لعقود طويلة، اعتمد اختيار الفائزين في سباقات الخيول الأصيلة في نيوزيلندا على نفس العناصر: دليل الأداء، ودقة الملاحظة، ومعرفة جيدة بالمضمار، وقليل من الحظ. يطور أفضل المراهنين حدساً قوياً - إحساساً بموعد جاهزية الحصان، وموعد اختيار المدرب للسباق المناسب، وموعد ملاءمة ظروف المضمار.
لكن للحدس حدود. فالعقل البشري لا يستطيع استيعاب أكثر من اثني عشر متغيرًا في آن واحد. أما سباقات الخيل في نيوزيلندا، فتضم في المتوسط عشرات الخيول، والعديد من الفرسان والمدربين، وظروف مضمار متغيرة، وأوقات مراحل السباق، وإحصائيات الانطلاق، ودورات أداء تمتد لأشهر. حتى أكثر المراهنين خبرةً يفوتون فرصًا للربح، ليس لأنهم مخطئون، بل لأنهم لا يستطيعون رؤية الصورة كاملة.
وهنا يأتي دور الذكاء الاصطناعي.
تحليل ما يُضيفه الذكاء الاصطناعي لسباقات الخيل في نيوزيلندا
لا يُعدّ التعلّم الآلي جديداً على سباقات الخيل. فقد استخدمت منصات عالمية مثل Horse Racing Nation وTimeform نماذج إحصائية لسنوات. لكن معظم هذه الأنظمة مبنية على مجموعات بيانات ضخمة من الخارج - أمريكية وبريطانية وأسترالية - وتم تكييفها لنيوزيلندا لاحقاً.
تكمن المشكلة في أن سباقات الخيل في نيوزيلندا تختلف اختلافًا جوهريًا. عدد الخيول المشاركة أقل، وعدد السباقات أقل، وظروف المضمار تتغير بسرعة، وأنماط أداء الفرسان والمدربين لا تعكس الأداء الدولي. نموذج الذكاء الاصطناعي المدرب أساسًا على بيانات المملكة المتحدة لا يفهم لماذا قد يواجه حصان قدم أداءً جيدًا في ريكارتون صعوبة في تي رابا، أو لماذا كان أداء حصان معين عند حاجز معين في أوابوني ضعيفًا تاريخيًا على أرضية لينة (6).
الحل هو نموذج تم تدريبه حصرياً على بيانات نيوزيلندا.
البيانات التي تدعم التوقعات
يستوعب نظام الذكاء الاصطناعي المصمم خصيصًا لسباقات الخيل في نيوزيلندا آلاف المتغيرات في كل سباق. ليس فقط المتغيرات الواضحة - مثل الحاجز والوزن والأداء الأخير - بل الأنماط التي نادرًا ما يجد المحللون البشريون وقتًا لتحديدها كميًا:
الأوقات المقطعية - كيف أنهى الحصان آخر 200 متر و 600 متر بالنسبة لمتوسط أداء بقية الخيول، وليس فقط ترتيبه النهائي.
أداء الحاجز حسب المسار والمسافة - ما إذا كان الحاجز 3 في ترينثام على مسافة 1600 متر يختلف إحصائياً عن الحاجز 3 في ريكارتون على نفس المسافة.
تاريخ حالة المضمار - كيف يؤدي كل حصان على المضامير الجيدة والناعمة والثقيلة، مصنفة حسب نوع السطح.
أنماط المدربين والفرسان في مضامير محددة - ليس فقط معدل نجاحهم الإجمالي، ولكن كيف يؤدون في كل مكان.
الانتقالات بين الفئات - كيف كان أداء الخيول التي تصعد أو تهبط في الفئة تاريخياً في السباقات المماثلة.
تغييرات وزن السباق - الفرق بين الوزن المخصص والوزن الفعلي المحمول، مع الأخذ في الاعتبار مطالبات المتدربين.
لا يعتمد النموذج على التخمين. بل يتعلم من عشرات الآلاف من نتائج سباقات نيوزيلندا التاريخية - كل عداء، وكل مركز، وكل هامش - ويحدد مجموعات العوامل التي تنبأت تاريخياً بالنجاح.
لماذا تُعدّ حالة المضمار أكثر أهمية مما يدركه معظم المراهنين؟
من أبرز النتائج التي توصل إليها تحليل الذكاء الاصطناعي لبيانات سباقات الخيل في نيوزيلندا هو مدى تأثير حالة المضمار على النتائج - ومدى اختلاف تعامل الخيول الفردية معها.
