Il metodo di Prediction AI: come nasce l'analisi di una partita, in piena trasparenza

Intelligence artificielle et tableau de bord de données football

In una frase

Per ogni partita richiesta, Prediction AI fa prima cercare sul web fatti recenti sulle due squadre, poi chiede a un modello di intelligenza artificiale di stimare le probabilità a partire da quei fatti. Il risultato è una stima, accompagnata dalle sue ipotesi e dalle sue fonti, mai una certezza.

Passaggio 1: l'inserimento

L'utente indica due squadre (quella di casa e quella ospite), facoltativamente la data della partita, e sceglie la lingua. Se la partita reale è invertita rispetto a quanto inserito (la squadra indicata in casa gioca in realtà in trasferta), la ricerca lo rileva e l'analisi viene corretta di conseguenza.

Passaggio 2: la ricerca dei fatti sul web

Un modello di IA con accesso al web (il servizio Perplexity, con un modello configurabile) esegue più ricerche in parallelo, con l'istruzione di non inventare nulla e di lasciare vuoto ciò che non si trova:

La partita in sé: competizione, data, orario, stadio e quale squadra gioca davvero in casa.
Ogni squadra: le ultime cinque partite ufficiali giocate con il punteggio esatto, la posizione in classifica e le assenze (infortuni, squalifiche).
Gli scontri diretti: fino agli ultimi cinque, più alcuni elementi di contesto (posta in gioco, calendario).
I giocatori chiave: per ciascuna squadra, i migliori marcatori e assistman della stagione e la loro disponibilità.
L'arbitro: cercato una volta identificata la partita reale, e solo se l'incontro è vicino, perché l'arbitro viene annunciato pochi giorni prima. Se è stato designato, si cercano le sue medie di cartellini gialli, rossi e rigori per partita.

Passaggio 3: i calcoli eseguiti dal programma

Una parte degli indicatori non è stimata dall'IA ma calcolata a partire dai punteggi trovati: la serie dei risultati delle ultime cinque partite (vittoria, pareggio, sconfitta), le medie di gol fatti e subiti, il numero di partite senza subire gol e il numero di partite in cui hanno segnato entrambe le squadre.

Passaggio 4: la stima del modello di IA

Il modello riceve un dossier di fatti (risultati, classifica, assenze, scontri diretti, giocatori chiave, arbitro) e può integrarlo con una ricerca se manca un'informazione recente. Produce:

probabilità: vittoria in casa, pareggio, vittoria in trasferta (somma 100%), sopra o sotto 2,5 gol, entrambe le squadre segnano e il risultato più probabile;
una lettura della partita: forma, fattori chiave, rischi e ipotesi adottate;
tre previsioni con livelli di fiducia diversi: una previsione «prudente» (probabilità di almeno il 70%), una «principale» (tra il 50 e il 70%) e una «rischiosa» (tra il 25 e il 50%). La loro probabilità deve derivare dalle probabilità stimate: uno scenario combinato è sempre meno probabile di ciascuna delle sue parti;
da due a quattro marcatori probabili tra i giocatori disponibili, con una probabilità e una motivazione;
la probabilità di più di 4,5 cartellini nella partita, basandosi sulle medie dell'arbitro se note;
un indicatore di qualità dei dati (alta, media o bassa), che il modello assegna in base a quanto siano ben documentate forma e assenze.

Il modello riceve alcune salvaguardie: un fattore campo di circa 8-12 punti, non più del 75% su un esito 1X2 salvo divario di livello molto ampio, e una temperatura di generazione bassa per limitare la variabilità. Un controllo verifica che la previsione «rischiosa» lo sia davvero; altrimenti viene fatta una sola ripetizione per sostituirla.

Passaggio 5: la visualizzazione

L'analisi appare con i fatti utilizzati, le ipotesi e i siti consultati dalla ricerca web (ne è indicato il nome di dominio). Le ultime analisi vengono conservate sul dispositivo dell'utente per poterle rileggere. Gli stemmi delle squadre provengono da una banca dati pubblica distinta e servono solo alla visualizzazione.

I limiti, senza giri di parole

Dati provenienti da ricerche web. Possono essere incompleti, datati o errati, e la loro qualità dipende dai siti consultati. Lo strumento non si basa su un database di tiri o di gol attesi (xG).
Una stima di un modello di IA, non un modello statistico validato. Le probabilità sono prodotte da un modello linguistico che segue istruzioni, non da un modello calibrato e testato su uno storico di partite.
Nessuna calibrazione pubblicata. Non pubblichiamo alcuna misura della qualità delle probabilità nel tempo. Non possiamo quindi affermare che siano calibrate e non comunichiamo alcun tasso di successo.
Numeri anche quando i fatti sono parziali. Lo strumento è pensato per fornire sempre una stima; sono l'indicatore di qualità dei dati e l'elenco delle ipotesi a segnalare che il risultato è fragile.
Un risultato che può variare. Due richieste per la stessa partita possono dare numeri leggermente diversi, e un'analisi riflette le informazioni disponibili al momento della richiesta (comprese formazioni e assenze dell'ultimo minuto).
Un'identificazione della partita basata sulla ricerca. Verifica sempre data, competizione e squadre mostrate.
Gli imprevisti (un infortunio precoce, un'espulsione, un errore arbitrale) non si possono anticipare.

Come leggere il risultato

Consulta la data dell'analisi, le fonti e l'indicatore di qualità dei dati. Confronta le probabilità tra loro invece di fissarti su un solo numero. Una probabilità del 60% significa che in circa quattro casi su dieci lo scenario non si verifica. Le nostre guide su come leggere una probabilità 1X2 e sui gol attesi spiegano meglio questi concetti.

Su Prediction AI

Prediction AI è una piattaforma di analisi sportiva predittiva basata sull'IA: per una partita di calcio presenta probabilità stimate insieme ai fatti che le sostengono e ai loro limiti. Scopri le offerte di Prediction AI. Una stima resta una stima, mai una certezza.