Ставки На Лошадей с помощью ИИ Без Кода

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2021-09-11 18:06

Платформа Akkio смогла построить модель зарабатывания денег с относительно небольшим количеством данных

Искусственный интеллект изменяет азартные игры в Интернете, смещая шансы с гандикаперов, счетчиков карт и калькуляторов распределения очков в пользу ученых, которые умеют кодировать данные. Но это лишило некодеров всего мира денег.

Поэтому, когда основатели платформы искусственного интеллекта без кода Akkio предложили любопытному новичку использовать их автоматизированную систему машинного обучения для ставок на скачки, это показалось шансом сравнять счет.

Разбогатеть на онлайн-азартных играх с помощью искусственного интеллекта было мечтой многих инженеров-программистов с тех пор, как компания IBM Deep Blue обыграла чемпиона мира по шахматам Гэри Каспарова в 1997 году. С тех пор всемогущий ИИ осваивал игру за игрой, от возвышенного покера до грубого Техасского холдема. В результате Интернет полон советчиков, продающих стратегии ставок, созданные искусственным интеллектом, в то время как компании, занимающиеся азартными играми в Интернете, ежедневно играют в игру "ударь крота", чтобы держать так называемых боттеров подальше от своих сайтов.

Но использовать ИИ для азартных игр непросто. Это требует навыков программирования для анализа данных и для извлечения данных с веб-сайтов. Это требует настройки серверов, подготовки информационных панелей и работы с базами данных. Однако появление платформ без кода, которые позволяют пользователям манипулировать базой кода с помощью графических интерфейсов, внезапно делает ИИ доступным для некодеров. Акио-один из них.

"Все новые технологии должны проходить путь от ученого до инженера и эксперта в предметной области в качестве пользователя", - говорит соучредитель Akkio Джон Рейли. Конечно, Акио не был создан для азартных игр. Он был создан для компаний, которые хотят использовать ИИ, но не могут позволить себе дорогостоящих специалистов по обработке данных—или специалистов по обработке данных, которые не хотят тратить время на создание моделей. Отделы продаж используют его для ранжирования потенциальных клиентов, например, в зависимости от того, насколько вероятно, что они приведут к продаже. Но Джон согласился, что это упражнение будет полезно для проверки платформы AutoML (автоматизированного машинного обучения) Akkio.

"Ставки на скачки-это пример того, как платформа, подобная Akkio, может развернуть пользовательскую модель ML и выдавать результаты прогнозирования за 10 минут", - сказал он. "Возможности применения в бизнесе практически безграничны".

"Я вроде как водопроводчик, который приходит и следит за тем, чтобы все данные поступали"

Все, что требовалось Akkio, - это данные для запуска его механизма прогнозирования. Входит Крис Росси. Он эксперт по ставкам на лошадей, который помог создать систему данных чистокровных лошадей TimeformUS, которая в конечном итоге была куплена информационным конгломератом по скачкам DRF, иначе известным как Форма ежедневных скачек. Теперь он выступает в качестве консультанта для людей в мире скачек, в том числе для тех, кого он назвал командами количественных аналитиков, которые используют машинное обучение для игры в скачки.

Его роль в основном заключается в очистке данных. "Я вроде как водопроводчик, который приходит и следит за тем, чтобы все данные поступали", - сказал он.

Росси много знает о скачках и о теневых командах, которые ставят миллиарды в год на скачки, получая огромные награды—некоторые из них от скидок за объем проигрышных ставок на треках, которые поощряют практику. Вы видите, что чем больше людей делают ставки, тем больше зарабатывают треки. "Азартные игры на скачках-это в основном лохи против квантов", - сказал Крис. "И кванты выбивают [дерьмо] из сосунков".

Росси согласился с тем, что трасса является хорошим полигоном для тестирования моделей искусственного интеллекта. "Скачки отлично подходят для чего-то подобного", - сказал он. "Все четко и ясно; деньги не лгут". Он также считает, что существует обширный и растущий рынок для автоматизации без кода. "Это то, чего хотят люди", - сказал он. "Они не хотят сидеть в сорняках и пытаться выучить Python".

