Kunstig intelligens kan vende op og ned på branchen
De hastige skridt, som teknologien tager i form af en forbedret kunstig intelligens og større brug af maskinel indlæring, kan medføre, at ting som at ”bluffe” ved det virtuelle pokerbord snart kan være fortid.
Udviklingen betyder også, at ting som held ved sportsbetting i stigende grad bliver erstattet af matematiske og videnskabelige beregninger.
Computerkraft løber spillere over ende
For mange går det at vædde eller ”gamble” hånd i hånd med sporten selv, og hvis der kan væddes på et usikkert udfald, har spillerne ofte gjort brug af matematik for at få oddsene til at falde i deres favør. Efterhånden som betting har bevæget sig fra det fysiske til det digitale univers, har spillere også gjort brug af alverdens teknologiske løsninger for at fremme deres odds. Men det er et tveægget sværd. Den hastige udvikling medfører, at vi får mere og mere avancerede systemer og robotter – især i form af kunstig intelligens – som i mange dokumenterede tilfælde allerede slår os mennesker suverænt.
Tag eksempelvis robotten Watson, som tech-virksomheden IBM står bag. I 2011 deltog den i quizshowet Jeopardy, hvor den bankede de bedste spillere og ”vandt” en million dollars, som efterfølgende blev doneret til velgørenhed. Kunstig intelligens har også vist sit værd i det ellers komplekse og strategiske spil Go. Gennem Googles DeepMind-afdeling vandt computerprogrammet AlphaGo først over den europæiske mester i 2016 for senere at slå den renommerede Go-spiller Lee Sedol et par måneder senere. Efterfølgende kunne den fremvise en imponerende rekord med en score på 60-0 mod nogle af verdens bedste spillere inden for Go. En fætter til AlphaGo – AlphaZero – vandt også overlegent over verdens mest sofistikerede skakprogram Stockfish 8 – og det var gennem 100 spil i 2017. Før de mange spil havde AlphaZero brugt blot fire timer på at lære spillets mange facetter.
Kunstig intelligens indtager poker
Teknologien har på samme tid gjort sig bemærket inden for poker. I 2017 blev et nyt computersystem fra Carnegie Mellon University – Libratus – sat til at spille mod en række af verdens bedste pokerspillere. De fire spillere brugte 20 dage på at spille 120.000 hænder i spilvarianten Heads-Up No-Limit Texas Hold’em. Det endte med en regulær ydmygelse og et ”tab” på næsten 1,8 millioner dollars. Jason Les, en af spillerne, udtalte efterfølgende:
”Den blev bare ved med at forbedre sig hver eneste dag, og vi faldt længere og længere bagud.”
Jason Les var ellers en af de spillere, som to år forinden havde vundet over et andet lignende computersystem – Claudico – i overbevisende stil. Den iøjnefaldende udvikling er dog helt naturlig, lyder det fra skaberen Noam Brown:
”Folk tror, at det at bluffe er meget menneskeligt – det viser sig ikke at være sandt. En computer kan lære af erfaring, at hvis den har en svag hånd, og den bluffer, så kan den tjene flere penge”, udtalte han dengang.
I det hele taget er sportsbetting en oplagt disciplin for kunstig intelligens at forbedre sig i. Ifølge forskere handler det blot om en nærmere klassifikation af hidtil ukendt data – eller variabler. Formålet med klassifikationen bliver således at forudsige resultatet af de forskellige variabler ud fra en række data, hvorefter systemet selv kommer frem til den forventede værdi.
Teknologien har mange applikationer
Forskerne forudser, at teknologien kan bruges i mange forskellige henseender. Den kan hjælpe klubber eller trænere med at forudsige mulige udfald, mens den også kan bruges i fremtidige strategier, så de kan vinde flere kampe. Bookmakere og spillere kan også gøre brug af teknologien til at forudsige kampenes endelige resultat, så de får mest muligt ud af deres respektive odds eller indskud. Systemerne mangler da heller ikke data at basere deres forudsigelser på. Flere og flere ligaer udvider mulighederne for dataindsamling, og store sportsgrene i USA byder også tiltagene velkommen. Data fra sessioner i MLB, NHL og NFL kan benyttes af offentligheden og analytikere til at forbedre deres skøn.
I øjeblikket eksisterer der stadig begrænsninger. Algoritmer har svært ved at vurdere, hvordan et holds spillere komplementerer hinanden. Pludselige ændringer i en kamp er også en akilleshæl, ligesom der ofte ikke kan tages højde for skader, som opstår under kampen, da algoritmerne er baseret på historiske data. Men ifølge kendere af branchen vil det blot være et spørgsmål om tid, før man får bugt med disse mangler.
Dermed kan teknologien ruske godt og grundigt op i branchen, da det lader til, at udviklingen kun tager til i fremtiden.
