导语：美国媒体周末刊文称，用人工智能系统去预测体育赛事的结果正成为热门研究课题。结合人工智能和球迷群体智慧，创业公司Unanimous A.I.的平台UNU去年准确预测了“超级碗”的比分。那么，究竟什么样的模式最适合预测体育赛事结果？对于今年的“超级碗”，UNU的预测又是什么？

　　竞技体育归根结底是数字游戏。无论是体操运动员在平衡木上的得分，网球选手零封对手，还是足球队在最后一分钟完成绝杀，所有比赛都是用数字来衡量胜负。如果败方看起来的表现要比对手更好，那么就会引起失望和不满。但即便如此，判断胜负的依据依然是数字。

　　因此很明显，许多体育项目都会借助数学分析，让那些精明的统计学家通过计算一堆数字来预测结果，甚至准确得分。毕竟，这是体育博彩的基础。此外，这也能帮助棒球经理在预算紧张的情况下，通过评估球员的平均击球率和盗垒率来组建能获胜的球队。

　　当人工智能算法被用来做最擅长的事，即从一大堆数字中发现人眼无法看到的模式和规律时，那么情况又是如何？这些算法是否能带来颠覆，成为体育博彩的重要工具？

　　体育赛事会带来大量人工智能开发者喜欢的数据。具体的例子包括篮球前锋的投篮命中率、橄榄球选手的跑动距离，以及足球中场球员的助攻等。

　　与此同时，我们还有其他不太明显的数据，可以让我们获得更精细、更完整的视点。例如某个选手的“甜蜜点”（在这个点的命中率更高），以及某个球员在比赛中最常选择的线路。

　　然而在数据的数量和质量方面，并非所有体育运动都是平等的。某些运动，例如棒球，很容易拿出球员的各项统计数据。而网球协会则会收集高精度数据集，其中包括比赛中球的运行轨迹，从而让预测分析变得更简单。

　　如果网球协会没有将这些数据封闭起来，那么网球将是预测分析研究的首选运动。然而对用于识别模式、提供可操作性建议的算法来说，它们需要获得大量数据。

　　《完美：科学和数学如何让不再靠运气》的作者、研究员亚当·库恰斯基（Adam Kucharski）表示：“在美国，早期很大一部分利用计算机算法和预测模型进行的体育博彩专注于大学橄榄球和篮球。比赛场次很多，每场比赛有多个得分事件。这就给你带来了真正的大数据集，帮你很好地理解，是什么因素影响了球队的成绩。然后在赛季剩余的比赛中，你也会有足够多的比赛场次去将这样的洞察信息用于实践。”

　　对数据的获取并不是将人工智能应用于博彩的唯一限制。围绕这些数据的环境信息也需要基本一致。由于球员和球队阵容通常每个赛季都会变化，因此探索其中的模式也变得困难。

　　此外，体育不仅仅是统计数据。许多不可见因素都会影响球队能否获胜。举个例子，球员之间的互动可能会产生某些化学反应，从而带来更好的成绩，即使数据并不这样认为。此外，你无法完全通过数据来判断防守球员的能力。

　　库恰斯基表示：“在某些团队竞技中，优秀球员会做许多难以被量化的事。顶尖球员会跑到很好的位置，但拦截成功率无法表明这点。在这个方面，他们的跑位和直觉行为产生了重要影响。”

　　因此库恰斯基发现，大部分博彩机构会将由数据驱动的预测分析技术与人类行为和直觉结合在一起。而最准确的预测可能来自于将原始数据和众包输入结合在一起。

　　他指出：“如果算法是可测量的，那么就可以用算法来解决问题。然而实际也可能存在其他微妙因素，导致人工比计算机算法更容易发现其中的模式并进行处理。”

　　许多公司都在研究，如何更好地在博彩活动中利用人工智能，例如伦敦创业公司Stratagem。该公司将深度神经网络与数十名人工分析师结合起来，预测足球赛的比分，并希望通过这种方式来赚钱。

　　有趣的是，人工智能影响博彩的最佳案例并不完全依靠机器智能。相反，这样的系统只是用技术作指导，帮人工更高效地利用集体智慧。这就是Unanimous A.I.采取的方式。该公司利用人工智能和群体智慧做出了令人震惊的准确预测。

　　去年2月，该公司引起了外界的关注。当时，Unanimous A.I.利用自主UNU平台成功预测了“超级碗”的准确比分。随后他们还准确预测了奥斯卡15个奖项中11个的得主，比《纽约时报》的结果高出18%。在此之前，UNU还实现过更不可思议的“壮举”。当时，UNU准确预测了肯塔基赛马会的一项比赛结果，这项结果的赔率为540比1。这也让该公司创始人路易斯·罗森博格（Louis Rosenberg）用20美元赚到了1.1万美元。

　　不过，罗森博格这样做并不是为了赚钱。他甚至承认，在公司开始做这些预测之前，他并不是体育迷。他表示：“对我们来说，做这些体育预测总是很有趣。但我们参与体育预测是因为，这是一种量化智力水平的实验平台。”

　　罗森博格是“蜂群思维”，或者说“人类蜂群思维”的支持者。这种观点认为，一群人在一起工作要比单独工作时更聪明。罗森博格表示，这不仅涉及到知识众包，也涉及到关联到反馈循环、带来更高智力水平的系统。

　　罗森博格开发的UNU是一个平台，让用户可以通过移动游标，使结果更接近想要的答案，从而协调预测。通过这样的蜂群实验，并将预测结果与实际情况对比，罗森博格及其团队希望获得具有统计意义的足够数据来完善平台，协助让预测更准确。

　　他表示：“我们已经证明，可以基于普通体育迷来形成蜂群思维，放大他们的智慧，让他们更好地进行体育预测。”

　　其他研究人员也在多项研究中测试蜂群智慧的理论，并取得了良好的结果。在牛津大学的一项研究中，美国足球迷被要求预测英超联赛的比赛结果。在他们个人进行预测时，准确率约为55%。而作为“蜂群”的一部分，他们的准确率上升至72%。罗森博格表示：“这不是个案，而是涉及到5周内的50场比赛。”

　　在UNU平台上，人工智能提供后端算法。这些算法会监控用户在平台上如何互动，他们的互动是否表现出信心、过度信心或不确定性，并试图引导游标移动至最能代表群体观点的位置。

　　罗森博格表示：“人们掌握知识、智慧、洞察力和直觉，而在他们像蜂群一样协同工作时，人工智能算法找到将不同观点结合在一起的最佳方式。”

　　关于今年的“超级碗”，UNU也做出了预测，结果是爱国者队将以4到6分的优势胜出，比赛总分将超过48.5分。

　　无论这次预测是否准确，通过去赚钱都不是UNU商业计划的一部分。尽管如此，该公司将算法与人类智慧相结合，这在很多方面都与博彩集团和Stratagem等创业公司的方法类似。因此，尽管人工智能或许某天将成为体育博彩行业的重要力量，但目前还是人工做出的更靠谱。（维金）

打印本文   关闭窗口