Como a IA analisa um jogo: o caminho dos dados até à probabilidade

A IA não prevê o resultado de um jogo. Calcula o quanto cada resultado é provável e depois diz o quanto confia no próprio cálculo. A diferença importa: uma previsão soa como “é isto que vai acontecer”; uma probabilidade soa mais modesta e diz mais — “numa situação assim, com estes dados, é isto que costuma acontecer”. Entre os números em bruto e uma conclusão pronta há quatro passos, e nenhum deles é magia. Vamos por eles, um de cada vez.

O que a IA faz de facto com um jogo

Imagina que alguém te põe à frente duzentos números sobre duas equipas e te dá uma hora. Golos, remates, sequências em casa e fora, quem está lesionado, quem regressou, o que aconteceu nos últimos cinco confrontos diretos, como cada equipa chega à reta final da época. A tarefa: dizer qual resultado é mais provável.

Conseguirias fazê-lo. Mas no jogo duzentos já estarias cansado, e no trezentos começarias a moldar a resposta ao que já tinhas decidido nos primeiros trinta segundos. É assim que as pessoas funcionam.

Uma máquina não se cansa nem se apaixona pela primeira impressão. É aí que está toda a vantagem dela. Não vê o que não está nos dados, não entende o contexto que ninguém lhe contou, e não faz ideia se o treinador discutiu com o capitão essa manhã. É útil não por ser “mais esperta”, mas por fazer o mesmo trabalho maçador com o mesmo critério trezentas vezes seguidas.

Passo 1. Que dados entram na análise

A primeira coisa a perceber: a qualidade de uma conclusão depende quase por inteiro do que entrou nela. Um modelo bem construído com dados fracos produz disparates bem apresentados.

Estatísticas e forma

A base são os resultados e a forma como aconteceram. Não só o resultado no marcador, mas quanto uma equipa criou, quanto permitiu ao adversário criar, quão sólida esteve nas últimas semanas. “Cinco vitórias seguidas” e “cinco vitórias seguidas a sofrer, com um remate à baliza por jogo” são duas sequências bem diferentes. A métrica que separa as duas coisas é o valor esperado dos remates, conhecido como golos esperados (xG) — o que mede e onde engana fica para outro texto.

Confrontos diretos

Como as duas equipas se saíram uma contra a outra. Um indicador traiçoeiro: funciona enquanto o plantel e o estilo de jogo se mantêm parecidos, e vira ruído assim que muda o treinador, metade do onze inicial ou a própria competição. Numa Primeira Liga onde um mercado de transferências movimentado consegue remodelar um plantel num mês, essa correção é particularmente necessária, e ignorá-la é o erro mais comum da análise manual: se o treinador ou vários titulares mudaram desde o último confronto direto, esse histórico deixa de valer muito.

Formações

Quem está convocado, quem está lesionado, quem vai ser poupado antes de um jogo decisivo para a Liga Europa. Um jogador isolado raramente muda o quadro, mas a troca do guarda-redes ou a ausência dos dois centrais titulares muda.

Notícias de última hora, minutos antes da análise

As estatísticas descrevem o passado, o jogo é hoje. Por isso, antes de calcular seja o que for, o sistema confirma em separado o que acabou de acontecer: onze confirmado, comunicados dos clubes, o estado do tempo, o árbitro nomeado. É a única camada que não se tira de uma base de dados — tem de ser procurada no momento da análise.

A camada de consenso

Uma camada à parte: como é que as fontes profissionais avaliam esse jogo. A Sharkline reúne este dado de mais de vinte fontes independentes, coloca-as numa mesma escala e pondera cada uma pela sua fiabilidade. Não para copiar um julgamento alheio, mas para ver onde esse julgamento não bate certo com o que as estatísticas mostram. O próprio desfasamento já é informativo: normalmente por trás dele há uma notícia que ainda não chegou aos números, ou um erro de um dos dois lados.

Passo 2. Porque é que os dados em bruto não podem ser usados tal como estão

Entre “dados recolhidos” e “números calculados” há um passo que de fora não se vê, e que importa mais do que todo o resto.

Os dados contradizem-se entre si. Uma fonte marca um jogador como lesionado, outra inclui-o na lista. Uma mostra uma equipa em ótima forma de resultados, outra em forma fraca se olharmos à qualidade das ocasões criadas. O modelo tem de resolver isto de alguma forma, e como resolve importa mais do que o modelo em si.

