Pedimos a la IA Pronosticar Resultados Del Torneo de la NCAA: ¡Acierta 75%!

El March Madness ya está aquí, con el mundo occidental obsesionado con analizar y elegir cómo se desarrollará el torneo de baloncesto masculino de la NCAA, una tarea que la liga deportiva dice que tiene probabilidades de una entre 9.223.372.036.854.775.808. Sin embargo, las probabilidades de 1:9.2 quintillones asumen una probabilidad del 50-50 para cada enfrentamiento, tan fácil como lanzar una moneda al aire.

Cada equipo y partido trae innumerables variables, y eso es lo que hace que las predicciones del March Madness sean tan absorbentes para los fanáticos (y los apostadores). Es mucha información para que los humanos la procesen, pero ¿qué tal lo haría la inteligencia artificial?

Venciendo las probabilidades

Después de los primeros ocho juegos, menos del 2,5% de los brackets (cuadros de clasificación) permanecen perfectos, dice la NCAA; el mayor "rompecorazones de brackets" del primer día fue el tercer clasificado Kentucky perdiendo el jueves por 4 puntos contra Oakland U, 80-76.

En realidad, si cada persona que ha vivido en la Tierra desde el amanecer de los tiempos completara un cuadro diferente, seguiría existiendo una probabilidad del 99,9999999883% de que nadie acertara a todos los ganadores. Si hubieras creado un cuadro único cada segundo que ha transcurrido desde el Big Bang, seguiría habiendo una probabilidad efectivamente nula de obtener una puntuación perfecta.

Frente a eso, tienes una probabilidad comparativamente alta de ganar la lotería.

La IA entra en acción

Hasta ahora, nadie ha acertado un cuadro perfecto. Al menos ningún humano lo ha hecho. El aprendizaje automático o machine learning ha sido utilizado durante mucho tiempo para ayudar en este esfuerzo, pero ahora la IA ha avanzado a un ritmo explosivo.

Google, una empresa que normalmente no suele promover las apuestas o el juego, ha estado investigando y compartiendo hallazgos relacionados con las predicciones de la March Madness durante años. El gigante tecnológico tiene una sección completa dedicada a enseñar cómo utilizar Google Cloud para analizar los datos del baloncesto universitario de la NCAA. Esto permite a las personas investigar diversas variables, comparar métricas de rendimiento de los juegos, descargar estadísticas completas de jugadores y equipos, y más.

Google incluso ha sido un socio oficial del torneo de baloncesto masculino de la NCAA, compartiendo herramientas de análisis de datos para el mayor espectáculo deportivo anual de Estados Unidos como un caso de uso de IA en análisis de big data en 2020.

Escogiendo una IA para elegir ganadores

La IA ha avanzado desde entonces a un ritmo explosivo, y hay muchas formas de aprovechar la inteligencia artificial para la bracketología: podrías procesar montones de datos según tu propia metodología, confiar en el trabajo de otro, o incluso entrenar tu propio modelo desde cero.

Optamos por el camino más fácil y consultamos a ChatGPT. Entre los muchos GPTs expertos en baloncesto disponibles, elegimos "March Madness Bracket Buster Bot" porque fue el único que mostró un análisis estadístico real detrás de sus predicciones.

Alerta de spoiler, perdimos la racha perfecta el primer día.

Este:

• Florida Atlantic vs. Northwestern: Esto podría ser ajustado, pero me inclino hacia Northwestern con su juego equilibrado. Correcto!
• Illinois vs. Morehead St.: La semilla de Illinois sugiere que son el equipo a vencer en este partido. Correcto!
• Washington St. vs. Drake: Washington St. parece estar listo para salir adelante con su fuerte siembra. Correcto!
• Iowa St. vs. South Dakota St.: La siembra y la línea estadística de Iowa St. dicen que seguirán bailando. Correcto!
• BYU vs. Duquesne: BYU podría tener la ventaja con su ofensiva dinámica. Incorrecto.
• UConn vs. Stetson: La potencia definitivamente está fluyendo a través de UConn aquí, y esperaría que avancen.
• San Diego St. vs. UAB: San Diego St. tiene la capacidad defensiva para frenar a UAB.
• Auburn vs. Yale: Auburn debería dominar este enfrentamiento académico en la cancha.

