O ato de apostar em jogos de azar existe há tanto tempo quanto os próprios jogos. Enquanto houver dinheiro a ser apostado nos resultados incertos desses eventos, os apostadores têm aproveitado a matemática para lhes dar uma vantagem sobre a casa. Como os jogos passaram dos cassinos para o mundo digital, os jogadores estão começando a usar técnicas modernas de computação, especialmente inteligência artificial (IA) e aprendizado de máquina (AM), para aumentar suas chances de ganhar.
Mas isso é uma faca de dois gumes, na medida em que os pesquisadores trabalham para projetar inteligências artificiais capazes de derrotar jogadores profissionais em sua própria especialidade de jogo.
A velocidade com que os sistemas de inteligência artificial aprendem e superam as habilidades de seus oponentes humanos, acelerou em um ritmo assustador nos últimos anos. O famoso computador Watson, da IBM, limpou a mesa no torneio Jeopardy master class em 2011.
O AlphaGo, da divisão DeepMind do Google, bateu o campeão de Go, Fan Hui, há menos de três anos, em 2016. Dois meses depois, o AlphaGo ganhou do jogador profissional sul-coreano de Go, Lee Sedol. E em 2017 ainda conseguiu um recorde de 60 a 0 em partidas online contra alguns dos melhores jogadores do mundo. Também em 2017, o AlphaZero, um braço do AlphaGo, demoliu o campeão mundial de xadrez , Stockfish 8, em uma disputa de 100 partidas, depois de passar apenas quatro horas aprendendo a jogar.
E quando o dinheiro entra no jogo?
A IA provou ser literalmente capaz de derrotar os humanos em seus próprios jogos. Mas sso é verdade quando estamos com poucas fichas e o dinheiro real está envolvido? O sistema Libratus, da Carnegie Mellon University, mostrou em 2017, que a resposta continua sendo um retumbante SIM.
Os jogadores profissionais de poker Jason Les, Dong Kyu Kim, Daniel McAulay e Jimmy Chou passaram 20 dias jogando mãos de US$120 mil no Texas Hold’em (uma modalidade do Poker) contra a IA, mas, no fim, acabaram perdendo por uma margem de mais de US$ 1,76 milhão.
“No começo, perdemos o primeiro dia”, disse Les. “Mas depois, lutamos quase de igual para igual. Estávamos muito confiantes!” Mas a confiança não foi suficiente para deter o avanço do jogo. “O sistema continuou melhorando a cada dia, e começamos a ficar para trás”.
A perda foi sentida por Les e Kim que, dois anos antes, perderam as calças para outro sistema de IA de poker, o Claudico. Mesmo que os humanos tentassem aplicar as lições de aprendizado de máquina colhidas no torneio original, o resultado foi outro banho de sangue. O sistema de IA ganhou por uma margem gigantesca depois que mais de 36 mil mãos foram jogadas.
“As pessoas pensam que o blefe é muito humano – acontece que isso não é verdade”, disse Noam Brown, coautor da Libratus. “Um computador pode aprender com a experiência que, se tiver uma mão fraca, ainda assim poderá ganhar dinheiro se blefar. A mentira também usa lógica, portanto, um sistema de IA aprende facilmente isso”, explica Brown. E finaliza: “Ela sempre é descoberta no final, mas em um jogo de poker, blefar, que não deixa de ser uma mentira, faz parte das regras”.
A IA pode prever resultados também em outros esportes
Com esses modelos de sistemas, os clubes e os gerentes de cassinos podem dimensionar melhor seus oponentes e formular estratégias melhores para ganhar mais partidas, enquanto as apostas de campeonatos e os apostadores individuais podem estimar com mais precisão o resultado do jogo antes do tempo.
“Na previsão, um grande número de recursos pode ser coletado, incluindo o desempenho histórico das equipes, resultados de partidas e dados sobre jogadores”, explicam os pesquisadores, “para ajudar diferentes interessados a entender as chances de ganhar ou perder partidas futuras”.
Hoje em dia, com o Big Data, as estatísticas estão em todo lugar e em grande volume. Além dos gols ou pontos, são coletados também faltas, cartões, escanteios, lesões, quem se lesou, quem substituiu, saldo de chutes a gol, passes e qualquer outro número ou dado que você imagine. E dentro das categorias, também é feito a coleta. Por exemplo, dentro de gols, são colhidos quantos gols foram feitos de falta, de fora da área, de escanteio e etc..
Nos EUA, que são viciados em estatísticas, esses dados ficam disponíveis nos sites de ligas de beisebol, futebol, futebol americano, tênis e qualquer outro esporte que você imaginar. Com tantos dados disponíveis gratuitamente, não é surpresa que vários empreendedores já estejam alavancando a inteligência artificial e o aprendizado de máquina para realizar proezas aparentemente impossíveis de análise preditiva de esportes. A Stratagem, com sede no Reino Unido, por exemplo, está treinando um sistema de inteligência artificial para extrair padrões de partidas de futebol, beisebol e tênis e usar esses dados para fazer melhores apostas.
Atualmente, a empresa emprega analistas humanos para acompanhar as partidas. A seguir, ela combina os dados com as probabilidades de uma variedade de agenciadores de apostas para melhorar as suas próprias apostas. Mas a companhia também está desenvolvendo uma rede neural aprofundada para realizar a mesma tarefa em tempo real, simplesmente observando várias transmissões de partidas.
Ainda mais impressionantes são as previsões feitas pela IA Unanimous. Em 2016, a empresa lançou sua plataforma de inteligência chamada “swarm intelligence”, que “permite que os grupos se unam como enxames online, combinando seus pensamentos, opiniões e intuições em tempo real para responder perguntas, fazer previsões e tomar decisões, “como uma inteligência coletiva unificada”, de acordo com um comunicado de imprensa. A Unanimous conseguiu um feito impressionante no Kentucky Derby daquele ano. A empresa previu corretamente quais quatro cavalos cruzariam a linha de chegada primeiro, ganhando apostas que chegavam a proporção de 540 para 1.
No mês de fevereiro seguinte, o sistema da Unanimous previu corretamente o resultado do Super Bowl LI – até a pontuação final precisa de 34-28 – e depois escolheu corretamente 11 dos 18 vencedores do Oscar daquele ano.
Se as capacidades dos sistemas de IA e aprendizado de máquina continuarem a melhorar – e é provável que vá melhorar muito ainda – essa tecnologia pode derrubar fundamentalmente o mundo das apostas esportivas profissionais. No entanto, ainda existem limitações para o que esses sistemas podem realizar. Por exemplo, as plataformas preditivas atuais não têm um meio de explicar o entrosamento de um time, o quanto os jogadores têm empatia uns com os outros ou quando mudam de atitudes dependendo do momento do jogo.
Mas isso já é um dos futuros avanços, que complementam a IA, e já tem nome: visão de máquina. Esse mecanismo tornará as previsões ainda mais potentes.
Digamos, por exemplo, que um jogador de futebol se machuque gravemente depois de levar uma pancada forte no joelho. Atualmente, os algoritmos existentes não podem levar em conta sua lesão e atualizar suas chances, pelo menos não até que os resultados do médico da equipe sejam relatados. Mas com a visão de máquina, os futuros sistemas podem ser capazes de descobrir a seriedade de sua lesão, simplesmente medindo o quanto ele está fazendo caretas de dor.
Por fim, essa tecnologia alcançará uma singularidade na qual usaremos análises conduzidas por IA, aprendizado de máquina e visão de máquina para fazer apostas em tempo real em partidas decisivas. Pelo menos, assim, teremos alguma sorte a mais nas apostas.
Tags: