Metoda Prediction AI: jak powstaje analiza meczu, w pełnej przejrzystości

Intelligence artificielle et tableau de bord de données football

W jednym zdaniu

Dla każdego zamówionego meczu Prediction AI najpierw wyszukuje w sieci aktualne fakty o obu drużynach, a potem prosi model sztucznej inteligencji o oszacowanie prawdopodobieństw na ich podstawie. Wynikiem jest szacunek, podany wraz z założeniami i źródłami, nigdy pewność.

Krok 1: dane wejściowe

Użytkownik podaje dwie drużyny (gospodarzy i gości), opcjonalnie datę meczu, i wybiera język. Jeśli prawdziwy mecz jest odwrócony względem wpisanego (drużyna wskazana jako gospodarz gra w rzeczywistości na wyjeździe), wyszukiwanie to wykrywa, a analiza jest odpowiednio poprawiana.

Krok 2: wyszukiwanie faktów w sieci

Model AI z dostępem do internetu (usługa Perplexity, z konfigurowalnym modelem) wykonuje równolegle kilka wyszukiwań, z poleceniem, by niczego nie zmyślać i zostawiać puste to, czego nie da się znaleźć:

Sam mecz: rozgrywki, data, godzina, stadion i to, która drużyna naprawdę jest gospodarzem.
Każda drużyna: jej pięć ostatnich rozegranych meczów oficjalnych z dokładnym wynikiem, miejsce w tabeli oraz absencje (kontuzje, zawieszenia).
Bezpośrednie pojedynki: do pięciu ostatnich spotkań oraz kilka faktów kontekstowych (stawka, terminarz).
Kluczowi zawodnicy: w każdej drużynie najlepsi strzelcy i asystenci sezonu oraz ich dostępność.
Sędzia: wyszukiwany po zidentyfikowaniu prawdziwego meczu i tylko jeśli spotkanie jest bliskie, bo sędzia jest ogłaszany na kilka dni wcześniej. Jeśli został wyznaczony, sprawdzane są jego średnie żółtych kartek, czerwonych kartek i rzutów karnych na mecz.

Krok 3: obliczenia wykonywane przez program

Część wskaźników nie jest szacowana przez AI, lecz obliczana na podstawie znalezionych wyników: seria rezultatów z pięciu ostatnich meczów (zwycięstwo, remis, porażka), średnie goli strzelonych i straconych, liczba meczów bez straty gola oraz liczba meczów, w których strzeliły obie drużyny.

Krok 4: szacunek modelu AI

Model otrzymuje teczkę faktów (wyniki, tabela, absencje, bezpośrednie pojedynki, kluczowi zawodnicy, sędzia) i może ją uzupełnić wyszukiwaniem, jeśli brakuje świeżej informacji. Tworzy:

prawdopodobieństwa: zwycięstwo gospodarzy, remis, zwycięstwo gości (razem 100%), powyżej lub poniżej 2,5 gola, obie drużyny strzelą gola oraz najbardziej prawdopodobny wynik;
opis meczu: forma, kluczowe czynniki, ryzyka i przyjęte założenia;
trzy prognozy o różnym poziomie pewności: prognozę „ostrożną” (prawdopodobieństwo co najmniej 70%), „główną” (od 50% do 70%) i „odważną” (od 25% do 50%). Ich prawdopodobieństwo musi wynikać z oszacowanych prawdopodobieństw: scenariusz złożony jest zawsze mniej prawdopodobny niż każda z jego części;
od dwóch do czterech prawdopodobnych strzelców spośród dostępnych zawodników, z prawdopodobieństwem i uzasadnieniem;
prawdopodobieństwo więcej niż 4,5 kartki w meczu, z uwzględnieniem średnich sędziego, jeśli są znane;
wskaźnik jakości danych (wysoka, średnia lub niska), który model przyznaje zależnie od tego, jak dobrze udokumentowane są forma i absencje.

Model dostaje zabezpieczenia: atut własnego boiska rzędu 8–12 punktów, nie więcej niż 75% dla wyniku 1X2, chyba że różnica klasy jest bardzo duża, oraz niską „temperaturę” generowania, by ograniczyć zmienność. Kontrola sprawdza, czy prognoza „odważna” rzeczywiście taka jest; jeśli nie, wykonywane jest jedno ponowne zapytanie, by ją zastąpić.

Krok 5: prezentacja

Analiza pojawia się razem z użytymi faktami, założeniami i stronami, które wykorzystało wyszukiwanie (podawana jest ich nazwa domeny). Ostatnie analizy są zapisywane na urządzeniu użytkownika, aby można je było przejrzeć ponownie. Herby drużyn pochodzą z odrębnej publicznej bazy i służą wyłącznie do wyświetlania.

Ograniczenia, bez owijania

Dane z wyszukiwania w sieci. Mogą być niepełne, nieaktualne lub błędne, a ich jakość zależy od odwiedzonych stron. Narzędzie nie opiera się na bazie danych o strzałach ani oczekiwanych golach (xG).
Szacunek modelu AI, a nie zwalidowany model statystyczny. Prawdopodobieństwa tworzy model językowy wykonujący instrukcje, a nie model dopasowany i przetestowany na historii meczów.
Brak opublikowanej kalibracji. Nie publikujemy żadnej miary jakości prawdopodobieństw w czasie. Nie możemy więc twierdzić, że są skalibrowane, i nie podajemy żadnego wskaźnika skuteczności.
Liczby także przy niepełnych faktach. Narzędzie jest zaprojektowane tak, by zawsze podać szacunek; o kruchości wyniku sygnalizują wskaźnik jakości danych i lista założeń.
Wynik, który może się różnić. Dwa zapytania o ten sam mecz mogą dać nieco inne liczby, a analiza odzwierciedla informacje dostępne w chwili zapytania (w tym zmiany w składach i absencjach w ostatniej chwili).
Identyfikacja meczu oparta na wyszukiwaniu. Zawsze sprawdzaj datę, rozgrywki i wyświetlone drużyny.
Zdarzeń nieprzewidywalnych (wczesnej kontuzji, czerwonej kartki, błędu sędziego) nie da się przewidzieć.

Jak czytać wynik

Sprawdź datę analizy, źródła i wskaźnik jakości danych. Porównuj prawdopodobieństwa ze sobą, zamiast wpatrywać się w jedną liczbę. Prawdopodobieństwo 60% oznacza, że w około czterech przypadkach na dziesięć scenariusz się nie ziszcza. Nasze poradniki o czytaniu prawdopodobieństwa 1X2 i o oczekiwanych golach wyjaśniają te pojęcia dokładniej.

O Prediction AI

Prediction AI to platforma predykcyjnej analizy sportowej oparta na sztucznej inteligencji: dla meczu piłkarskiego przedstawia szacowane prawdopodobieństwa wraz z faktami, na których się opierają, i ich ograniczeniami. Zobacz oferty Prediction AI. Szacunek pozostaje szacunkiem, nigdy pewnością.