במשך עשרות שנים, בחירת הזוכים במרוצי סוסים גזעיים בניו זילנד הסתמכה על אותם מרכיבים: מדריך לכושר, עין חדה, קצת ידע על המסלול, ויותר מקצת מזל. המהמרים הטובים ביותר מפתחים אינטואיציה - תחושה מתי סוס מוכן, מתי מאמן מצא את המירוץ הנכון, ומתי תנאי המסלול מתאימים.
אבל לאינטואיציה יש גבולות. מוח אנושי יכול להכיל אולי תריסר משתנים בו זמנית. מרוץ דהרה ממוצע בניו זילנד כולל עשרות סוסים, רוכבים ומאמנים מרובים, תנאי מסלול משתנים, זמני קטעים, סטטיסטיקות מחסומים ומחזורי טכניקה הנמשכים חודשים. אפילו המהמר החד ביותר משאיר כסף על השולחן - לא בגלל שהוא טוע, אלא בגלל שהוא לא יכול לראות את התמונה המלאה.
כאן נכנסת לתמונה הבינה המלאכותית.
מה בינה מלאכותית מביאה לניתוח מרוצי ניו זילנד
למידת מכונה אינה תופעה חדשה במרוצי סוסים. פלטפורמות גלובליות כמו Horse Racing Nation ו-Timeform השתמשו במודלים סטטיסטיים במשך שנים. אבל רוב המערכות הללו בנויות על מערכי נתונים גדולים מחו"ל - אמריקאים, בריטיים, אוסטרליים - ומותאמים לניו זילנד כמעין מחשבה שנייה.
הבעיה היא שמרוצי ניו זילנד שונים באמת. שדות קטנים יותר. פחות מפגשים. תנאי המסלול שמשתנים במהירות. דפוסי רוכבים ומאמנים שאינם משקפים את הכושר הבינלאומי. מודל בינה מלאכותית שאומן בעיקר על נתונים מבריטניה לא מבין מדוע סוס שרץ היטב בריקרטון עלול להתקשות בטה ראפה, או מדוע מחסום מסוים באוואפוני הציג ביצועים נמוכים מבחינה היסטורית במירוץ רך 6.
הפתרון הוא מודל שאומן אך ורק על נתונים מניו זילנד.
הנתונים שמאחורי התחזיות
בינה מלאכותית של מרוצי ניו זילנד שנבנתה במיוחד בולעת אלפי משתנים בכל מרוץ. לא רק את הברורים - מחסום, משקל, צורה עדכנית - אלא גם את הדפוסים שמומחי היקפים אנושיים כמעט ולא מצליחים לכמת:
זמני קטע - כיצד סוס סיים את 200 המטר וה-600 המטר האחרונים שלו יחסית לממוצע המגרש, לא רק את מיקומו הסופי.
ביצועי המחסום לפי מסלול ומרחק - האם מחסום 3 בטרנטהאם מעל 1600 מטר שונה סטטיסטית ממחסום 3 בריקרטון באותו מסע.
היסטוריית מצב נהיגה - כיצד סוסים בודדים מתפקדים במסלולים טובים, רכים וכבדים, מחולקים לפי סוג המשטח.
דפוסי מאמן ורוכב במסלולים ספציפיים - לא רק שיעור החבטות הכולל שלהם, אלא גם איך הם מתפקדים בכל מתחם.
מעברי מחלקה - כיצד סוסים עולים או יורדים בדרגה באופן היסטורי במרוצים דומים.
שינויים במשקל המרוצים - ההפרש בין המשקל המוקצה למשקל בפועל שנישא, תוך התחשבות בתביעות החניכים.
המודל לא מנחש. הוא לומד מעשרות אלפי תוצאות היסטוריות של מרוצים בניו זילנד - כל רץ, כל מקום במקום, כל הפרש - ומזהה את שילובי הגורמים שניבאו הצלחה היסטורית.
למה תנאי המסלול חשובים יותר ממה שרוב המהמרים מבינים
אחד הממצאים הבולטים ביותר מניתוח נתוני מרוצי סוסים בניו זילנד באמצעות בינה מלאכותית הוא עד כמה תנאי המסלול משפיעים על התוצאות - ועד כמה סוסים בודדים מתמודדים עם זה בצורה לא עקבית.
