Évtizedek óta az új-zélandi telivérversenyeken a győztesek kiválasztása ugyanazokon az összetevőkön alapul: egy kis formai érzéken, egy éles szemen, egy kis pályaismereten és egy jó adag szerencsén. A legjobb fogadók intuíciót fejlesztenek ki – megérzik, mikor áll készen egy ló, mikor találta meg az edző a megfelelő versenyt, és mikor megfelelőek a pályaviszonyok.
De az intuíciónak is vannak korlátai. Egy emberi agy egyszerre akár egy tucat változót is képes tárolni. Egy átlagos új-zélandi galoppversenyen tucatnyi ló, számos zsoké és edző vesz részt, változó pályaviszonyok, szakaszidők, akadálystatisztikák és hónapokon átívelő formaciklusok zajlanak. Még a legélesebb fogadó is pénzt hagy az asztalon – nem azért, mert téved, hanem azért, mert nem látja a teljes képet.
Itt jön a képbe a mesterséges intelligencia.
Mit hoz a mesterséges intelligencia az új-zélandi versenyzés elemzésébe?
A gépi tanulás nem új keletű a lóversenyzésben. Az olyan globális platformok, mint a Horse Racing Nation és a Timeform, évek óta használnak statisztikai modelleket. De ezeknek a rendszereknek a többsége nagyméretű külföldi – amerikai, brit, ausztrál – adatkészletekre épül, és utólag adaptálták Új-Zélandra.
A probléma az, hogy az új-zélandi lóversenyzés valóban más. Kisebb mezőnyök. Kevesebb találkozó. Gyorsan változó pályaviszonyok. A zsoké és az edző mintái, amelyek nem tükrözik a nemzetközi formát. Egy főként brit adatokon betanított mesterséges intelligencia modell nem érti, hogy egy Riccartonban jól futó ló miért küzdhet Te Rapában, vagy hogy Awapuniban egy adott akadály miért teljesített alul történelmileg egy Soft 6-oson.
A megoldás egy kizárólag új-zélandi adatokon betanított modell.
Az előrejelzések mögött álló adatok
Egy célzottan új-zélandi versenyzésre tervezett mesterséges intelligencia versenyenként több ezer változót kezel. Nem csak a nyilvánvalóakat – akadály, súly, legutóbbi forma –, hanem azokat a mintázatokat is, amelyeket az emberi tehetséggondozóknak ritkán van idejük számszerűsíteni:
Szekcionált idők – hogyan teljesítette egy ló az utolsó 200 és 600 métert a mezőny átlagához képest, nem csak a végső helyezéséhez képest.
Akadályteljesítmény pálya és távolság szerint — hogy a Trentham-i 3. akadály 1600 méter felett statisztikailag eltér-e a Riccarton-i 3. akadálytól ugyanazon az úton.
Állapotelőzmények — hogyan teljesítenek az egyes lovak Jó, Puha és Nehéz pályákon, felülettípus szerint szegmentálva.
Edzői és zsoké minták meghatározott pályákon – nem csak az összesített ütési arányuk, hanem az egyes helyszíneken nyújtott teljesítményük is.
Osztályátmenetek — hogyan teljesítettek a feljebb vagy lejjebb fokozatba lépő lovak a történelem során hasonló versenyeken.
Versenysúlyváltozások — a kiosztott súly és a ténylegesen szállított súly közötti különbség, figyelembe véve a tanulók igényeit.
A modell nem találgat. Több tízezer történelmi új-zélandi versenyeredményből tanul – minden futóból, minden helyezésből, minden különbségből –, és azonosítja azokat a tényezők kombinációit, amelyek a múltban a sikert előre jelezték.
Miért fontosabbak a pálya körülményei, mint azt a legtöbb fogadó gondolja?
Az új-zélandi versenyadatok mesterséges intelligencia általi elemzésének egyik legmegdöbbentőbb eredménye, hogy a pálya állapota milyen erőteljesen befolyásolja az eredményeket – és hogy az egyes lovak mennyire következetlenül kezelik ezt.
