本文來自AI新媒體量子位（QbitAI）
本周一，2017年聯合會杯決賽在俄羅斯聖彼得堡十字架體育場進行。最終，憑借施廷德爾在第20分鐘的進球，以年輕球員為主組成的德國二隊以1-0戰勝智利，捧得冠軍。
德國在此次聯合會杯決賽派出的首發陣容平均年齡為24歲244天，比三天之前德國國青隊在歐青賽決賽中派出的陣容隻大不到兩歲——一支如此年輕的隊伍，最後在盡遣主力的美洲冠軍智利身上搶下勝利，這樣的結果你能猜到嗎？
即便是對有着超過十年看球經驗的老球迷來講，要對每一場比賽的結果進行預測尚且不是件易事。打法、陣型、傷病、狀态、主客場……要考慮的因素實在太多太多，何況誰還沒個陰溝翻船的時候？
但有人卻不這麼認為。
Andreas Koukorinis，英國體育博彩公司Stratagem的創始人。按他所說，足球比賽簡直就是世界上最容易預測的事。
“它們是短期的、可重複的、有着固定規則的。”Koukorinis說，“是以，如果你觀察過10萬場比賽，你就能從中得出一些模式。”
△ Stratagem創始人Andreas Koukorinis
跟别的公司不太一樣，Stratagem準備靠人工智能來預測比賽。
當下，Stratagem仍然在靠全球範圍内的人類分析員團隊來回報不同聯賽的資訊，并将這些資訊與來自不同投注者的賠率結合，來擷取高于平均值的回報。但在未來，Stratagem希望用電腦來完成這些分析工作。
Stratagem已經在用機器學習來對自己的資料進行分析了（比如對最佳下注時間進行規劃），但這家公司同時在開發一套AI工具，用于對比賽事件進行實時分析，并把那些能夠幫助預測比賽結果的資料拖出來。
Stratagem正在使用深度神經網絡來實作這一目标。他們向自己開發的軟體中注入了幾千小時的比賽資料，來教會它關于“成功”或是“失敗”的模式，其最終目标，是創造一個能夠同時關注六種比賽的電視直播，并最終擷取有價值觀點的AI。
目前，Stratagem的業務範圍還比較小。它隻關注有限的幾種體育項目（足球、籃球和網球），以及其中的一些名額（比如足球中的進球幾率）。Stratagem在倫敦的辦公室有着30人左右的團隊，包括一些前銀行業者和程式員。在這裡，他們向記者展示了羽翼未豐的神經網絡是如何對足球比賽進行實時分析的。
在螢幕上，系統輸出的圖像和你會在一輛無人車上看到的實時圖像類似——并非在掃描前方道路時标亮停車牌和行人，這套系統會在伊布拿球撕扯防守時，在他周圍畫出一個格子。
△ Stratagem的軟體對比賽進行分析時的效果
Stratagem的AI會在觀看一場标準的比賽電視直播時進行計算。它會對運動員和球進行追蹤，根據裝備顔色來分辨是哪支隊伍。場地的邊線會被标亮，同時所有的資料會被轉換到一張反映整場比賽的2D地圖上。從這一視角，軟體将會對比賽進行研究，識别出哪一個是它所認為的進球機會，或是球員是否正處于能夠取得進球的正确位置上。
“足球是一種低比分的比賽，你需要将注意力放在這些變量上來預測比賽結果。” Koukorinis說，“如果一名前鋒在30碼的距離内面對11名防守隊員最終将球打進，這當然是極其罕見的。但這不會太令我們激動。因為即便再來一百次，這種情況也不會再重複出現。”
“如果梅西面對門将形成單刀，進球的幾率就變成80%了。我們會關注是什麼造成了這種情形，試着将随機性的東西篩出去，并關注這些球隊在他們正在做的事情上做得有多好，會不會創造出進球的機會。”
計算進球幾率是否是比較球隊的最佳途徑仍然值得商榷。Stratagem稱，在專業的博彩者中間，這是個很流行的變量，但這些博彩者以及Stratagem公司本身，會在下注之前将許多其他的因素考慮在内。
Stratagem還表示，AI識别出的那些機會與人類所發現的機會并不總是完全比對。目前，電腦能在大約50%的時間裡正确地找到機會。除此之外，Stratagem稱自己目前的博彩模型（不光能分析足球，也能分析籃球和網球）對于擷取穩定回報來講已經綽綽有餘，盡管他們不會透露具體的數字。
【完】
本文作者：唐旭
原文釋出時間：2017-07-07