איך בינה מלאכותית חוזה משחקי כדורגל

"AI חוזה את המשחק" הוא משפט שיווקי שלא אומר כלום. כדי שהוא יאמר משהו, צריך לענות על שלוש שאלות: אילו מודלים, על אילו נתונים, ואיך יודעים שההסתברויות שיוצאות מהם שוות משהו.

הנה התשובות, בלי קסם.

הרכיב הראשון: דירוגי אלו

אלו הוא מנגנון פשוט שמחזיק לכל קבוצה מספר יחיד שמייצג חוזק. אחרי כל משחק, המנצחת לוקחת נקודות מהמפסידה. כמה — תלוי בפער הדירוג ובהפרש השערים.

שלוש החלטות מעשיות משנות את התוצאה הרבה יותר מהנוסחה עצמה:

• גודל העדכון. אנחנו משתמשים ב-K=20. גבוה מדי, והדירוג רודף אחרי כל תוצאה; נמוך מדי, והוא מגיב לאט מדי לשינוי אמיתי.
• יתרון ביתיות פר ליגה. יתרון הבית אינו קבוע עולמי. הוא נאמד מהעונתיים האחרונות של אותה ליגה, ומכווץ לכיוון פריור שמרני כדי שליגה עם מדגם קטן לא תייצר מספר קיצוני.
• רגרסיה בין עונות. בתחילת כל עונה כל הדירוגים נמשכים 25% לכיוון הממוצע. קבוצה שסיימה עונה מצוינת לא פותחת את הבאה מאותה נקודה, כי ההרכב, המאמן והמוטיבציה השתנו.

אלו טוב בלענות "מי חזקה יותר". הוא לא יודע לומר "כמה שערים".

הרכיב השני: פואסון

התפלגות פואסון מתאימה לספירה של אירועים נדירים יחסית בפרק זמן — בדיוק כמו שערים בתשעים דקות.

לכל קבוצה מחושבים שני יחסים מול ממוצע הליגה: יחס התקפה ויחס הגנה. מהם נגזר קצב הכיבוש הצפוי:

קצב ביתי  = ממוצע שערי הבית בליגה × התקפת הבית × הגנת החוץ
קצב חוץ   = ממוצע שערי החוץ בליגה × התקפת החוץ × הגנת הבית

שתי נקודות טכניות שקובעות אם זה עובד:

• דעיכה בזמן. משחק מלפני חודשיים שווה יותר ממשחק מלפני שנתיים. משקל של 0.0065 ליום בתוך חלון של 730 יום נותן את הדירוג הזה. משחקים ישנים לא נעלמים, הם פשוט שוקלים פחות.
• כיווץ. קבוצה עם מעט משחקים נמשכת לכיוון 1.0, כלומר לכיוון ממוצע הליגה. בלי זה, קבוצה שכבשה חמישה שערים בשני משחקים הייתה מקבלת התקפה אגדית.

היחסים מחושבים פר ליגה. אין השוואה ישירה בין התקפה בליגה אחת להתקפה בליגה אחרת.

מהקצבים נבנית מטריצת תוצאות: ההסתברות לכל תוצאה אפשרית. משם נגזרות ההסתברויות לניצחון, תיקו והפסד — וגם שוקי השערים כמו מעל/מתחת ושני הצדדים כובשים.

הרכיב השלישי: תיקון דיקסון-קולס

לפואסון יש בעיה ידועה: הוא מניח שכמות השערים של כל קבוצה בלתי תלויה בשל השנייה. במציאות זה נכשל דווקא בתוצאות הנמוצות.

תוצאות 0-0, 1-0, 0-1 ו-1-1 מופיעות בתדירות שונה ממה שפואסון הטהור צופה. דיקסון-קולס מוסיף פרמטר תיקון שמכוון מחדש בדיוק את ארבע התאים האלה. הפרמטר נאמד מהנתונים ולא נקבע ידנית.

זה תיקון קטן במראה, אבל התאים האלה הם בדיוק המקום שבו נחתכות הסתברויות התיקו.