Vegyünk egy tipikus hétköznapi mezőnyt Otakiban. Egy Good 4-es ló esetében a favorit karrierje során akár 3 győzelmet is elérhet 7 jó pályán indulva. De ha mélyebbre ásunk, azt találhatjuk, hogy ez a három győzelem mind Good 3-as vagy annál keményebb pályán született – és az a ló soha nem ért el helyezést puha vagy nehéz talajon. Eközben egy 15-1-es esélyű ló ugyanabban a versenyben az öt legjobb versenyéből négyet esős talajon futott.
A legtöbb fogadó rápillant a pálya állapotára, és egy-két fokkal módosítja a gondolkodását. A modell számszerűsíti azt, tanul belőle, és ezt a tudást több ezer ló esetében alkalmazza.
Mi a helyzet az értékkel?
Itt változtatja meg a játékot a mesterséges intelligencia az új-zélandi fogadók számára.
Egy dolog a nyertesek kiválasztása. Egy másik dolog a megfelelő áron nyerteseket kiválasztani. Egy jó előrejelző rendszer nem csak rangsorolja a lovakat – hanem megbecsüli a valószínűséget is. Amikor a modell 25% esélyt ad egy lónak a győzelemre, és a TAB fix oddsai 12% esélyt sugallnak (nagyjából 8.00 dollár+), az egy értékes lehetőség.
Ez a várható értékre (EV) való fogadás – ugyanaz a koncepció, mint amit a profi pókerjátékosok és a sportfogadók használnak. Nem kell minden versenyt megnyerned. Olyan fogadásokat kell kötnöd, ahol a valódi valószínűség meghaladja a piaci árat.
A mesterséges intelligencia azért jeleskedik ebben, mert érzelemmentes. Nem szeret bele egy ló nevébe, nem befolyásolja egy feltűnő utolsó futamgyőzelem, és nem korrigál túl egy rossz vereség után. Feldolgozza az adatokat, megbecsüli a valószínűséget, és hagyja, hogy a matematika beszéljen.
Az emberi elem továbbra is számít
A mesterséges intelligencia nem helyettesíti a fogadó ítélőképességét, hanem kiegészíti azt. A legjobb megközelítés a mesterséges intelligencia által generált valószínűségeket ötvözi a sportágról szerzett saját ismereteinkkel. Tudhatjuk, hogy egy adott edző minden évben erre a konkrét versenyre készül, vagy hogy egy zsokénak ma is erős lovaskönyve van. A modell nem ragad meg mindent.
De amit a modell rögzít – a több mint 100 000 korábbi futtatás statisztikai mintázatait –, olyan információ, amit egyetlen ember sem tud a fejében tartani. Használd mindkettőt, és anyagi előnnyel játszol.
Kezdő lépések a mesterséges intelligencia alapú verseny-előrejelzésekkel Új-Zélandon
Számos platform kínál ma már adatvezérelt új-zélandi versenyzési információkat. Az egyik, amelyet kifejezetten az új-zélandi galoppokhoz fejlesztettek ki, a Céloszlop – egy kizárólag új-zélandi versenyadatokon alapuló mesterséges intelligencia által vezérelt előrejelző motor. Lefedi az összes új-zélandi telivér versenyt, győzelmi és helyezési valószínűségeket generál, és a várható érték alapján kiemeli az értékes lehetőségeket.
A szolgáltatás jelenleg privát béta verzióban van, ingyenes próbaverzióval azoknak a felhasználóknak, akik szeretnék kipróbálni, hogy a mesterséges intelligencia képes-e élesebbé tenni az előnyüket.
Akár a Winning Postot használod, akár saját modelleket építesz, vagy egyszerűen csak jobban odafigyelsz a szakaszidőkre és a pálya állapotától függő részidőkre, az irány egyértelmű: az új-zélandi versenyelemzés adatforradalomon megy keresztül. Azok a fogadók lesznek, akik alkalmazkodnak, és akiknek a szelvényeik a fizetőablakban lesznek.
*(Ez a cikk csak tájékoztató jellegű. A lóversenyfogadás pénzügyi kockázattal jár. Kérjük, játsszon felelősségteljesen.)*