Os dados envelhecem. Um onze conhecido um dia antes do apito inicial e um conhecido uma hora antes são dois onzes diferentes. Uma análise feita de manhã não sabe nada sobre uma lesão que aconteceu no treino da tarde.

Por vezes há simplesmente pouco dado. Uma segunda divisão regional, uma primeira fase de uma taça distrital, um torneio feminino — o material disponível pode ser dez vezes menor do que para um jogo de primeira divisão. Isto não é motivo para calcular pior. É motivo para dizer com honestidade que ali a confiança é mais baixa.

Passo 3. Como os dados se tornam a probabilidade de um resultado

Agora entra a aritmética a sério. À saída não há uma única opção, mas uma distribuição: uma percentagem para cada resultado, que somadas dão cem.

Exemplo de ficha de análise. Os números são ilustrativos.

Vamos usar esta ficha. Manchester City contra Liverpool: 44% de vitória em casa, 28% de empate, 28% de vitória visitante. Isto não se lê como “o City vence”. Lê-se de uma forma mais modesta e bem mais útil: num jogo assim, com estes dados, a equipa da casa vence em cerca de quatro em cada dez casos. E em seis, não.

Daqui saem duas conclusões imediatas, e as duas quebram um hábito.

Mais provável não significa “vai acontecer”. 44% é menos de metade. O resultado mais provável deste jogo em concreto acontece menos vezes do que não acontece. Quem diz “o modelo previu a vitória do City” simplesmente parou de ler antes do número.

Percentagens equilibradas são mais honestas do que as espetaculares. Quando uma conclusão sai 44/28/28, comunica o essencial: o jogo está equilibrado, a vantagem é pequena. Um serviço que sobre o mesmo jogo desenha um 80% e promete um “resultado certo” não é mais preciso. Está apenas a vender certeza, porque a certeza vende melhor do que uma distribuição.

Passo 4. De onde vem a percentagem de confiança

Junto com as probabilidades, a ficha traz um segundo número — o anel de 74%. É confundido com o primeiro constantemente, e é uma escala completamente diferente.

A probabilidade responde a “quão provável é este resultado”. A confiança responde a “quanto é que o modelo confia no próprio cálculo”. Dá para estar bastante seguro de que um jogo é imprevisível. E dá para tirar uma probabilidade com ar convincente sobre dados que não valem nada.

A forma mais simples de sentir a diferença é uma previsão meteorológica. “40% de hipótese de chuva amanhã” e “sinceramente não sabemos como vai estar amanhã, a estação meteorológica está avariada há três dias” são duas mensagens diferentes, e a segunda diz mais.

O risco principal

Por isso, cada conclusão traz, numa linha à parte, o que tem mais hipóteses de a derrubar. No exemplo acima é a rotação a pensar no compromisso europeu a meio da semana. Não é uma desculpa inventada depois — é parte da conclusão: o serviço nomeia com antecedência a circunstância em que vai falhar.

Essa linha é a forma mais simples de testar um serviço. Se nunca nomeia o próprio risco principal, ou não o calcula, ou calcula-o e esconde-o.

O que acontece quando há pouco dado

O cenário mais interessante, o que mostra a diferença entre uma ferramenta e um vendedor.

À esquerda, um jogo com uma base de dados sólida. À direita, o caso em que só existe uma resposta honesta. Números ilustrativos.

Quando sobre um jogo foi reunido pouco material, ou os dados se contradizem entre si, a conclusão recebe uma avaliação baixa da qualidade da pesquisa e uma recomendação direta: deixar passar. Sem percentagem de confiança, porque também não há confiança nenhuma ali.

Para um serviço que vive de uma subscrição de análise, este é um resultado de trabalho normal. Para um canal obrigado a produzir todos os dias “o prognóstico certo de hoje”, é um desastre comercial: não se pode dar ao luxo de ficar um dia sem resposta. Por isso a resposta está sempre lá, independentemente de haver alguma coisa por trás.

A mesma situação, dois comportamentos opostos. É exatamente esta bifurcação o melhor critério para escolher uma ferramenta.

