Dešimtmečius Naujosios Zelandijos grynakraujų žirgų lenktynių nugalėtojai buvo renkami remiantis tais pačiais ingredientais: sportine forma, įžvalga, trupučiu trasos žinių ir nemažai sėkmės. Geriausi lažybininkai išsiugdo intuiciją – pojūtį, kada arklys pasiruošęs, kada treneris rado tinkamas lenktynes, kada trasos sąlygos tinkamos.
Tačiau intuicija turi ribas. Žmogaus smegenys vienu metu gali sukaupti galbūt keliolika kintamųjų. Vidutinėse Naujosios Zelandijos galopo varžybose dalyvauja dešimtys žirgų, daugybė žokėjų ir trenerių, kintančios trasos sąlygos, sekcijų laikai, barjerų statistika ir formos ciklai, trunkantys mėnesius. Net ir sumaniausias lošėjas palieka pinigų ant stalo – ne todėl, kad klysta, o todėl, kad nemato viso vaizdo.
Štai čia įsikiša dirbtinis intelektas.
Ką dirbtinis intelektas suteikia Naujosios Zelandijos lenktynių analizei
Mašininis mokymasis žirgų lenktynėse nėra naujiena. Tokios pasaulinės platformos kaip „Horse Racing Nation“ ir „Timeform“ statistinius modelius naudoja jau daugelį metų. Tačiau dauguma šių sistemų yra sukurtos remiantis dideliais užsienio – Amerikos, Didžiosios Britanijos, Australijos – duomenų rinkiniais ir pritaikytos Naujajai Zelandijai kaip papildomas sprendimas.
Problema ta, kad Naujosios Zelandijos lenktynės išties kitokios. Mažesni laukai. Mažiau susitikimų. Trasos sąlygos, kurios greitai keičiasi. Žokėjų ir trenerių modeliai, kurie neatspindi tarptautinės formos. Dirbtinio intelekto modelis, daugiausia apmokytas remiantis JK duomenimis, nesupranta, kodėl arklys, kuris gerai bėgo Riccarton trasoje, gali sunkiai pasirodyti Te Rapoje arba kodėl konkretus barjeras Awapuni trasoje istoriškai prasčiau pasirodė treniruojant „Soft 6“.
Sprendimas yra modelis, apmokytas tik su NZ duomenimis.
Duomenys, slypintys už prognozių
Specialiai Naujosios Zelandijos lenktynėms sukurtas dirbtinis intelektas kiekvienoms lenktynėms apdoroja tūkstančius kintamųjų. Ne tik akivaizdžius – kliūtis, svorį, naujausią formą – bet ir modelius, kurių žmonės, vertintojai, retai turi laiko kiekybiškai įvertinti:
Sekciniai laikai — kaip arklys įveikė paskutinius 200 m ir 600 m, palyginti su lauko vidurkiu, o ne tik su galutine vieta.
Barjero našumas pagal trasą ir atstumą — ar 3 barjeras Trenteme virš 1600 m statistiškai skiriasi nuo 3 barjero Rikartone per tą patį maršrutą.
Vykstančios būklės istorija — kaip atskiri arkliai pasirodo geros, minkštos ir sunkios dangos trasose, suskirstytos pagal dangos tipą.
Trenerio ir žokėjaus važiavimo modeliai konkrečiose trasose – ne tik bendrą jų streikų skaičių, bet ir tai, kaip jie pasirodo kiekvienoje arenoje.
Klasių perėjimai — kaip istoriškai panašiose lenktynėse sekėsi arkliams, pakilusiems į aukštesnę ar žemesnę kategoriją.
Lenktynių svorio pokyčiai — skirtumas tarp priskirto svorio ir faktinio gabento svorio, atsižvelgiant į mokinių reikalavimus.
Modelis nespėlioja. Jis mokosi iš dešimčių tūkstančių istorinių Naujosios Zelandijos lenktynių rezultatų – kiekvieno bėgiko, kiekvienos užimtos vietos, kiekvieno skirtumo – ir nustato veiksnių derinius, kurie istoriškai prognozavo sėkmę.
Kodėl trasos sąlygos yra svarbesnės, nei dauguma lošėjų supranta
Vienas ryškiausių Naujosios Zelandijos lenktynių duomenų dirbtinio intelekto analizės išvadų yra tai, kaip stipriai trasos sąlygos veikia rezultatus ir kaip nenuosekliai su jomis susidoroja pavieniai žirgai.
