Как AI предсказывает результат матча: разбор изнутри

AI не предсказывает результат матча. Он считает, насколько вероятен каждый исход, и говорит, насколько сам этому счёту доверяет. Разница принципиальная. Предсказание звучит как «будет вот так». Вероятность звучит скучнее: «в такой ситуации, по такому набору данных, чаще случается вот это». Между входными цифрами и готовым выводом лежит четыре шага, и ни один из них не выглядит как магия. Дальше все четыре, по порядку.

Что AI на самом деле делает с матчем

Представь, что тебе дали двести чисел про две команды и час времени. Голы, удары, домашние и гостевые серии, кто травмирован, кто вернулся, что было в прошлых пяти встречах, как обе играют в конце сезона. Задача: сказать, чей исход вероятнее.

Ты справишься. Но на двухсотый матч подряд ты начнёшь уставать, а на трёхсотый — подгонять ответ под то, что уже решил в первые тридцать секунд. Люди так устроены.

Машина не устаёт и не влюбляется в свою первую догадку. На этом всё её преимущество и заканчивается. Она не видит того, чего нет в данных, не понимает контекста, о котором ей не рассказали, и не знает, что тренер сегодня утром поссорился с капитаном. Полезной она становится не потому, что «умнее», а потому, что делает одну и ту же скучную работу с одинаковым качеством триста раз подряд.

Шаг 1. Какие данные собираются по матчу

Первое, что стоит понять: качество разбора почти целиком определяется тем, что в него попало на входе. Красивая модель на плохих данных даёт красивую чепуху.

Статистика и форма

База — результаты и то, как они получились. Не только счёт, но и то, сколько команда создавала, сколько позволяла создавать себе, насколько стабильно играла последние недели. «Пять побед подряд» и «пять побед подряд с трудом и с одним ударом в створ» — совсем разные пять побед.

Очные встречи

История команд друг против друга. Показатель коварный: он работает, когда составы и стиль игры за это время не поменялись, и превращается в шум, когда за два года сменились тренер, половина основы и лига. Разбирать историю встреч без этой поправки — самая частая ошибка ручного анализа. Правило отсечки, по которому старую историю встреч можно обнулять, — в статье очные встречи (H2H): что это.

Составы

Кто заявлен, кто травмирован, кто отдыхает перед еврокубками. Один игрок редко меняет расклад, но замена вратаря или отсутствие обоих центральных защитников меняет.

Свежие новости перед самым разбором

Статистика описывает прошлое, а матч играется сегодня. Поэтому перед тем, как считать, система отдельно проверяет то, что появилось только что: объявленные составы и новости команд, погоду и назначенного судью. Это единственная часть, которую нельзя взять из базы, — её приходится искать в момент разбора.

Консенсус источников

Отдельный слой: как оценивают этот матч профессиональные источники. Sharkline берёт эти данные более чем из двадцати источников. Не чтобы скопировать чужую оценку, а чтобы увидеть, где она расходится с тем, что говорит статистика. Расхождение само по себе информативно: обычно за ним стоит либо новость, которой нет в цифрах, либо ошибка одной из сторон.

Шаг 2. Почему сырые данные нельзя брать как есть

Между «собрали данные» и «посчитали» есть шаг, который снаружи не виден и который решает больше всего.

Данные противоречат друг другу. Один источник считает игрока травмированным, другой ставит его в заявку. Один показывает команду в отличной форме по результатам, другой — в отвратительной по качеству созданных моментов. Модель обязана как-то это разрешить, и способ, которым она это делает, важнее самой модели.

Данные протухают. Состав, известный за сутки до матча, и состав за час до него — два разных состава. Разбор, сделанный утром, не знает про травму, случившуюся на дневной тренировке.

Данных бывает просто мало. Второй дивизион далёкой лиги, женский турнир, ранний раунд кубка — там статистики может быть в десять раз меньше, чем по матчу топ-чемпионата. И это не повод считать хуже. Это повод честно сказать, что уверенности здесь меньше.

Шаг 3. Как из данных получается вероятность исхода

Дальше начинается собственно счёт. На выходе получается не один вариант, а распределение: сколько процентов на каждый исход, в сумме сто.

Пример карточки разбора. Данные иллюстративные.

Возьмём эту карточку. Манчестер Сити против Ливерпуля: 44% на победу хозяев, 28% на ничью, 28% на победу гостей. Читается это не как «выиграет Сити», а куда скучнее и полезнее: в таком матче, по такому набору данных, хозяева побеждают примерно в четырёх случаях из десяти. А в шести — не побеждают.

Отсюда сразу два вывода, которые ломают привычку.

Вероятнее — не значит «будет». 44% это меньше половины. Самый вероятный исход в этом конкретном матче всё равно случается реже, чем не случается. Любой, кто говорит «модель предсказала победу Сити», просто не дочитал до цифры.

Ровные проценты честнее красивых. Когда разбор выдаёт 44/28/28, он сообщает главное: матч близкий, преимущество небольшое. Сервис, который на такой встрече рисует 80% и обещает «верный исход», не точнее. Он просто продаёт уверенность, потому что уверенность покупают охотнее, чем распределение.

Шаг 4. Откуда берётся процент уверенности

В карточке рядом с вероятностями стоит второе число — кольцо на 74%. Его путают с первым постоянно, а это совершенно другая шкала.

Вероятность отвечает на вопрос «насколько вероятен исход». Уверенность — на вопрос «насколько модель доверяет собственному расчёту». Можно быть очень уверенным в том, что матч непредсказуем. И можно получить эффектную вероятность на данных, которым грош цена.