Oeste:

• North Carolina vs. Wagner: La historia y las estadísticas de North Carolina dicen que avanzarán. Correcto!
• Dayton vs. Nevada: El juego consistente de Dayton durante toda la temporada los convierte en la elección aquí. ¡Correcto!
• Arizona vs. Long Beach St.: El ranking y las estadísticas de Arizona los convierten en los claros favoritos. ¡Correcto!
• Mississippi St. vs. Michigan St.: Mississippi St. tiene una buena oportunidad, pero va a ser de infarto. ¡Incorrecto!

Sur:

• Texas Tech vs. NC State: El seed más alto de Texas Tech apunta a la victoria. ¡Incorrecto!
• Houston vs. Montana: Houston es el equipo a vencer con su impresionante seed.
• Wisconsin vs. James Madison: Wisconsin es el favorito aquí, gracias a su potente alineación.
• Duke vs. Vermont: Duke probablemente demostrará por qué son una potencia perenne.

Medio Oeste:

• Gonzaga vs. McNeese St.: La trayectoria de Gonzaga en March Madness debería llevarlos a la victoria. ¡Correcto!
• Kansas vs. Sanford: Kansas no debería tener problemas para avanzar más allá de Sanford. ¡Correcto!
• Creighton vs. Akron: La siembra más alta de Creighton debería marcar la diferencia. ¡Correcto!
• Texas vs. Colorado St.: Las estadísticas de Texas sugieren que van a asegurar una victoria aquí. ¡Correcto!
• Tennessee vs. Saint Peter's: La impresionante siembra y estadísticas de Tennessee los convierten en la elección. ¡Correcto!
• South Carolina vs. Oregon: Esto podría ser un cara o cruz, pero es posible que South Carolina se cuele. ¡Incorrecto!

Segundas y terceras opiniones

Otros modelos de IA proporcionaron resultados diferentes, aunque muchos de ellos estuvieron de acuerdo en ciertos resultados, como BYU venciendo a Duquesne, lo cual no se concretó ayer. La imprevisibilidad de los humanos prevalece una vez más. Duquesne ciertamente venció las probabilidades al lograr su primera victoria en medio siglo, a pesar de que muchas de las estadísticas de ESPN favorecían a BYU por un amplio margen.

También revisamos Kaggle.com, una plataforma para competiciones de ciencia de datos y una comunidad en línea de científicos de datos y profesionales de aprendizaje automático, para ver si había algo para "bracketologists"—y de hecho lo había. Un modelo de aprendizaje automático publicado por Nishaan Amin analizó 153 MB de archivos de datos con docenas de gráficos y miles de estadísticas e información. El repositorio ha sido revisado más de 4.000 veces hasta hoy.

Esto te permite adaptar el modelo y analizar lo que consideres importante, ajustándolo a tu estilo. El propietario compartió sus propias predicciones. El modelo dice que UConn ganará el torneo después de vencer a Purdue, pero insinúa que Connecticut tiene la oportunidad de vencer a Purdue antes de la final.

El modelo también proporciona una simulación de un cuadro de sorpresas con diferentes parámetros y resultados para aquellos a quienes les gustan las alternativas:

Por supuesto, predecir el comportamiento humano, ya sea para la elaboración de cuadros, sabermetría o análisis técnico, es una ciencia inexacta. Los modelos analizan el rendimiento pasado y hacen predicciones en condiciones de "ceteris paribus": el resultado más probable si todo sucede bajo las mismas circunstancias que antes.

Un modelo de machine learning puede analizar enormes cantidades de datos y encontrar patrones que pueden estar ocultos ante nuestros ojos, comprendiendo la relación entre cientos o incluso miles de variables. Pero ningún modelo o metodología puede prever circunstancias extraordinarias como un tuit de Elon Musk que provoque una caída en picado de todo el mercado de criptomonedas, alguien que tenga una crisis existencial y venda una gran posición de criptomonedas, un equipo que se eleve gracias a la energía de sus seguidores, la lesión inoportuna de un jugador estrella, o jugadores con resaca después de una fiesta masiva.

Entonces, la IA no resolverá los problemas que solo las máquinas del tiempo pueden resolver. Al final, eso es lo que hace que los deportes sean tan cautivadores: las historias de los débiles venciendo a los favoritos, las sorprendentes derrotas de los mas grandes, las variables desconocidas que desafían las probabilidades. Ya fallamos en nuestro primer día después de elegir a BYU. Pero a veces David vence a Goliat, lanzando una piedra para derribar a un gigante blindado. Eso probablemente sucedió en marzo.

Editado por Ryan Ozawa.