הרכיב הרביעי: gradient boosting

שלושת הראשונים הם מודלים מבניים: הם מניחים צורה ומתאימים לה פרמטרים. הרביעי לא מניח כלום ולומד מהנתונים.

מודל ה-boosting מקבל מאפיינים שנגזרים מהמודלים האחרים ומההיסטוריה: הדירוגים, יחסי ההתקפה וההגנה, הקצבים, הפרש שערים בחמישה משחקים אחרונים, ימי מנוחה, כושר מותאם לחוזק היריב, שיעור התיקו, יתרון הבית וגודל המדגם.

שתי הגבלות שאנחנו מטילים על עצמנו:

1. מחירי שוק אינם מאפיין. נקודה. אם היו, המודל היה לומד לחקות את השוק וכל פער היה נעלם.
2. רגולריזציה חזקה. מודל boosting לא מרוסן על נתוני כדורגל ילמד את הרעש. פחות עומק, יותר עונש.

איך מחברים ארבעה מודלים לאחד

לא בממוצע פשוט. המשקלים נמצאים בחיפוש רשת שממזער log-loss — מדד שמעניש בחומרה ביטחון שגוי — על עונות קודמות בלבד. המשקלים לעונה מסוימת נקבעים רק ממה שקדם לה.

אחרי השקלול מגיע השלב שאנשים מדלגים עליו: כיול. ההסתברות הגולמית של הרכב מודלים כמעט תמיד מוטה — לרוב לוקה בביטחון יתר בקצוות. רגרסיה איזוטונית ממפה מחדש את הפלט כך שהסתברות של 60% תתקיים בכ-60% מהמקרים. הכיול מופעל לכל תוצאה בנפרד וקורה רק כשיש מדגם של 300 מקרים ומעלה.

איך יודעים שאין דליפה

הכשל הכי נפוץ במודלים ספורטיביים הוא דליפת מידע: המודל מאומן, בלי כוונה, על נתונים שלא היו קיימים בזמן החיזוי. התוצאה היא בדיקה אחורית מרשימה ומודל חסר ערך.

שתי הגנות פעילות:

• בניית המאפיינים מקבלת חותמת זמן ומפילה שגיאה אם מאפיין כלשהו מתוארך באותו רגע או אחריו.
• הבדיקה האחורית מתקדמת עונה-אחר-עונה. המשקלים, פרמטר התיקון והכיול לעונה מסוימת נלמדים רק מהעונות שקדמו לה.

מה הבדיקה האחורית מראה — כולל מה שלא נעים

הבדיקה רצה על חמש ליגות אירופיות מובילות לאורך מספר עונות, בשיטת התקדמות בזמן. שתי מסקנות:

• ההרכב מגיע לדיוק שנע סביב 52%–53% בקבוצות הבדיקה השונות.
• מחיר הסגירה של השוק עדיין טוב יותר מההרכב בכ-0.02 עד 0.03 ב-log-loss.

המספר השני הוא זה שחשוב. הוא אומר שהשוק, אחרי הסרת מרווח, הוא מעריך הסתברות מצוין — ושמודל שמתיימר לנצח אותו באופן גורף מוכר סיפור. הבדיקה המלאה, כולל הטבלה עם התוצאות לכל עונת בדיקה, מוצגת כמו שהיא בעמוד הביצועים.

זו בדיוק הסיבה שהמוצר בנוי סביב סלקטיביות ולא סביב כמות: לפעול רק היכן שהפער בין המודל למחיר גדול מספיק כדי לשרוד את הפער הזה.

ביטחון, איכות נתונים ומה שלא ידוע

שני מספרים נוספים מלווים כל הסתברות.

ציון ביטחון משקלל ארבעה גורמים: הסכמה בין המודלים (35%), אמינות הכיול (30%), איכות הנתונים (20%) וגודל המדגם (15%). הוא לא מודד את אותו דבר כמו ההסתברות.

ציון איכות נתונים נבנה ממקורות עם משקלים קבועים: היסטוריה 35, עומק מחירים 15, xG 15, הרכבים 15, נתוני שחקנים 10, פציעות 5 וחדשות 5. משחק שיש עליו רק תוצאות ושני מקורות מחיר מגיע לכ-41 — "מוגבל". מתחת ל-40 המשחק מסומן במפורש כדל נתונים.