Проще всего почувствовать разницу через прогноз погоды. «Завтра дождь с вероятностью 40%» и «мы вообще плохо понимаем, что там завтра, метеостанция не отвечает третий день» — два разных сообщения, и второе важнее первого.

Главный риск

Поэтому в каждом разборе отдельной строкой стоит то, что может его сломать. В примере выше это ротация состава перед еврокубковым матчем в середине недели. Не отговорка задним числом, а часть вывода: сервис заранее называет обстоятельство, при котором он окажется неправ.

Проверить сервис по этой строке проще всего. Если он никогда не называет свой главный риск, значит либо не считает его, либо считает, но не показывает.

Что происходит, когда данных мало

Самый интересный сценарий, и именно на нём видно разницу между инструментом и продавцом.

Слева — матч с хорошей базой данных, справа — тот случай, когда честный ответ один. Пример.

Когда по матчу собралось мало данных или они противоречат друг другу, у разбора появляется низкая оценка качества ресёрча и прямая рекомендация пропустить. Никакого процента уверенности там нет, потому что уверенности нет тоже.

Для сервиса, который живёт на подписке за аналитику, это нормальный рабочий исход. Для канала, который каждый день обязан выдать «сегодняшний верный вариант», это коммерческая катастрофа: он не может позволить себе день без ответа. Поэтому ответ будет всегда, независимо от того, есть ли под ним хоть что-нибудь.

Одна и та же ситуация, два противоположных поведения. Это и есть та развилка, по которой стоит выбирать инструмент.

Чего AI в этой схеме не знает

Список короткий и его стоит держать в голове:

• Всё, что случилось после разбора. Разбор это снимок на момент, когда его сделали. Травма на разминке или состав, объявленный позже, в него уже не попадут.
• Решения, о которых не объявляли. Турнирное положение обеих команд в данных есть, и предположение «этим уже ничего не решает» модель построить может. А вот придержит ли тренер основу под кубок, если вслух об этом никто не сказал, не знает никто.
• То, что не превращается в данные. Конфликты внутри команды, договорённости, всё, что не попадает ни в статистику, ни в новости.
• Редкие ситуации. Дебютант, перенесённый матч, турнир без нормальной статистики. Здесь система не пытается выкрутиться: падает оценка качества ресёрча, и вывод честный — пропусти.

Ни один из этих пунктов не делает разбор бесполезным. Они просто объясняют, почему у любого честного разбора есть потолок и почему обещание результата всегда враньё, кем бы оно ни было сделано.

Чем это отличается от «AI сказал брать этот исход»

Формулировка «AI выбрал» звучит убедительнее, но означает меньше. За ней не видно ни данных, ни распределения, ни уверенности, ни риска. Проверить её невозможно. Сбылось — «мы же говорили». Не сбылось — «спорт непредсказуем».

Разбор, у которого есть все четыре шага, проверяется. Видно, из чего он сложился, где сам сервис признаёт слабое место и насколько он вообще доверяет своему ответу. Гарантией это не становится: гарантий в спорте не существует. Зато становится понятно, за что ты платишь.

Подробнее про весь конвейер — на странице как работает Sharkline.

Как это выглядит в Sharkline

Экран ленты. Матчи и цифры — пример.

Sharkline разбирает сотни матчей ежедневно по девяти видам спорта и делает это до того, как ты откроешь приложение. Полный разбор одного матча занимает около минуты. В карточке видно вероятность каждого исхода, вывод, процент уверенности, аргументы обеих сторон и главный риск. Если матча нет в ленте, его можно сфотографировать или прислать скриншотом.

Что мы не делаем: не обещаем результат, не показываем «верные варианты» и не выдаём разбор там, где данных не хватает. Это не скромность, а единственный способ, при котором процент уверенности вообще что-то значит.

Читать дальше

• Чего AI не знает о матче — таблица по каждому фактору: что система видит, что видит частично и чего не видит вовсе.
• Аналитика или канал с прогнозами — пять проверок, которые применяются к любому сервису, включая этот.
• Что такое xG — метрика, которая стоит за словами «создаёт больше опасных моментов».

Частые вопросы

Может ли AI точно предсказать результат матча? Нет. Ни AI, ни человек, ни кто-либо ещё. AI считает вероятности исходов на основе данных, и даже хорошо посчитанная вероятность в 70% означает, что три раза из десяти всё пойдёт иначе. Любой, кто обещает точный результат, продаёт уверенность, а не анализ.

Чем вероятность исхода отличается от процента уверенности? Вероятность говорит, насколько вероятен сам исход. Уверенность говорит, насколько модель доверяет собственному расчёту. Можно получить высокую вероятность на слабых данных — тогда первая цифра будет большой, а вторая маленькой, и вторая важнее.

Почему иногда разбор советует пропустить матч? Потому что данных по нему мало или они противоречат друг другу. В такой ситуации любая цифра будет выдуманной. Честный отказ полезнее правдоподобного ответа на пустом месте.

На каких данных строится разбор? Статистика команд и игроков, текущая форма, турнирное положение, история очных встреч, составы и травмы — это приходит из спортивного дата-API. Плюс консенсус более чем из двадцати источников и отдельная проверка свежих новостей перед самим разбором: объявленные составы, погода, судья. Рядом с каждым разбором стоит оценка качества этих данных, так что видно, насколько им можно доверять.

Сколько времени занимает разбор одного матча? Около минуты. Матчи из ленты дня разбираются заранее, поэтому открываются уже готовыми.