211service.com
Mašinos ateina į jūsų March Madness biuro baseiną
Pagal laikrodžio rodyklę iš viršaus iš kairės: Getty / Getty / The Jetsons / Getty / Getty / Mattas Groeningas / Getty / Flickr RV1864
„March Madness“ – NCAA koledžų krepšinio čempionato atkrintamosios varžybos – yra vienas populiariausių sporto renginių JAV, iš dalies dėl plataus masto varžybų, kurios išsivystė siekiant nuspėti, kurios komandos pateks į priekį turnyre. Šiais metais beveik 10,4 milijono dolerių skirta biurų baseinams ar daugiau organizuojamoms varžyboms, o daugiau nei 40 milijonų amerikiečių užpildys savo atkrintamųjų varžybų versijas, kad galėtų dalyvauti. Pasak Amerikos žaidimų asociacijos . Tikimybė numatyti tobulą skliaustą, ko niekas niekada nepadarė, yra bent 1 iš 128 mlrd. ir gali būti toks atokus kaip 1 iš 9,2 kvintilijono.
Dabar mašininis mokymasis yra sėkmingas.
„Kaggle“, internetinė prognozuojamojo modeliavimo ir analizės konkursų platforma, kurią praėjusiais metais įsigijo „Google“ pagrindinė įmonė „Alphabet“, yra rengti konkursą tiek NCAA vyrų, tiek moterų turnyruose. „Kaggle“ pateikia duomenų rinkinį su tokia informacija kaip turnyro pradžia iki 1984–1985 m. sezono; galutiniai visų reguliariojo sezono, konferencijų turnyrų ir NCAA turnyrų rungtynių rezultatai nuo 1984–1985 m.; ir kiekviena I diviziono vyrų ir moterų krepšinio žaidimo akimirka nuo 2009 m. Visa tai sudaro daugiau nei 40 mln. duomenų taškų.
Konkurentai neužpildo tradicinių skliaustų; Vietoj to jie kuria ir naudoja modelius, kad nuspėtų, kokia tikimybė komandai laimėti kiekvieną žaidimą. Modelis vertinamas pagal žaidimo baigtį ir pasitikėjimą, kurį modelis randa savo prognozėje. Taigi, jei modelis yra 99 procentais tikras, kad komanda laimės ir paaiškėja, kad jis teisingas, jis gauna daugiau taškų nei tas, kurio prognozė buvo teisinga, kuri buvo tik 95 procentai. Tačiau jei modelis yra labai pasitikintis ir neteisingas, jis praras daugiau taškų. Taip daroma tam, kad būtų sunkiau laimėti esant kvailai sėkmei ar atsitiktinai. 100 000 USD prizinis fondas bus padalintas tarp trijų geriausių abiejų turnyrų grupių. Dalyvių laukiama ketvirtadienį, o jau užsiregistravo 500 komandų.
Tačiau neaišku, ar mašininis mokymasis yra pasirengęs perimti braketologiją, kuri gali būti labiau menas, nei patikėtumėte 40 milijonų duomenų taškų. Kadangi koledžų komandos keičia žaidėjus ir komandų sąrašus kiekvieną sezoną, algoritmai gali net neturėti reikiamų duomenų, kuriuos būtų galima analizuoti ieškant šablonų.
Ir tada yra neįvertinami elementai, pvz., spustelėję žaidėjai arba komanda. Miestai, kuriuose vyksta turnyro žaidimai, taip pat gali paveikti komandos rezultatyvumą taip, kaip algoritmas gali nenumatyti. Pavyzdžiui, žaidimai tokiame mieste kaip Denveris gali sukelti aukščio problemų komandoms, įpratusioms žaisti jūros lygyje, arba ypač triukšminga minia gali padėti komandai įgauti pagreitį paskutinėmis akimirkomis. Šiais metais Didžiojo dešimtuko komandos pirmą kartą turėjo dvi savaites pertraukos prieš kovo beprotybę, o jų žaidėjai gali būti geriau pailsėję arba surūdiję nei komandos iš kitų konferencijų. Algoritmas negali atsižvelgti į įvykį, kurio jis niekada anksčiau nematė. Nusivylimai dėl priežasties vadinami nusiminimais; jei mašininis mokymasis galėtų juos nuspėti, terminas taptų ginčytinas.
Aš iš tikrųjų manau, kad tokie turnyrai kaip NCAA [March Madness] nėra miela vieta mašininiam mokymuisi, rašė Kaggle generalinis direktorius Anthony Goldbloom. į Reddit AMA . „March Madness“ žaidimų yra daug mažiau nei skelbimų paspaudimų / sukčiavimo įvykių ir pan.
Kaggle surengė keturias ankstesnes March Madness varžybas, nors tai pirmasis sezonas su prizais. Praėjusių metų nugalėtojas Andrew Landgrafas savo modelį grindė ankstesnių nugalėtojų algoritmais, tačiau su posūkiu. Jis svarstė, ką galėtų padaryti kiti „Kaggle“ konkurso dalyviai, ir nurodė savo algoritmui pasinaudoti galimomis jų klaidomis. Žmonės tai daro su biurų baseinais visą laiką: jei būtumėte biure su daugybe Duke gerbėjų, lažybos prieš Duke'ą gali palikti geriausias sąlygas, jei „Blue Devils“ pralaimėtų. Net ir su jo kruopščiai suplanuotu modeliu, Landgrafas sako, sėkmė buvo didžiulė jo sėkmės dalis.
Galų gale, algoritmai gali būti pakankamai geri, kad būtų galima numatyti tokius dalykus kaip karštos juostos, tačiau tuo tarpu žmogaus ir mašinos bendradarbiavimas gali atspindėti braketologijos ateitį. Lažybų sindikatai taip tiki – jie jau naudoja nuspėjamąją analizę ir duomenis iš žmonių valdomų internetinių lošimų rinkų, kad statytų savo statymus, teigia mokslininkas ir knygos autorius Adamas Kucharskis. Tobulas statymas: kaip mokslas ir matematika atneša sėkmę iš lošimo .
Nepaisant visų savo trūkumų, lažybų rinkos yra geras būdas įgyti minios žinias, sako Kucharskis. To žmogiškojo elemento supratimas gali būti labai naudingas.
Kaggle turnyro rezultatai gali būti vertinami pagal netobulus praėjusių metų skliaustus. Trisdešimt devyni žaidimai yra arčiausiai kas nors pasiekė tobulą rezultatą , todėl tai yra lengvas sėkmės etalonas. Ir jei vienas iš Kaggle algoritminių varžovų arba žmogaus ir mašinos bendradarbiavimas pasiekia galutinį tikslą, laukia pelningi atlygiai. Milijardierius Warrenas Buffettas turi a ilgalaikis pasiūlymas Apdovanoti bet kurį savo darbuotoją, kuris sugalvoja tobulą sumą, milijoną dolerių per metus iki gyvos galvos.
Bet kai gausime tobulą skliaustą, kas bus toliau? „Kaggle“ varžybos prasideda po visų 64 komandų atrankos. Kitas iššūkis gali būti prognozuojant turnyro nugalėtojus bef ar žinai, kas net bėga.