卜卦婆婆也要失業?AI開始預測球賽結果!

如果你聽了英國體育博彩公司 Stratagem 創始人 Andreas Koukorinis 說的一番話,你大概會覺得足球賽事已經被欽定為世界上最容易預測結果的比賽了。Andreas Koukorins 面對科技財經媒體《The Verge》的原話是這樣的:

「足球比賽持續時間不是很長,比賽規則固定,所以如果你觀察10萬場比賽後,你從中就能總結出來一些模型。」

十萬場...嗯,一天看十場的話不到28年就看完了,可以,很客觀。

Stratagem 公司的任務就是發現這些模型...然後靠它們掙錢。Stratagem 採用了兩種方式掙錢:

  1. 把收集的數據賣給職業博彩玩家和博彩公司;
  2. 自己保留數據,用來給賽事下賭注。

為了獲得賭注所需的資金,Stratagem 正在募集約3200萬美元的體育博彩基金,作為一種除了傳統對沖基金外的新型投資方式。換句話說,Stratagem 希望富豪們向公司提供博彩資金,而Stratagem 會拿著資金結合自己的數據模型給足球賽事下賭注,贏了就皆大歡喜,大家都站著把錢賺了了。

其實這個掙錢套路大家也比較熟悉了,但是 Stratagem 有了新玩法:採用人工智慧技術賭比賽結果。

目前 Stratagem 已經有一隊人類分析師遍布全球各地,把 Stratagem 押注的各種各樣的球隊和體育俱樂部的分析報告發送回總部。報告信息十分詳細,甚至還包括各大博彩公司對賽事輸贏概率的預測,從而使 Stratagem 比一般下注者更有機會賭贏賽事結果。

不過 Stratagem 希望在未來能由電腦來完成分析工作。目前 Stratagem 已經開始採用機器學習分析收集到的數據(比如分析出下注的最佳時間),但是也在研發 AI 工具用來實時分析體育賽事,提煉出相關數據,用來幫助 Stratagem 預測哪支球隊能贏得比賽。比如遇到球隊名字帶「少林」的,給人感覺就是比別的球隊「強」一些。

資料圖:塔溝武校少林足球

當前 Stratagem 正用深度神經網路來完成這一任務,而矽谷各大科技巨頭也在爭相研發這一技術。深度神經網路技術對 Stratagem 來說是個很好的工具,能出色地完成分析大量數據的任務。

正如 Koukorinis 所說,在分析體育賽事的時候,有海量的數據需要研究。目前 Stratagem 的神經網路正在研究分析數千小時的足球比賽,從中總結出比賽失敗和勝利的模型,最終目的就是構建一個 AI 程序,能同時觀看十幾場不同的比賽,然後做出輸贏判斷。

Stratagem的神經網路會在顯示器上標出比賽中球員的數據

和自動駕駛汽車在屏幕上顯示數據流類似,Stratagem 的 AI 程序也會在屏幕上實時顯示比賽數據,比如當某個球員撲向足球、突破防守的人時,AI 會在球員周圍畫出一個框,標出與他相關的數據。

AI 還會實時追蹤足球和球員的位置,並根據球衣的顏色識別出球員屬於哪支球隊,傳球路線也會被標明,所有這些數據會被轉化為整場比賽的一個2D地圖。從這個角度看,AI 研究比賽很像一個將軍在做沙盤推演:確定它認為能得分的機會,或者在什麼時候場上球員的位置分布看起來最可能會有人進球得分

Stratagem 試圖通過讓 AI 分析一系列的數據來找出比賽的隨機性因素,看看各個球隊在贏得比賽方面的能力如何,在 Stratagem 看來這才是創造得分機會的源頭。

計算出球隊的得分機會然後給球隊排名,這是不是最好的方式還很難說,但是 Stratagem 稱他們收集的比賽數據在職業賭球人員中很受歡迎。當然在下注之前,Stratagem 也會參考其它方面的因素。Stratagem 也注意到 AI 識別的球隊得分機會和人類分析的結果並不是經常一致。目前 AI 判斷的正確率大概在50%,但 Stratagem 稱通過不斷的學習和修正,AI 的判斷的正確率會不斷提高。

現在 Stratagem 關於球隊得分計分方面的數據,大部分仍由人力完成,有65名分析師組成的團隊負責撰寫詳細的比賽報告。未來 Stratagem 的 AI 程序會接手這部分工作,並大幅提高工作效率(人工撰寫一份比賽報告需要三小時)。

不管 Stratagem 的 AI 能不能讓足球比賽的結果更有可預測性,但他們在人工智慧領域的投入確實有很多的用處。這不僅可以吸引顧客和投資者去探索博彩行業中的競爭優勢,也能讓 Stratagem 目前仍由人力完成的工作實現自動化,節省成本。隨著 AI 在商業領域的廣泛應用,這種看似微小的成就或許才是最可靠的,而往往是這些微小的、可靠的成就最終帶來巨大的投資價值。

原文:This startup is building AI to bet on soccer games

作者:James Vincent

翻譯:小馬哥

拓展閱讀:

遍地開花的AI助手,代表著人機交互方式的未來

以彼之道,還施彼身——使用機器學習來揪出作弊的玩家

不是人工智慧,是智能機器

官方微博:@景略集智

微信公眾號:jizhi-im

商務合作: @軍師

投稿轉載:kexiyang@jizhi.im

集智QQ群:557373801


推薦閱讀:

開源|MultiNet模型解決自動駕駛中的道路分割、車輛檢測和街道分類(附源代碼)
我想做一個基於神經網路的數字識別程序,請問我應該看哪些書?
一個相關濾波跟蹤的簡單教程(附實現demo)
李宏毅機器學習2016 第九講 卷積神經網路
國內做計算機視覺或者機器學習比較好的實驗室有哪些?

TAG:景略集智 | 预测 | 机器学习 |