Gran parte de los aficionados celebra el Mundial de Futbol 2018 participando en algún tipo de porra o apuesta deportiva. Hace años, cada uno se servía únicamente de su conocimiento e intuición para tratar de acertar los pronósticos. Pulpo Paul al margen. Pero este, está siendo el Mundial en el que un gran número de jugadores recurre a modelos de Inteligencia Artificial para vaticinar lo que sucederá en el terreno de juego.
Este tipo de pronósticos en eventos deportivos sirven para evangelizar los grandes beneficios de incorporar Inteligencia Artificial en los distintos modelos de negocio. Si existe un elevado acierto a la hora de predecir eventos deportivos (con todas las variables intangibles que entran en juego) pensar en todo lo que pueden hacer estos modelos en escenarios empresariales (donde las variables intangibles son mínimas) nos lleva a un escenario donde la IA supone una gran ventaja competitiva gracias a su capacidad para detectar cuando se deberá renovar maquinaria, que mercados son potencialmente más interesantes, que unidad de negocio presenta un mayor escenario de crecimiento, etc.
¿Cómo predecir quien ganará el Mundial?
Antes de nada, remarcar que predecir al 100% de seguridad quien ganará un evento deportivo es imposible. Obtener un porcentaje que ronde el 80% ya supone una puntuación elevadísima.
Todos los procesos necesitan fuentes de datos. En el caso de la FIFA World Cup es relativamente sencillo acceder a conjuntos de datos de interés que reflejen el ranking FIFA de cada selección, estadísticas de jugadores, resultados históricos de los equipos, porcentajes casas de apuestas, ventajas por ser anfitrión, jugar en el mismo continente e incluso el PIB de cada país o su población, un largo etcétera de posibilidades/variables pueden interferir en el devenir de la competición y deben tomarse en cuenta (o no)
Una vez se recopilan los distintos conjuntos de datos, debe elegirse un modelo Machine Learning sobre el que trabajarlos / combinarlos. Y a partir de aquí, el analista de datos debe empezar a retorcer fórmulas, realizar cribas, afinar modelos etc para que los datos trabajen sobre un escenario que refleje de la forma más fiel posible el escenario real. Sí, esto se ha dicho rápido y es donde realmente aparece la magia, pero nuestros expertos son quienes mejor pueden explicar este tipo de detalles y pronto lo harán en una nueva entrada del blog.
Existen infinidad de algoritmos sobre los que trabaja Machine Learning, y constantemente no dejan de aparecer nuevas fórmulas. Pero hasta el momento, todos ellos se basan en la combinación de los siguientes 3 modelos.
- Representación: Se encarga de representar el conocimiento; árboles de decisión, modelos gráficos, redes neuronales, vectores…
- Evaluación: Es la parte que evalúa las hipótesis planteadas; precisión, error, probabilidades, márgenes de acierto…
- Optimización: El modo en el que se genera el proceso de búsqueda; optimización combinatoria, restringida…
Y dentro de los tipos de modelo de Machine Learning existen:
Machine learning supervisado: El algoritmo trabaja sobre datos etiquetados y un histórico, aprendiendo a asignar un valor de salida.
Machine learning no supervisado: No se dispone de datos “etiquetados”. Únicamente se puede describir la estructura de los datos.
Machine learning de refuerzo: Se sitúa entre los dos anteriores modelos: existe alguna forma de retroalimentación disponible para cada paso o acción predictiva, pero no hay etiqueta precisa o mensaje de error.
Predicciones IA en la FIFA World Cup 2018
Desde el periódico el País han realizado su propio modelo para tratar de adivinar el ganador del torneo. Utilizando un ranking basado en el sistema de puntuación ELO, un método matemático basado en cálculo estadístico para calcular la habilidad relativa de los jugadores.
Las universidades de Dortmund, Munich y Ghent se han unido en un proyecto centrado en descubrir que seleccionar saldrá campeona este verano. Su modelo recoge datos que van desde un puntuaje para valorar cuantos jugadores de un equipo comparten club, hasta el PIB de cada país.
Goldman Sachs también ha querido hacer sus pronósticos para el evento, y se ha centrado en los atributos tanto de las selecciones como de los jugadores a nivel individual, con especial énfasis a las capacidades goleadoras. Tras realizar un millón de simulaciones han presentado el siguiente cuadro, en el que ya podemos ver algunos errores, como la clasificación de Polonia y Arabia Saudí.
Y para finalizar, pensando en aquellos que no podéis esperar para saber más sobre que sucede en los bastidores de estas predicciones, os dejamos un artículo de Gerald Muriuki en el que muestra paso a paso todo el proceso que él ha llevado a cabo para obtener los resultados de todo el torneo. Aquí va su predicción sobre las semifinales y la final del torneo, que ganaría Brasil a Alemania por un porcentaje ajustado del 0.421.
Como ya hemos dicho antes, el machine learning aplicado a los eventos deportivos deja intuir su enorme potencial en entornos empresariales. Pero el deporte en si, se forma de una serie de variables impredecibles y ese es parte de su atractivo. Dicho esto, si esta entrada a servido para iluminar el camino de algún apostante en la World Cup 2018, puede contactarnos mediante nuestros canales habituales y hacernos llegar cierta porción del pastel obtenido 😉
