Οι προβλέψεις αγώνων «με τεχνητή νοημοσύνη» πληθαίνουν και είναι εύκολο να μπερδευτεί κανείς: τι υπολογίζει ακριβώς ένα μοντέλο, με ποια δεδομένα και πόσο μπορούμε να το εμπιστευτούμε; Το άρθρο εξηγεί απλά πώς προσεγγίζει η τεχνητή νοημοσύνη έναν ποδοσφαιρικό αγώνα, τι μπορεί να προσφέρει και, κυρίως, τι δεν μπορεί να κάνει.
Τι κάνει στην πράξη η τεχνητή νοημοσύνη σε έναν αγώνα
Η τεχνητή νοημοσύνη δεν «μαντεύει» ένα σκορ. Ένα στατιστικό μοντέλο ή μοντέλο μηχανικής μάθησης (machine learning) συγκρίνει την κατάσταση ενός αγώνα με πολλούς παλαιότερους αγώνες και βγάζει εκτιμήσεις: πιθανότητα νίκης κάθε ομάδας, πιθανότητα ισοπαλίας, αναμενόμενα γκολ. Το αποτέλεσμα είναι μια κατανομή πιθανών σεναρίων, όχι βεβαιότητα.
Τα δεδομένα πίσω από μια πρόβλεψη
Οι μεταβλητές διαφέρουν από μοντέλο σε μοντέλο, αλλά συνήθως εμφανίζονται οι ίδιες κατηγορίες πληροφοριών:
- τα πρόσφατα αποτελέσματα και η φόρμα της ομάδας: νίκες, ισοπαλίες, ήττες, τέρματα υπέρ και κατά·
- η βαθμολογία και η διαφορά επιπέδου ανάμεσα στις δύο ομάδες·
- το γήπεδο: το να παίζεις εντός ή εκτός έδρας συχνά αλλάζει την εικόνα του αγώνα·
- οι απουσίες και οι τιμωρίες που είναι γνωστές πριν από τον αγώνα·
- το πρόγραμμα: διαδοχή αγώνων, ανάπαυση, πιθανή κόπωση·
- ο διαιτητής, όταν υπάρχουν στοιχεία για τις τάσεις του.
Ένα δεδομένο έχει αξία μόνο αν έχει ημερομηνία και μπορεί να επαληθευτεί. Μια απουσία που ανακοινώθηκε την προηγούμενη μέρα δεν ζυγίζει όσο μια που επιβεβαιώθηκε στο ζέσταμα: η φρεσκάδα της πληροφορίας μετράει όσο και η ποσότητά της.
Πώς διαβάζουμε σωστά μια πιθανότητα
Ας πάρουμε ένα καθαρά ενδεικτικό παράδειγμα: αν ένα μοντέλο εκτιμά στο 60% την πιθανότητα νίκης μιας ομάδας, αυτό δεν σημαίνει ότι θα κερδίσει. Σημαίνει ότι, σε μεγάλο αριθμό συγκρίσιμων αγώνων, αναμένονται περίπου έξι νίκες στις δέκα και άρα τέσσερις αγώνες που θα εξελιχθούν διαφορετικά (ισοπαλία ή ήττα). Μια υψηλή πιθανότητα δεν είναι ποτέ εγγύηση και ένα απροσδόκητο αποτέλεσμα από μόνο του δεν αποδεικνύει ότι το μοντέλο έκανε λάθος: η ποιότητα μιας πρόβλεψης κρίνεται σε πολλούς αγώνες.
Τι μπορεί να κάνει η τεχνητή νοημοσύνη
- Να επεξεργάζεται γρήγορα πολλούς αγώνες και να εφαρμόζει τα ίδια κριτήρια σε όλους, χωρίς αγαπημένη ομάδα.
- Να ποσοτικοποιεί την αβεβαιότητα: να εκφράζει την πρόβλεψη σε πιθανότητες και όχι ως ετυμηγορία.
- Να εντοπίζει τάσεις που δύσκολα φαίνονται με γυμνό μάτι σε μεγάλες σειρές αγώνων.
- Να ενημερώνεται όταν αλλάζει μια σημαντική πληροφορία, όπως η επίσημη σύνθεση.
Τι δεν μπορεί να κάνει η τεχνητή νοημοσύνη
- Να προβλέψει το απρόβλεπτο: μια κόκκινη κάρτα, ένας τραυματισμός εν ώρα αγώνα, ένα διαιτητικό λάθος ή μια ατομική ιδιοφυΐα αλλάζουν έναν αγώνα και κανένα μοντέλο δεν τα γνωρίζει εκ των προτέρων.
- Να μετρήσει ό,τι δεν μετριέται: το κλίμα στα αποδυτήρια, μια εσωτερική ένταση ή η πραγματική ψυχολογία ενός παίκτη δεν υπάρχουν σε καμία αξιόπιστη βάση δεδομένων.
- Να διορθώσει λανθασμένα δεδομένα: μια λανθασμένη λίστα παικτών ή ένα αποτέλεσμα που καταχωρίστηκε λάθος παραμορφώνει την εκτίμηση.
- Να εγγυηθεί αποτέλεσμα: κάθε πρόβλεψη που υπόσχεται βεβαιότητα ή τέλεια ακρίβεια πρέπει να σας προβληματίζει.
Πέντε ερωτήσεις για να κρίνετε την πρόβλεψη ενός αγώνα
- Πότε έγινε και διεξάγεται πράγματι ο αγώνας την ημερομηνία που αναφέρεται;
- Σε ποια δεδομένα βασίζεται και από πού προέρχονται;
- Εκφράζεται σε πιθανότητες ή υπόσχεται βεβαιότητα;
- Εξηγούνται τα όρια του μοντέλου;
- Ενημερώνεται όταν ανακοινώνεται η επίσημη ενδεκάδα ή μια απουσία;
Μια έντιμη πρόβλεψη απαντά σε αυτές τις ερωτήσεις. Εκείνη που τις αποφεύγει ή στηρίζεται σε αριθμούς που δεν ελέγχονται, αξίζει επιφύλαξη.
Το συμπέρασμα
Η τεχνητή νοημοσύνη είναι εργαλείο ανάλυσης: βοηθά να οργανώσουμε την πληροφορία, να συγκρίνουμε καταστάσεις και να εκφράσουμε την αβεβαιότητα. Δεν καταργεί την τύχη και το απρόοπτο που κάνουν το ποδόσφαιρο αυτό που είναι. Διαβασμένη σωστά, μια πρόβλεψη είναι αφετηρία για να κατανοήσουμε έναν αγώνα, όχι συμπέρασμα.
Το Prediction AI είναι πλατφόρμα προγνωστικής αθλητικής ανάλυσης με τεχνητή νοημοσύνη. Για να γνωρίσετε τις αναλύσεις ποδοσφαιρικών αγώνων, δείτε τις προσφορές.