Qual a probabilidade de uma IA prever a Copa?

Luiz Gustavo Pacete
27 de junho de 2018 - 8h23

De acordo com o sistema de inteligência artificial do Goldman Sachs, o Brasil será campeão da Copa da Rússia (Crédito: Commons Wiki)

Na semana do início da Copa da Rússia, o sistema de inteligência artificial (IA) do banco Goldman Sachs apontou que o Brasil será o campeão do torneio mundial. De acordo com a empresa, o sistema utilizou dados de desempenho individual de cada jogador e também a performance da seleção.

relacionado

Bradesco: como humanizar um chatbot

Esses dados foram utilizados para alimentar quatro modelos de aprendizado que comparou os resultados com todas as partidas das edições da Copa a partir de 2005. No mesmo levantamento, o sistema do Goldman Sachs apontou que Alemanha, Portugal e França chegariam à semifinal.

Na Copa de 2014, o Goldman Sachs acertou 10 das 16 seleções que estavam nas oitavas de final; 1 dos 2 finalistas – eles deram Brasil e Argentina e foi Alemanha e Argentina; e só acertaram 3 jogos o placar inteiro. Vale lembrar que, este mesmo sistema apontou o Brasil como campeão da Copa de 2014.

A pedido de Meio & Mensagem, Andre Miceli, coordenador do MBA em Marketing Digital da FGV, analisou as possibilidades de um sistema de IA prever os resultados. “O grande barato dessa história é ver que apesar de tudo o fator humano ainda continua sendo o principal diferencial do sucesso”, explica.

relacionado

Os CMOs estão prontos para a inteligência artificial?

Critérios e padrões
Todos os algoritmos e modelos de previsão simulam disputas considerando os critérios que seus criadores entendem que são os mais importantes para que um resultado aconteça. É claro que os critérios não são definidos aleatoriamente. As séries históricas ajudam neste processo, mas no fim das contas as equipes escolhem o que acham mais importante. Não podemos esquecer que são apenas modelos probabilísticos. Indicam o percentual de chance de um resultado acontecer.

Motivações da previsão
Para analisar este tipo de previsão é importante que a gente compreenda as motivações de quem a fez. O Goldman Sachs é um grupo financeiro. A motivação neste caso é porque eles usam uma análise que considera a variação de análises combinatórias e traçam infinitos e múltiplos cenários. Esse modelo é o mesmo que o Goldman Sachs usa para fazer análise gráfica do mercado de ações e, de alguma maneira, recomendar a compra ou venda desses ativos em um determinado valor.

relacionado

O que o machine learning já faz pelas marcas

Bolão como aprendizado
Muito provavelmente se você for olhar as pessoas que fizeram bolão vai encontrar números parecidos, não muito diferentes. Por que, no fim das contas, as análises baseadas em séries históricas, quando falam de esporte, acabam privilegiando aquelas seleções que sempre ganham, que são mais ou menos aquelas que têm na nossa cabeça. Salvo uma zebra ou outra, a gente tende a privilegiar em uma aposta aquele time que tem mais história, aquele time que é mais vencedor. Então as casas de apostas usam uma lógica parecida para determinar a bolsa que vão pagar e a gente também usa essa mesma lógica para fazer um bolão, uma ação totalmente trivial.

Outras metodologias
Existe uma outra análise interessante de se fazer que é a análise dos pontos móveis. Na prática o que se faz é usar um software de big data que analisa a dificuldade de cada jogada possível, baseando-se nos movimentos que os jogadores que estão sendo analisados fazem na maior parte das vezes. Evidentemente também trata-se de um modelo de probabilidade, então a análise é baseada no que esses jogadores fazem e isso é importante para que, por exemplo, um técnico entenda ou desenhe a sua convocação. Dois grandes players desse segmento são o SAS Institute e SAP HANA e isso ajuda o técnico a fazer as convocações.