„Изкуство и наука:“ Как бракетолозите използват изкуствен интелект тази мартенска лудост

Феновете на колежанската полуда може би ще желаят да помислят още веднъж, преди да разпореждат очакванията си за съвършена мартенска полуда на изкуствения разсъдък.

Докато напредъкът на изкуствения разсъдък в всекидневието направи „ AI “ една от най-нашумелите изречения през миналата година, приложението му в кръговете на бракетологията не е толкоз ново. Дори и по този начин, годишните надпревари към момента дават доста изненади за феновете на компютърните науки, които са прекарали години в рационализиране на моделите си с минали резултати от шампионати на NCAA.

Те са разкрили, че машинното образование единствено по себе си не може изцяло да позволи лимитираните данни и неизчислимите човешки детайли на „ Големият танц “.

„ Всички тези неща са изкуство и просвета. И те са тъкмо толкоз човешка логика на психиката, колкото и статистика “, сподели Крис Форд, анализатор на данни, който живее в Германия. „ Трябва в действителност да разбирате хората. И това е толкоз комплицираното в него. “

Случайните почитатели може да прекарат няколко дни тази седмица в стратегическо решение дали да се доверят на тима с най-хубавото моджо — като тима на Sister Jean Loyola-Chicago през 2018 година, който стигна до Финалната четворка — или може би да яхнат най-горещия състезател — като Стеф Къри и неговото пробивно показване през 2008 година, което докара Дейвидсън до Sweet Sixteen.

Склонните към технологиите преследват цели, даже по-сложни от избирането на спечелилите от всичките 67 мача в шампионатите на NCAA за мъже и дами. Те уточняват математическите функционалности в гонене на най-обективния модел за предсказание на триумфа в осъществявания с проблеми шампионат. Някои употребяват изкуствен интелект, с цел да усъвършенстват своите кодове или да решат кои аспекти от автобиографиите на екипа би трябвало да имат най-голяма тежест.

Шансовете за основаване на съвършена скоба са съпоставени с всеки съперник, колкото и напреднали да са техните принадлежности. „ Информиран почитател “, който прави избрани догатки въз основа на предходни резултати – като 1-семе, побеждаващо 16-семе – има късмет 1 към 2 милиарда за съвършенство, съгласно Езра Милър, професор по математика и статистика в Duke.

„ Грубо казано, би било като да изберете инцидентен човек в западното полукълбо “, сподели той.

Изкуственият разсъдък евентуално е доста добър в определянето на вероятността даден тим да завоюва, сподели Милър. Но даже и с моделите, той добави, че „ инцидентният избор кой ще завоюва игра, която е равнопоставена “ към момента е инцидентен избор.

За 10-та поредна година общността за просвета за данни, която Kaggle е хазаин „ Лудост с машинно образование. “ Традиционните надпревари в скоби са всичко или нищо; участниците пишат името на един тим във всеки отворен слот. Но „ Machine Learning Madness “ изисква потребителите да показват %, отразяващ тяхната убеденост, че даден екип ще напредне.

Kaggle дава огромен набор от данни от минали резултати, с цел да могат хората да разработят своите логаритми. Това включва резултати от боксове с информация за % на наказателното мятане на тима, обороти и асистенции. След това потребителите могат да предадат тази информация на логаритъм, с цел да схванат кои статистики са най-предсказуеми за триумфа на шампионата.

„ Това е почтена борба. Има хора, които знаят доста за баскетбола и могат да употребяват това, което знаят “, сподели Джеф Сонас, статистически анализатор по шах, който оказа помощ за основаването на надпреварата. „ Възможно е и за някой, който не знае доста за баскетбола, само че е добър в научаването по какъв начин да употребява данни, с цел да прави прогнози. “

Форд, фенът на Purdue, който предходната година следи по какъв начин най-малкият мъжки тим в дивизия I изуми своите Boilermakers в първия кръг, поема в друга посока. От 2020 година Форд се пробва да планува кои учебни заведения ще попаднат в полето от 68 тима.

През 2021 година, най-успешната му година, Форд сподели, че моделът е показал вярно 66 от тимовете в групата на мъжете. Той употребява „ подправена комисия “ от осем разнообразни модела на машинно образование, които вършат малко по-различни съображения въз основа на едни и същи входни данни: силата на графика за даден тим и броя на качествените победи против по-трудни съперници, с цел да назовем единствено няколко.

Юджийн Тулягия, експерт по спортни разбори в университета в Сиракюз, сподели, че е прекарал цяла година свободно време, създавайки собствен личен модел. Той сподели, че е употребявал дълбока невронна мрежа, с цел да откри модели на триумф въз основа на статистически данни като успеваемостта на тима от 3 точки.

Неговият модел неправилно предвижда, че финалната четворка за мъже през 2023 година ще включва Аризона, Дюк и Тексас. Но той вярно включва UConn. Докато поправя модела с информация за още една година, той призна някои човешки детайли, които никой компютър не може да вземе поради.

„ Играчите спаха ли задоволително нощес? Това ще се отрази ли на представянето на играча? “ той сподели. „ Случват се персонални неща – в никакъв случай не можем да се пригодим към тях, като използваме единствено данни. “

Никой способ няма да интегрира всеки подобаващ фактор в играта на корта. Необходимият баланс сред моделиране и вътрешен глас е „ изкуството на спортния разбор “, сподели Тим Чартие, специалист по бракетология на Дейвидсън.

Чартие учи скобите от 2009 година насам, като създава способ, който значително разчита на записи у дома/гостуване, показване през втората половина на сезона и силата на графика. Но той сподели, че историческите резултати на шампионата на NCAA дават непредвидим и дребен размер на извадката - предизвикателство за моделите за машинно образование, които разчитат на огромни размери на извадката.

Целта на Шартие в никакъв случай не е неговите възпитаници да доближат съвършенство в своите скоби; личният му модел към момента не може да изясни историята на Дейвидсън за Пепеляшка от 2008 година

В тази тайнственост Шартие намира потребно увещание от March Madness: „ Красотата на спорта и хубостта на самия живот е случайността, която ние не можем да предвидим. “

„ Не можем даже да предвидим 63 мача от баскетболен шампионат, където имахме 5000 мача, довели до него “, споделя той на своите класове. „ Така че прощавайте на себе си, когато не вършиме верни прогнози за стадии от живота, които са доста по-сложни от 40-минутен баскетболен мач. “

—-

Полард е член на корпуса на Associated Press/Report for America Statehouse News Initiative. Доклад за Америка е национална стратегия за услуги с нестопанска цел, която слага публицисти в локалните редакции, с цел да рапортуват по скрити проблеми.

___

AP March Madness bracket: https://apnews.com/hub /ncaa-mens-bracket и покритие: https://apnews.com/hub/march-madness