קחו לדוגמה סוס טיפוסי באמצע השבוע באוטקי. עם ממוצע 4 טוב, לפייבוריט אולי יש מאזן קריירה של 3 ניצחונות מתוך 7 התחלות במסלולים טובים. אבל אם תחפרו לעומק, ייתכן שתגלו שכל שלושת הניצחונות הללו הגיעו על ממוצע 3 טוב או קשה יותר - והסוס הזה מעולם לא עמד על משטח רך או כבד. בינתיים, סוס עם סיכוי של 15-1 באותו מרוץ רץ ארבעה מחמשת המרוצים הטובים ביותר שלו בקריירה על קרקע מושפעת גשם.
רוב המהמרים מסתכלים על מצב המסלול ומתאימים את חשיבתם בדרגה או שתיים. המודל מכמת זאת, לומד מכך ומיישם את הלמידה הזו על אלפי סוסים.
מה לגבי ערך?
כאן הבינה המלאכותית משנה את המשחק עבור מהמרים בניו זילנד.
דבר אחד הוא לבחור מנצחים. דבר אחר לגמרי הוא לבחור מנצחים במחיר הנכון. מערכת חיזוי טובה לא רק מדרגת סוסים - היא מעריכה את ההסתברות. כאשר המודל נותן לסוס סיכוי של 25% לנצח, והיחסים הקבועים של TAB מרמזים על סיכוי של 12% (בערך 8.00$ ומעלה), זוהי הזדמנות משתלמת.
אלו הם הימורי ערך צפוי (EV) - אותו מושג בו משתמשים שחקני פוקר מקצועיים ומהמרי ספורט. אינך צריך לנצח בכל מרוץ. עליך להמר כאשר ההסתברות האמיתית עולה על מחיר השוק.
בינה מלאכותית מצטיינת בכך משום שהיא חסרת רגש. היא לא מתאהבת בשם של סוס, לא מושפעת מניצחון ראוותני בזינוק האחרון, ולא מתקנת יתר אחרי ניצחון גרוע. היא מעבדת את הנתונים, מעריכה את ההסתברות ונותנת למתמטיקה לדבר.
האלמנט האנושי עדיין חשוב
בינה מלאכותית לא מחליפה את שיקול דעתו של המהמר - היא משפרת אותו. הגישה הטובה ביותר משלבת הסתברויות שנוצרות על ידי בינה מלאכותית עם הידע האישי שלך בספורט. ייתכן שאתה יודע שמאמן מסוים מכוון לתחרות הספציפית הזו בכל שנה, או שלרוכב יש כיום ספר רכיבות חזק. המודל לא לוכד הכל.
אבל מה שהמודל כן לוכד - הדפוסים הסטטיסטיים על פני יותר מ-100,000 ריצות היסטוריות - הוא מידע שאף אדם לא יכול להחזיק בראש. השתמשו בשניהם, ואתם משחקים עם יתרון מהותי.
תחילת העבודה עם תחזיות מרוצים מבוססות בינה מלאכותית בניו זילנד
מספר פלטפורמות מציעות כעת תובנות מבוססות נתונים על מרוצי ניו זילנד. אחת מהן, שנבנתה במיוחד עבור מרוצי דהרה ניו זילנדיים, היא Winning Post - מנוע חיזוי מבוסס בינה מלאכותית המאומן אך ורק על נתוני מרוצי ניו זילנדים. הוא מכסה את כל מרוצי הסוסים הגזעיים בניו זילנד, מייצר הסתברויות ניצחון ומקום, ומדגיש הזדמנויות ערך על סמך ערך צפוי.
השירות נמצא כעת בבטא פרטית, עם ניסיון חינם זמין למהמרים שרוצים לבדוק האם בינה מלאכותית יכולה לחדד את היתרון שלהם.
בין אם אתם משתמשים ב-Winning Post, בונים מודלים משלכם, או פשוט מקדישים תשומת לב רבה יותר לזמני מקטעים ולמקטעי תנאי המסלול, הכיוון ברור: ניתוח מרוצי ניו זילנד עובר מהפכת נתונים. המהמרים שמתאימים את עצמם יהיו אלה שמחזיקים את הכרטיסים בחלון התשלום.
*(מאמר זה מיועד למטרות מידע בלבד. הימורי מרוצי סוסים כרוכים בסיכון פיננסי. אנא הימרו באחריות.)*