O que a IA não sabe neste esquema

A lista é curta e vale a pena guardá-la:

• Tudo o que aconteceu depois da análise. Uma conclusão é uma fotografia tirada num momento específico. Uma lesão no aquecimento ou um onze anunciado depois já não entram nela.
• Decisões de que ninguém falou. A classificação, o modelo vê-a, e consegue considerar que uma equipa já não tem nada a jogar. Se o treinador vai poupar os titulares a pensar na taça, e ninguém o disse em voz alta, ninguém o sabe.
• O que nunca se tornou dado. Conflitos no balneário, acordos não declarados, tudo o que não chega nem às estatísticas nem às notícias.
• Situações raras. Uma estreia, um jogo adiado, um torneio sem estatística decente. Aí o sistema não tenta desenrascar-se: a qualidade da pesquisa desce, e a conclusão é honesta — deixar passar.

Nada disto torna a análise inútil. Só explica porque é que toda a conclusão honesta tem um teto, e porque é que uma promessa de resultado é sempre mentira, seja quem for a dizê-la.

Em que difere de “a IA escolheu este resultado”

“A IA escolheu” soa mais convincente e diz menos. Por trás não se veem nem os dados, nem a distribuição, nem a confiança, nem o risco. Não dá para verificar. Se correr bem: “já tínhamos avisado”. Se correr mal: “o desporto é imprevisível”.

Uma conclusão que tem os quatro passos dá para verificar. Dá para ver do que é feita, onde o serviço admite o próprio ponto fraco e o quanto confia realmente na própria resposta. Isto não vira garantia — garantia no desporto não existe. Mas deixa claro por aquilo que estás a pagar.

Todo o mecanismo está descrito na página como funciona a Sharkline.

Como isto aparece na Sharkline

A lista de jogos do dia. Confrontos e números são exemplos.

A Sharkline analisa centenas de jogos por dia em nove desportos, e fá-lo antes de abrires a aplicação. Uma análise completa de um jogo demora cerca de um minuto. A ficha mostra a probabilidade de cada resultado, a conclusão, uma percentagem de confiança, os argumentos a favor e contra e o risco principal. Se um jogo não estiver na lista, dá para fotografares o cartaz ou enviares uma captura de ecrã.

O que não fazemos: não prometemos resultado, não publicamos “o prognóstico certo” e não produzimos uma conclusão onde não há dado. Isto não é modéstia — é a única forma de uma percentagem de confiança significar alguma coisa de verdade.

Continua a ler

• O que a IA não sabe sobre um jogo — o mapa fator a fator: o que o sistema vê, o que vê em parte e o que não vê de todo.
• Análise de IA ou canal de prognósticos — cinco verificações para aplicar a qualquer serviço, este incluído.
• Como ler as estatísticas de um jogo de futebol — que números pesam de verdade e em que ordem olhar para eles.

Perguntas frequentes

A IA consegue prever com exatidão o resultado de um jogo de futebol? Não. Nem a IA, nem uma pessoa, nem ninguém. A IA calcula a probabilidade dos resultados a partir dos dados, e mesmo um 70% bem calculado significa que três em cada dez vezes vai acontecer outra coisa. Quem promete um resultado exato está a vender certeza, não análise.

Qual é a diferença entre a probabilidade de um resultado e a percentagem de confiança? A probabilidade diz quão provável é o resultado em si. A confiança diz quanto o modelo confia no próprio cálculo. Dá para tirar uma probabilidade alta com dados fracos — o primeiro número sai grande, o segundo pequeno, e o segundo importa mais.

Porque é que a análise às vezes recomenda deixar passar um jogo? Porque há pouco dado, ou os dados contradizem-se. Nessa situação, qualquer número seria inventado. Uma recusa honesta é mais útil do que uma resposta com ar de verdadeira construída sobre nada.

Em que dados se baseia a análise? Estatísticas de equipas e jogadores, forma atual, posição na tabela, confrontos diretos, formações e lesões — tudo isto vem de uma API de dados desportivos. Por cima entra a camada de consenso com mais de vinte fontes e uma verificação à parte de notícias de última hora antes da análise: onze confirmado, tempo, árbitro. Cada conclusão traz uma avaliação da qualidade destes dados, para dares conta de quanto podes confiar nela.

Quanto tempo demora a análise de um jogo? Cerca de um minuto. Os jogos da lista do dia são analisados com antecedência, por isso já abrem prontos.