι κοντά, επειδή ο διαιτητής ανακοινώνεται λίγες μέρες πριν. Αν έχει οριστεί, αναζητούνται οι μέσοι όροι κίτρινων καρτών, κόκκινων καρτών και πέναλτι ανά αγώνα.

Βήμα 3: οι υπολογισμοί του προγράμματος

Ένα μέρος των δεικτών δεν το εκτιμά η ΤΝ αλλά υπολογίζεται από τα σκορ που βρέθηκαν: η σειρά αποτελεσμάτων των πέντε τελευταίων αγώνων (νίκη, ισοπαλία, ήττα), οι μέσοι όροι γκολ υπέρ και κατά, ο αριθμός αγώνων χωρίς γκολ κατά και ο αριθμός αγώνων όπου σκόραραν και οι δύο ομάδες.

Βήμα 4: η εκτίμηση από το μοντέλο ΤΝ

Το μοντέλο λαμβάνει έναν φάκελο στοιχείων (αποτελέσματα, βαθμολογία, απουσίες, αναμετρήσεις, βασικοί παίκτες, διαιτητής) και μπορεί να τον συμπληρώσει με αναζήτηση αν λείπει πρόσφατη πληροφορία. Παράγει:

πιθανότητες: νίκη γηπεδούχου, ισοπαλία, νίκη φιλοξενούμενου (άθροισμα 100%), πάνω ή κάτω από 2,5 γκολ, σκοράρουν και οι δύο ομάδες και το πιθανότερο σκορ·
μια ανάγνωση του αγώνα: φόρμα, βασικοί παράγοντες, κίνδυνοι και υποθέσεις που έγιναν·
τρεις προβλέψεις με διαφορετικά επίπεδα εμπιστοσύνης: μια «συντηρητική» πρόβλεψη (πιθανότητα τουλάχιστον 70%), μια «κύρια» (μεταξύ 50% και 70%) και μια «τολμηρή» (μεταξύ 25% και 50%). Η πιθανότητά τους πρέπει να προκύπτει από τις εκτιμώμενες πιθανότητες: ένα συνδυαστικό σενάριο είναι πάντα λιγότερο πιθανό από καθένα από τα μέρη του·
δύο έως τέσσερις πιθανούς σκόρερ ανάμεσα στους διαθέσιμους παίκτες, με πιθανότητα και αιτιολόγηση·
την πιθανότητα για πάνω από 4,5 κάρτες στον αγώνα, με βάση τους μέσους όρους του διαιτητή όταν είναι γνωστοί·
έναν δείκτη ποιότητας δεδομένων (υψηλή, μέτρια ή χαμηλή), που το μοντέλο αποδίδει ανάλογα με το πόσο καλά τεκμηριωμένες είναι η φόρμα και οι απουσίες.

Το μοντέλο λαμβάνει ασφαλιστικές δικλίδες: πλεονέκτημα έδρας περίπου 8 έως 12 μονάδων, όχι περισσότερο από 75% σε αποτέλεσμα 1X2 εκτός αν η διαφορά επιπέδου είναι πολύ μεγάλη, και χαμηλή «θερμοκρασία» παραγωγής για να περιοριστεί η μεταβλητότητα. Ένας έλεγχος επιβεβαιώνει ότι η «τολμηρή» πρόβλεψη είναι πράγματι τολμηρή· αν όχι, γίνεται μία μόνο επανάληψη για να αντικατασταθεί.

Βήμα 5: η εμφάνιση

Η ανάλυση εμφανίζεται με τα στοιχεία που χρησιμοποιήθηκαν, τις υποθέσεις και τους ιστότοπους που συμβουλεύτηκε η αναζήτηση (αναγράφεται το όνομα τομέα τους). Οι τελευταίες αναλύσεις αποθηκεύονται στη συσκευή του χρήστη ώστε να μπορεί να τις ξαναδεί. Τα εμβλήματα των ομάδων προέρχονται από ξεχωριστή δημόσια βάση και χρησιμεύουν μόνο στην εμφάνιση.

Τα όρια, χωρίς περιστροφές

Δεδομένα από αναζητήσεις στο διαδίκτυο. Μπορεί να είναι ελλιπή, παρωχημένα ή λανθασμένα, και η ποιότητά τους εξαρτάται από τους ιστότοπους που συμβουλεύτηκε η αναζήτηση. Το εργαλείο δεν στηρίζεται σε βάση δεδομένων με σουτ ή αναμενόμενα γκολ (xG).
Εκτίμηση μοντέλου ΤΝ, όχι επικυρωμένο στατιστικό μοντέλο. Οι πιθανότητες παράγονται από γλωσσικό μοντέλο που ακολουθεί οδηγίες, όχι από μοντέλο προσαρμοσμένο και ελεγμένο σε ιστορικό αγώνων.
Καμία δημοσιευμένη βαθμονόμηση. Δεν δημοσιεύουμε καμία μέτρηση της ποιότητας των πιθανοτήτων στον χρόνο. Άρα δεν μπορούμε να ισχυριστούμε ότι είναι βαθμονομημένες και δεν ανακοινώνουμε κανένα ποσοστό επιτυχίας.
Αριθμοί ακόμη και όταν τα στοιχεία είναι μερικά. Το εργαλείο είναι σχεδιασμένο να δίνει πάντα εκτίμηση· ο δείκτης ποιότητας δεδομένων και η λίστα υποθέσεων δείχνουν ότι το αποτέλεσμα είναι εύθραυστο.
Αποτέλεσμα που μπορεί να διαφέρει. Δύο αιτήματα για τον ίδιο αγώνα μπορεί να δώσουν ελαφρώς διαφορετικούς αριθμούς, και η ανάλυση αντικατοπτρίζει την πληροφόρηση τη στιγμή του αιτήματος (συμπεριλαμβανομένων των αλλαγών της τελευταίας στιγμής σε ενδεκάδες και απουσίες).
Εντοπισμός του αγώνα μέσω αναζήτησης. Ελέγχετε πάντα την ημερομηνία, τη διοργάνωση και τις ομάδες που εμφανίζονται.
Απρόβλεπτα γεγονότα (πρώιμος τραυματισμός, κόκκινη κάρτα, διαιτητικό λάθος) δεν μπορούν να προβλεφθούν.

Πώς να διαβάζετε το αποτέλεσμα

Δείτε την ημερομηνία της ανάλυσης, τις πηγές και τον δείκτη ποιότητας δεδομένων. Συγκρίνετε τις πιθανότητες μεταξύ τους αντί να προσηλώνεστε σε έναν αριθμό. Πιθανότητα 60% σημαίνει ότι σε περίπου τέσσερις στις δέκα περιπτώσεις το σενάριο δεν πραγματοποιείται. Οι οδηγοί μας για την ανάγνωση μιας πιθανότητας 1X2 και για τα αναμενόμενα γκολ εξηγούν αυτές τις έννοιες αναλυτικότερα.

Σχετικά με το Prediction AI

Το Prediction AI είναι μια πλατφόρμα προγνωστικής αθλητικής ανάλυσης με τεχνητή νοημοσύνη: για έναν ποδοσφαιρικό αγώνα παρουσιάζει εκτιμώμενες πιθανότητες μαζί με τα στοιχεία που τις στηρίζουν και τα όριά τους. Δείτε τις προσφορές του Prediction AI. Μια εκτίμηση παραμένει εκτίμηση, ποτέ βεβαιότητα.