لنأخذ مثالاً على سباق نموذجي في منتصف الأسبوع في أوتاكي. على أرضية جيدة (4)، قد يكون لدى الحصان المرشح للفوز سجل حافل بثلاثة انتصارات من أصل سبع مشاركات على مضامير جيدة. لكن بالتدقيق أكثر، قد تجد أن تلك الانتصارات الثلاثة تحققت جميعها على أرضية جيدة (3) أو أكثر صلابة، وأن هذا الحصان لم يحقق أي مركز متقدم على أرضية لينة أو موحلة. في المقابل، حقق حصان آخر، احتمالية فوزه 15-1 في نفس السباق، أربعة من أفضل خمسة سباقات في مسيرته على أرضية متأثرة بالأمطار.
معظم المراهنين يلقون نظرة سريعة على حالة المضمار ويعدلون تفكيرهم قليلاً. أما النموذج فيقوم بقياسها كمياً، ويتعلم منها، ويطبق هذا التعلم على آلاف الخيول.
ماذا عن القيمة؟
هنا يُغيّر الذكاء الاصطناعي قواعد اللعبة بالنسبة للمراهنين في نيوزيلندا.
اختيار الخيول الفائزة شيء، واختيارها بالسعر المناسب شيء آخر. نظام التنبؤ الجيد لا يكتفي بترتيب الخيول، بل يُقدّر احتمالية فوزها. فعندما يُعطي النموذج حصانًا فرصة 25% للفوز، بينما تُشير احتمالات TAB الثابتة إلى فرصة 12% (أي ما يُقارب 8.00 دولارات أو أكثر)، فهذه فرصة استثمارية قيّمة.
هذا هو الرهان على القيمة المتوقعة (EV) - وهو نفس المفهوم الذي يستخدمه لاعبو البوكر المحترفون ومراهنو الرياضة. ليس عليك الفوز في كل سباق، بل عليك وضع الرهانات حيث تتجاوز الاحتمالية الحقيقية سعر السوق.
يتفوق الذكاء الاصطناعي في هذا المجال لأنه خالٍ من المشاعر. فهو لا يتأثر باسم حصان، ولا ينجذب إلى فوزٍ باهر في السباق الأخير، ولا يُبالغ في ردة فعله بعد خسارةٍ مُحبطة. بل يُعالج البيانات، ويُقدّر الاحتمالات، ويترك للرياضيات أن تتحدث.
لا يزال العنصر البشري مهمًا
لا يحل الذكاء الاصطناعي محل تقدير المراهن، بل يعززه. وأفضل طريقة هي الجمع بين الاحتمالات التي يولدها الذكاء الاصطناعي ومعرفتك الشخصية بالرياضة. قد تعلم أن مدربًا معينًا يستهدف هذا السباق تحديدًا كل عام، أو أن لدى فارسًا ما سجلًا حافلًا بالسباقات اليوم. مع ذلك، لا يغطي النموذج كل شيء.
لكن ما يلتقطه النموذج فعلاً - الأنماط الإحصائية عبر أكثر من 100,000 ألف عملية محاكاة تاريخية - هو معلومات لا يستطيع أي إنسان استيعابها ذهنياً. استخدم كليهما، وستحصل على ميزة جوهرية.
البدء باستخدام توقعات سباقات الذكاء الاصطناعي في نيوزيلندا
تُقدّم العديد من المنصات الآن تحليلات مُستندة إلى البيانات حول سباقات الخيل في نيوزيلندا. ومن بينها منصة "وينينغ بوست" المُصممة خصيصًا لمضامير سباق الخيل النيوزيلندية، وهي عبارة عن مُحرك تنبؤات يعمل بالذكاء الاصطناعي، تم تدريبه حصريًا على بيانات سباقات الخيل النيوزيلندية. تُغطي هذه المنصة جميع سباقات الخيل الأصيلة في نيوزيلندا، وتُحدد احتمالات الفوز والمراكز، وتُسلط الضوء على فرص الاستثمار القيّمة بناءً على القيمة المُتوقعة.
الخدمة حاليًا في مرحلة تجريبية خاصة، مع توفر نسخة تجريبية مجانية للمراهنين الذين يرغبون في اختبار ما إذا كان الذكاء الاصطناعي قادرًا على تحسين أدائهم.
سواءً استخدمتَ برنامج Winning Post، أو أنشأتَ نماذجك الخاصة، أو ببساطة أوليتَ اهتمامًا أكبر لأوقات المراحل وظروف المضمار، فإن الاتجاه واضح: تحليل سباقات الخيل في نيوزيلندا يشهد ثورةً في البيانات. والمراهنون الذين يتكيفون مع هذه الثورة هم من سيفوزون بالرهان.
*(هذه المقالة لأغراض إعلامية فقط. تنطوي المراهنات على سباقات الخيل على مخاطر مالية. يرجى المراهنة بمسؤولية.)*