Paimkime tipišką Otaki lenktynių vidury savaitės varžybas. Esant „Good 4“ startui, favoritas per savo karjerą gali būti iškovojęs 3 pergales iš 7 startų „Good“ trasose. Tačiau paieškojus giliau, galima pastebėti, kad visos šios trys pergalės buvo iškovotos „Good 3“ ar kietesnėje trasoje – ir tas arklys niekada neužėmė prizinės vietos ant minkštos ar sunkios dangos. Tuo tarpu arklys, kurio šansas tose pačiose lenktynėse yra 15-1, ketverias iš penkerių geriausių karjeros lenktynių surengė ant lietaus paveiktos dangos.
Dauguma lažybininkų žvilgteli į trasos būklę ir pakoreguoja savo mąstymą. Modelis ją įvertina kiekybiškai, mokosi iš jos ir pritaiko tas žinias tūkstančiams žirgų.
O kaip dėl vertės?
Štai čia dirbtinis intelektas pakeičia žaidimo taisykles Naujosios Zelandijos lošėjams.
Viena yra pasirinkti nugalėtojus. Visai kas kita – pasirinkti nugalėtojus už tinkamą kainą. Gera prognozavimo sistema ne tik reitinguoja arklius, bet ir įvertina tikimybę. Kai modelis suteikia arkliui 25 % tikimybę laimėti, o fiksuoti TAB koeficientai reiškia 12 % tikimybę (maždaug 8.00 USD ir daugiau), tai yra vertinga galimybė.
Tai yra statymai pagal tikėtiną vertę (EV) – ta pati koncepcija, kurią naudoja profesionalūs pokerio žaidėjai ir sporto lažybų dalyviai. Jums nereikia laimėti kiekvienų lenktynių. Jums reikia statyti ten, kur tikroji tikimybė viršija rinkos kainą.
Dirbtinis intelektas (DI) šiuo atžvilgiu pasižymi tuo, kad yra bejausmis. Jis neįsimyli arklio vardo, nepasiduoda ryškiai pergalei paskutiniame starte ir nepersistengia dėl nesėkmingo žaidimo. Jis apdoroja duomenis, įvertina tikimybę ir leidžia kalbėti matematikai.
Žmogiškasis elementas vis dar svarbus
Dirbtinis intelektas nepakeičia lažybininko sprendimo – jį sustiprina. Geriausias metodas sujungia dirbtinio intelekto sugeneruotas tikimybes su jūsų pačių žiniomis apie sportą. Galbūt žinote, kad tam tikras treneris kasmet renkasi būtent šias varžybas arba kad žokėjus šiandien turi gerą jojimo sąrašą. Modelis neapima visko.
Tačiau tai, ką modelis fiksuoja – statistinius modelius, apimančius daugiau nei 100 000 istorinių bandymų – yra informacija, kurios joks žmogus negali sutalpinti į galvą. Naudokite abu ir žaisite su materialiniu pranašumu.
Darbo su DI lenktynių prognozėmis pradžia Naujojoje Zelandijoje
Dabar kelios platformos siūlo duomenimis pagrįstas Naujosios Zelandijos lenktynių įžvalgas. Viena, sukurta specialiai Naujosios Zelandijos šuoliams, yra Laimėjęs pranešimas – dirbtinio intelekto prognozavimo sistema, apmokyta išskirtinai naudojant Naujosios Zelandijos lenktynių duomenis. Ji apima visas Naujosios Zelandijos grynakraujų žirgų lenktynes, generuoja laimėjimo ir vietos tikimybes ir, remdamasi numatoma verte, pabrėžia vertingas galimybes.
Šiuo metu paslauga yra privačioje beta versijoje, o norintys išbandyti, ar dirbtinis intelektas gali padidinti jų pranašumą, gali išbandyti nemokamą bandomąją versiją.
Nesvarbu, ar naudojate „Winning Post“, kuriate savo modelius, ar tiesiog atidžiau stebite ruožų laikus ir trasos būklės skirtumus, kryptis aiški: Naujosios Zelandijos lenktynių analizė išgyvena duomenų revoliuciją. Prisitaikę lažybininkai bus tie, kurie laimės bilietus prie loterijos langelių.
*(Šis straipsnis skirtas tik informaciniams tikslams. Lažybos dėl žirgų lenktynių yra susijusios su finansine rizika. Prašome lošti atsakingai.)*