יש גם דברים שהמודל עוד לא יודע לעשות. רדאר ההפתעות ממתין לנתוני שחקנים והרכבים; שוקי השערים מתפרסמים רק כשלשתי הקבוצות יש לפחות 20 משחקי היסטוריה. איפה שאין בסיס, אין מספר.

מה לעשות עם ההסבר הזה

הבינו שהמספר שאתם רואים אינו נבואה אלא אומדן עם טווח שגיאה, ושהערך שלו נמדד לא במשחק אחד אלא במאות. אם רוצים לבדוק את הטענה הזו, הרשומה המאומתת מציגה כל תחזית שיושבה — פגיעות והחטאות — עם חותמת זמן וחתימה, ומכונת הזמן מאפשרת לבחון איך המודל ראה משחקים בעבר.

שאלות שכדאי לשאול כל מודל, לא רק את שלנו

אם מישהו מציג לכם "מודל AI לכדורגל", יש חמש שאלות שמפרידות בין מוצר לבין מצגת. אף אחת מהן אינה טכנית מדי כדי לשאול.

1. האם מחירי השוק הם מאפיין במודל? אם כן, המודל לא באמת מייצר הערכה עצמאית — הוא מייצר גרסה מוחלקת של השוק. הוא עדיין יכול להיות שימושי, אבל כל "פער" שהוא מוצא הוא בעיקר רעש סביב הקונצנזוס.

2. איך נבחרו הפרמטרים? אם המשקלים נבחרו על אותם נתונים שעליהם מדווח הדיוק, המספר חסר משמעות. חייבת להיות הפרדה קפדנית: מה שנלמד מעונה מסוימת לא נמדד עליה.

3. האם ההסתברויות מכוילות? אחוז פגיעה גבוה ניתן להשגה בקלות על ידי חיזוי מועדפות מובהקות בלבד. השאלה האמיתית היא אם 60% פוגע ב-60%.

4. מה קורה כשאין נתונים? מודל שמייצר מספר לכל משחק, גם כשאין היסטוריה ואין עומק מחירים, ממציא ביטחון. מודל שאומר "כאן אין לי מספיק" נותן לכם מידע אמיתי.

5. איפה רשומות ההחטאות? זו השאלה הכי פשוטה והכי חושפנית.

מה המודל עדיין לא עושה

יושר מקצועי דורש גם רשימת חסרים, ולא רק רשימת יכולות.

• xG עדיין לא נכנס כמאפיין מלא. הנתון קיים בחלק מהמקורות לעונות האחרונות והוא נספר בציון איכות הנתונים, אבל שילובו כמאפיין במודל הוא צעד שעוד לפנינו.
• זמינות שחקנים והרכבים אינם משפיעים כרגע על ההסתברות עצמה. הם משפיעים על ציון איכות הנתונים ועל תקציב אי-הוודאות — כלומר הם יכולים להפוך פער לפחות ראוי לפעולה, אבל הם לא מזיזים את המספר.
• כוונון פר ליגה של קצב העדכון ושל דעיכת הזמן נעשה כרגע בערכים גלובליים. ליגות שונות מתנהגות אחרת, וזה משאיר דיוק על השולחן.
• רדאר ההפתעות ממתין לאותם נתוני שחקנים. רדאר התיקו כן פעיל, והוא נגזר מהסתברות התיקו מול נורמת הליגה, ממטריצת השערים ומקרבת הדירוגים.

הרשימה הזו קיימת כי מודל שאין לו רשימת חסרים כנראה לא נבדק מספיק.

---

18+. WinPIQ הוא כלי ניתוח מידע בלבד — לא ייעוץ, לא הבטחה ולא תחליף לשיקול דעת. הימורים עלולים להוביל להתמכרות ולהפסד כספי. שחקו רק בסכומים שאתם יכולים להרשות לעצמכם להפסיד, ואם ההימורים מפסיקים להיות בידור — פנו לעזרה. WinPIQ אינה קשורה ל-Winner או למועצה להסדר ההימורים בספורט.