人工知能 (AI) の発展と、AI を使用して現実世界の問題を解決する方法について、多くのことが語られてきました。
特にギャンブルの世界では、AI が役立つ可能性のある一般的な分野がいくつかありますが、先に進む前に、AI とは何か、またその仕組みを理解することは役に立ちます。
人工知能とは
AI は、他のコンピューター プログラムと同様に、一連の命令、アルゴリズムです。 非 AI プログラムとの違いは、 AI は非常に大規模なデータセットを分析して、それらのセット内の変数間のパターンまたは接続を探します.
パターンと思われるものを特定すると、W、X、Y、Z が何らかの形で関連しているなどの仮説を立て、これらの仮説の妥当性を反復してテストし、仮説を継続的に改良します。 あなたが行くように最適なフィット感と「学習」を取得しようとしています.
人工知能は賭けでますます使用されるため、
作業が完了すると、人工知能は確率を付けて予測を行うことができます。たとえば、チャンピオンズ リーグの試合でチェルシーがアヤックスに勝つ確率は 68% です。 試合後、その試合や他の試合のデータを分析し、さらなる予測を行うことができます。
人間は視覚的な形でパターンを見ることができます。 たとえば、私たちの脳は、動いているときでも、大勢の人の顔を個別に認識するように進化してきました。 コンピュータにとって、これは驚くほど難しい作業です。 でも、 人間は何百万ものデータポイントを分析してパターンを探すことができません、人工知能が簡単にできること。
ギャンブルは、オンラインであろうと従来型であろうと、大量のデータを生成します。 プレイヤーの行動とゲームのパフォーマンスの両方に。 従来のテーブル ゲームでは、正確なゲーム データとプレイヤー データを取得するのが難しい場合がありますが、状況は急速に改善されています。
このデータが豊富な環境では、人工知能を使用してゲーム デザインを最適化し、顧客を引き付けたり、 マーケティング キャンペーンを作成する ターゲットグループにアピールする可能性が高く、ユーザーインターフェイスをカスタマイズして、顧客にアピールする可能性のあるゲームのみを表示したり、スロットやカジノゲームからの収益源を最適化したりする.
カジノ フロアは、一部のマシンの変更がカジノ フロア全体でプレイヤーの行動にどのように影響するかを予測することで、総合的に扱うことができます。
AI を使用して、すべての収益源の全体的な収益性を最大化できるでしょうか?
出席している AI スペシャリストは、これは興味深い質問だと考えています。
ギャンブルのテクノロジーと、それを使用して顧客への危害のリスクを最小限に抑える方法を調べた学者は、次のことを示しました。 インド最大のオンライン ラミー サイト、人工知能を使用して、問題のあるギャンブラーである、またはその可能性があるプレーヤーを特定しようとしました.
その課題の XNUMX つは、大量のプレーヤー データがある一方で、問題のあるプレーヤーや潜在的な問題のあるプレーヤーのプールがないことです。 したがって、AI ソフトウェアは、学習するものが何もないため、正確に誰かを識別することはできません。
この課題を克服するために、多くのコンピューター エンジニアが精神科医にインタビューし、問題のある行動を示していると思われる特徴を尋ねました。 この情報を使用して、AI プログラムは誰が問題ギャンブラーであるかを予測することができました。 これらの「問題のあるギャンブラー」のサンプルとのインタビューが続きました。 ギャンブルの問題があると述べている人もいます。
この情報のおかげで、AI プログラムは、問題のあるギャンブラーになる人物を約 60% の確率で予測できるようになりました。 おそらくさらなるインタビューから、より多くのデータが到着するにつれて、彼の予測率が90％以上に改善されることが期待されています.
スポーツ イベントやレースの結果に賭けることが 2.000 年以上も前から行われてきたことは、古代ギリシャで賭けが行われたという証拠があることを知っています。
古代ローマ人はすでにこの慣行を成文化しており、グラディエーターの戦いに賭けることさえ許していました。
今日、賭けはほぼ遍在しており、イベントは膨大な量のデータを生成します。誰が個々のゴールを決め、どのチームが勝ったかだけでなく、管理する賭け予想屋などの「プロの」賭け手によって分析されます。 ミスターズコムメッサのサイト イタリアのブックメーカーに関するヒント、裏技、オッズを毎日公開し、何を誰に賭けるべきかを詳細に説明しています。
AI はこの分野で大きな進歩を遂げ、AI 機械学習プログラムがスポーツ イベントの結果を正しく予測することは非常に簡単であることが判明しました。
人のグループ (群れ) と AI の組み合わせである「群知能」を使用して、より正確な予測と予測を行い、より良い意思決定を支援する企業は、群れを形成するボランティアを常に探しており、開始の 2016 分後に、彼女は、540 年のケンタッキー ダービーで「スーパーフェクタ」を正確に予測することができました。どの馬が 1 レースで 2017 位になるかを予測することができました。 ブックメーカーは、この特定の賭けに 34 対 28 で入札しました。 そして、これがまぐれではないことを証明するために、AI は XNUMX 年のスーパーボウルの勝者だけでなく、最終スコアである XNUMX-XNUMX も予測しました。
この分野の企業は、試合を追跡し、ピッチで起こっていることの詳細を入力する「マッチ アナライザー」の軍隊を採用しています。 次に、これらを賭けの価格に重ね合わせて、賭けの戦略を決定します。 ビジュアル AI の進歩により、マッチが自動的に分析および処理され、より優れた、より高速で正確なデータ ソースが作成され、最終的にはより正確な予測が作成されるため、マッチ アナライザーが不要になるのはそう遠くないでしょう。
これは書店の終焉につながると考える人もいるかもしれませんが、顧客が一定期間にわたって一貫して勝っている場合、ブックメーカーは賭けることができる金額を制限するか、アカウントを閉鎖することを忘れないでください. したがって、このタイプの AI は短命の利点を提供します。
人工知能は、特にスキルが結果の決定要因となるゲームで、勝つためのゲーム戦略を開発するのに理想的です。 1997 年、IBM のチェスをプレイする人工知能である Deep Blue は、チェスのグランドマスター (この場合は Gary Kasparov) を打ち負かした最初のコンピューターでした。 2011 年、質問と回答を処理する IBM の人工知能であるワトソンは、ジェパディのチャンピオンを破り、決勝で 2016 万ドルを獲得しました。 Google がこのゲームに参入するまで、それほど時間はかかりませんでした。 囲碁の AI である AlphaGo は、2017 年の導入以来、目覚ましい勝利を収めてきました。60 年には、XNUMX 勝し、世界最高の囲碁プレイヤーに対して XNUMX 敗もありませんでした。
カーネギー メロンの AI ゲームへの参入である Libratus は、2018 年にプロ ポーカー プレーヤーの Jason Les、Dong Kyu Kim、Daniel McAulay、Jimmy Chou を相手に 1,76 万ドルを獲得しました。 120.000 日間で、彼らは XNUMX ハンド近くのノーリミット テキサス ホールデムをプレイしました。 Libratus は、ウィニング ハンドをうまくプレイする方法を学んだだけでなく、弱いハンドを持っていたときに効果的かつ適切にブラフすることも学びました。
大量の背景知識とスキルを必要とするタスクや、大量のデータの分析を必要とするタスクでは、マシンが人間よりも優れており、高速になっていることは明らかです。 私たちはこれを人工知能と呼んでいますが、実際には知能ではなく、単なるアルゴリズム プロセスです。 機械は何も「知りません」。 AI の良し悪しは、アルゴリズムと AI が処理するデータの品質に左右されます。
