211service.com
Les machines arrivent pour votre piscine de bureau March Madness
Dans le sens des aiguilles d'une montre à partir du haut à gauche : Getty / Getty / The Jetsons / Getty / Getty / Matt Groening / Getty / Flickr RV1864
March Madness - les éliminatoires du championnat de basket-ball universitaire de la NCAA - est l'un des événements sportifs les plus populaires aux États-Unis, en partie grâce au vaste concours qui a évolué autour de la prédiction des équipes qui progresseront dans le tournoi. Cette année, près de 10,4 millions de dollars sont en jeu dans des pools de bureaux ou des compétitions plus organisées, et plus de 40 millions d'Américains rempliront leurs propres versions des supports des séries éliminatoires pour participer, selon l'American Gaming Association . Les chances de prédire une fourchette parfaite, ce que personne n'a jamais fait, sont d'au moins 1 sur 128 milliards et pourraient être aussi éloigné que 1 sur 9,2 quintillions.
Maintenant, l'apprentissage automatique prend un coup.
Kaggle, la plate-forme en ligne pour les compétitions de modélisation et d'analyse prédictives qui a été acquise par la société mère de Google Alphabet l'année dernière, est l'organisation d'un concours pour les tournois masculins et féminins de la NCAA. Kaggle fournit un ensemble de données contenant des informations telles que les graines de tournoi remontant à la saison 1984-85 ; scores finaux de tous les matchs de la saison régulière, des tournois de conférence et des tournois de la NCAA depuis 1984-85 ; et chaque moment de jeu par jeu de basketball masculin et féminin de Division I depuis 2009. Tout cela représente plus de 40 millions de points de données.
Les concurrents ne remplissent pas une tranche traditionnelle; au lieu de cela, ils créent et utilisent des modèles pour prédire la probabilité qu'une équipe gagne chaque match. Le modèle est jugé à la fois sur le résultat du jeu et sur la confiance que le modèle trouve dans sa prédiction. Donc, si un modèle est certain à 99 % qu'une équipe gagnera et qu'il s'avère exact, il obtient plus de points qu'un avec une prédiction correcte qui n'était sûre qu'à 95 %. Si un modèle est très confiant et incorrect, cependant, il perdra plus de points. C'est pour rendre plus difficile de gagner avec une chance stupide ou une chance aléatoire. Une cagnotte de 100 000 $ doit être répartie entre les trois premières tranches pour les deux tournois. Les inscriptions sont dues jeudi et 500 équipes sont déjà inscrites.
Mais il n'est pas clair que l'apprentissage automatique soit prêt à s'attaquer à la parenthèse, ce qui pourrait être plus un art que 40 millions de points de données ne le feraient croire. Étant donné que les équipes universitaires changent de joueurs et de listes d'équipes d'une saison à l'autre, les algorithmes pourraient même ne pas avoir les bonnes données à analyser à la recherche de modèles.
Et puis il y a les éléments non quantifiables, comme les joueurs qui cliquent ou une équipe sur une séquence. Les villes qui accueillent des matchs de tournoi peuvent également influencer les performances d'une équipe d'une manière qu'un algorithme peut ne pas anticiper. Par exemple, des matchs dans une ville comme Denver pourraient entraîner des problèmes d'altitude pour les équipes habituées à jouer au niveau de la mer, ou une foule particulièrement tapageuse pourrait aider une équipe à prendre de l'élan dans les derniers instants. Cette année, les équipes du Big Ten ont eu pour la toute première fois deux semaines de congé avant March Madness, et leurs joueurs sont peut-être mieux reposés – ou plus rouillés – que les équipes des autres conférences. Un algorithme ne peut pas prendre en compte un événement qu'il n'a jamais vu auparavant. Les bouleversements sont appelés bouleversements pour une raison ; si l'apprentissage automatique pouvait les prédire, le terme deviendrait sans objet.
Je pense en fait que les tournois comme NCAA [March Madness] ne sont pas le bon endroit pour l'apprentissage automatique, a écrit Anthony Goldbloom, PDG de Kaggle, sur à Reddit AMA . Il y a beaucoup moins de jeux March Madness que de clics publicitaires/événements de fraude, etc.
Kaggle a organisé quatre compétitions précédentes de March Madness, bien que ce soit la première saison avec des prix en argent. Le gagnant de l'année dernière, Andrew Landgraf, a basé son modèle sur les algorithmes des gagnants précédents, mais avec une torsion. Il a réfléchi à ce que les autres participants au concours de Kaggle pourraient faire et a dirigé son algorithme pour tirer parti de leurs erreurs potentielles. Les gens le font tout le temps avec des pools de bureaux : si vous étiez dans un bureau avec un groupe de fans de Duke, parier contre Duke pourrait vous laisser avec la meilleure tranche si les Blue Devils devaient perdre. Même avec son modèle soigneusement planifié, dit Landgraf, la chance a été une grande partie de son succès.
Finalement, les algorithmes pourraient être assez bons pour prédire des choses comme les séquences chaudes, mais en attendant, la collaboration homme-machine pourrait représenter l'avenir de la bracketologie. Selon Adam Kucharski, chercheur et auteur de Le pari parfait : comment la science et les mathématiques prennent la chance du jeu .
Malgré tous leurs défauts, les marchés des paris sont un bon moyen de sonder les connaissances d'une foule, dit Kucharski. Comprendre cet élément humain peut être très utile.
Les résultats du tournoi de Kaggle peuvent être jugés par les tranches imparfaites des années passées. Trente-neuf jeux est le personne la plus proche est parvenue à un résultat parfait , c'est donc une référence facile pour le succès. Et si l'un des prétendants algorithmiques de Kaggle ou une collaboration homme-machine atteint l'objectif ultime, des récompenses lucratives vous attendent. Le milliardaire Warren Buffett a un offre de longue date d'attribuer à l'un de ses employés qui trouve une tranche parfaite un million de dollars par an à vie.
Mais une fois que nous obtenons un support parfait, quelle est la prochaine étape ? La compétition de Kaggle commence après la sélection des 64 équipes. Le prochain défi sera peut-être prédire les vainqueurs du tournoi avant or vous savez qui est même en lice.