Росси отправил Акио Рейли 700 строк тренировочных данных, состоящих из истории лошадей, которые должны были участвовать в 10 скачках через несколько дней на ипподроме Саратога. Данные состояли из:

Удостоверение личности лошади
Даты предыдущих скачек лошади
Трасса, на которой проходили эти гонки
Дистанция каждой гонки
Независимо от того, проходила ли гонка на газоне или грунтовой поверхности
Финишная позиция лошади в каждой гонке
Кошелек или деньги, за которыми скакали лошади
Подразумеваемая вероятность, прокси для коэффициентов ставок, данных на лошадь в начале гонки
Удостоверение личности тренера
Удостоверение личности жокея
Количество раз, когда лошадь участвовала в скачках
Возраст лошади

Рейли добавил столбец "идентификатор гонки", чтобы помочь модели узнать, как разные лошади соревнуются друг с другом, и добавил столбец для вероятности того, что каждая лошадь финиширует первой, основываясь на прошлых результатах. Цель состояла в том, чтобы пропустить эти данные через Akkio, чтобы предсказать предполагаемую вероятность для каждой лошади и ее финишную позицию.

"Если вы определяете фаворитов по времени публикации с хорошей скоростью, победы придут"

Росси сказал, что он ожидал, что данные дадут 2 победителя из 10 гонок. "Вы можете извлечь пользу из удивительно небольшого объема данных", - сказал он. Как только данные были загружены с помощью веб-интерфейса перетаскивания Akkio, Akkio произвел некоторую разработку функций, автоматически решив, какие столбцы в данных будут прогностическими. Затем он ищет наилучший алгоритм для решения проблемы, строит модель и обучает модель на основе данных. Вы можете выбрать продолжительность обучения модели, которую вы хотите, от 10 секунд до 30 минут. Конечно, чем дольше вы тренируете модель, тем точнее будут ее прогнозы. Как только Akkio построил модель, он создает URL-адрес для модели для совместного использования или встраивания в веб-страницу.

Затем наступил день скачек. Предсказанная Акио подразумеваемая вероятность успешно отразила шансы на время гонки, что само по себе является впечатляющим достижением. "Если вы определяете фаворитов по времени публикации с хорошей скоростью, победы придут", - сказал Росси. Прогнозируемая финишная позиция в целом оказалась не очень полезной. Но, исходя из наибольшей вероятности финиша первым, Аккио успешно определил победителя в шести из 10 гонок. Поскольку в одном заезде лошадь с наибольшей вероятностью не побежала, вероятность успеха на самом деле составляла шесть из девяти.

Ставки на эти скачки не делались, но если бы ставки на победу были сделаны на лошадей, которым Аккио дал наибольшую вероятность финишировать первыми, отдача от инвестиций составила бы 140 процентов, что более чем удвоило бы любые поставленные деньги.

Упражнение было повторено неделю спустя, на этот раз с деньгами на кону. Крис отправил Джону аналогичную таблицу для 8 предстоящих гонок в чистокровном клубе Del Mar в Калифорнии. Используя сервис онлайн-ставок TVG, были сделаны ставки, ставившие 10 долларов на победу на каждую лошадь, которой Аккио дал наибольшую вероятность финишировать первым.

Первый выбор, фаворит на победу, вывалился из ворот, собрался с силами, но финишировал вторым. Во второй гонке выбор Аккио возглавил группу, но отстал на финишной прямой, заняв 5-е место. В третьем заезде лошадь Аккио финишировала четвертой. Кирка в четвертом заезде была поцарапана. Наконец, в пятом заезде лошадь Аккио победила, но это была единственная победа для предсказаний в тот день.

Тем не менее, подразумеваемая вероятность Аккио снова точно отражала фактические шансы лошадей на пост-тайм, и лошади, которые с наибольшей вероятностью финишировали первыми, лидировали большую часть времени в каждой гонке, дважды проигрывая носом. И один победитель заплатил 27,20 доллара за каждую ставку в 2 доллара, так что ставка в 10 долларов вернула 136 долларов, что почти вдвое превышает общую сумму в 70 долларов (трек вернул ставку в 10 долларов на лошадь, которая была поцарапана). "Как Луи Армстронг сказал о музыке:" Есть только два вида музыки: хорошая музыка или плохая музыка", - сказал Крис. "Это хорошая музыка". Он предлагает увеличить параметры модели. "Каждая колонка, которую вы добавляете с этого момента, будет просто делать ее все лучше и лучше", - сказал он.

Конечно, выбор семи победителей из 16 гонок может быть статистически незначимым—для этого потребуется добиться положительной прибыли по сотням ставок выше уровня вероятности,—но показатель успеха в 43,75 процента примерно на десять пунктов выше, чем у игроков, делающих ставки. И эксперимент по ставкам на лошадей будет продолжаться, чтобы увидеть, как Акио справляется в течение длительного периода времени.


Источник: spectrum.ieee.org

Комментарии: