कॉलेज हुप्स के प्रशंसक कृत्रिम बुद्धिमत्ता पर एक आदर्श मार्च मैडनेस ब्रैकेट की अपनी उम्मीदें लगाने से पहले फिर से सोचना चाह सकते हैं।
जबकि रोजमर्रा की जिंदगी में कृत्रिम बुद्धिमत्ता की प्रगति ने “एआई” को पिछले वर्ष के सबसे चर्चित वाक्यांशों में से एक बना दिया है, ब्रैकेटोलॉजी सर्कल में इसका अनुप्रयोग इतना नया नहीं है। फिर भी, वार्षिक ब्रैकेट प्रतियोगिताएं अभी भी कंप्यूटर विज्ञान प्रेमियों के लिए बहुत सारे आश्चर्य प्रदान करती हैं, जिन्होंने पिछले एनसीएए टूर्नामेंट परिणामों के साथ अपने मॉडलों को बेहतर बनाने में वर्षों बिताए हैं।
उन्होंने पाया है कि अकेले मशीन लर्निंग “द बिग डांस” के सीमित डेटा और अनगिनत मानवीय तत्वों को हल नहीं कर सकता है।
“ये सभी चीजें कला और विज्ञान हैं। जर्मनी में रहने वाले डेटा विश्लेषक क्रिस फोर्ड ने कहा, और वे उतने ही मानव मनोविज्ञान हैं जितने कि वे आँकड़े हैं। “आपको वास्तव में लोगों को समझना होगा। और यही इसमें बहुत पेचीदा बात है।”
कैज़ुअल प्रशंसक इस सप्ताह रणनीतिक रूप से यह तय करने में कुछ दिन बिता सकते हैं कि क्या उन्हें सर्वश्रेष्ठ मोजो वाली टीम पर भरोसा करना चाहिए – जैसे कि सिस्टर जीन की 2018 लोयोला-शिकागो टीम जिसने फ़ाइनल फ़ोर में जगह बनाई – या शायद सबसे हॉट-शूटिंग खिलाड़ी की सवारी करें – जैसे स्टीफ़ करी और 2008 में उनका ब्रेकआउट प्रदर्शन जिसने डेविडसन को स्वीट सिक्सटीन तक पहुंचाया।
तकनीकी रूप से इच्छुक पुरुषों और महिलाओं दोनों के एनसीएए टूर्नामेंटों में सभी 67 मैचअप के विजेताओं का चयन करने की तुलना में लक्ष्यों का पीछा करना और भी अधिक जटिल है। वे उथल-पुथल वाले टूर्नामेंट में सफलता की भविष्यवाणी करने के लिए सबसे उद्देश्यपूर्ण मॉडल की खोज में गणितीय कार्यों को ठीक कर रहे हैं। कुछ लोग अपने कोड को सही करने के लिए या टीम के बायोडाटा के किन पहलुओं पर सबसे अधिक ध्यान देना चाहिए, यह तय करने के लिए एआई को सूचीबद्ध कर रहे हैं।
एक आदर्श ब्रैकेट तैयार करने की संभावनाएं किसी भी प्रतिस्पर्धी के सामने खड़ी होती हैं, भले ही उनके उपकरण कितने भी उन्नत क्यों न हों। ड्यूक में गणित और सांख्यिकीय विज्ञान के प्रोफेसर एज्रा मिलर के अनुसार, एक “जानकार प्रशंसक” जो पिछले परिणामों के आधार पर कुछ धारणाएँ बना रहा है – जैसे कि 1-बीज 16-सीड को हरा रहा है – पूर्णता में 2 बिलियन में से 1 मौका है।
उन्होंने कहा, “मोटे तौर पर कहें तो, यह पश्चिमी गोलार्ध में एक यादृच्छिक व्यक्ति को चुनने जैसा होगा।”
मिलर ने कहा कि किसी टीम के जीतने की संभावना निर्धारित करने में कृत्रिम बुद्धिमत्ता बहुत अच्छी हो सकती है। लेकिन मॉडलों के साथ भी, उन्होंने कहा कि “समान रूप से मेल खाने वाले गेम में कौन जीतेगा इसका यादृच्छिक चयन” अभी भी एक यादृच्छिक विकल्प है।
लगातार 10वें वर्ष, डेटा विज्ञान समुदाय कागल “मशीन लर्निंग मैडनेस” की मेजबानी कर रहा है। पारंपरिक ब्रैकेट प्रतियोगिताएं सभी या कुछ भी नहीं हैं; प्रतिभागी प्रत्येक खुले स्लॉट में एक टीम का नाम लिखते हैं। लेकिन “मशीन लर्निंग मैडनेस” के लिए उपयोगकर्ताओं को एक प्रतिशत जमा करना होगा जो उनके विश्वास को दर्शाता है कि एक टीम आगे बढ़ेगी।
कागल लोगों को अपने एल्गोरिदम विकसित करने के लिए पिछले परिणामों से एक बड़ा डेटा सेट प्रदान करता है। इसमें टीम के फ्री-थ्रो प्रतिशत, टर्नओवर और सहायता की जानकारी के साथ बॉक्स स्कोर शामिल हैं। उपयोगकर्ता उस जानकारी को एक एल्गोरिदम में बदल सकते हैं ताकि यह पता लगाया जा सके कि कौन से आंकड़े टूर्नामेंट की सफलता के बारे में सबसे अधिक पूर्वानुमानित हैं।
“यह एक निष्पक्ष लड़ाई है। ऐसे लोग हैं जो बास्केटबॉल के बारे में बहुत कुछ जानते हैं और जो वे जानते हैं उसका उपयोग कर सकते हैं, ”सांख्यिकीय शतरंज विश्लेषक जेफ सोनस ने कहा, जिन्होंने प्रतियोगिता को खोजने में मदद की। “यह उस व्यक्ति के लिए भी संभव है जो बास्केटबॉल के बारे में बहुत कुछ नहीं जानता है लेकिन भविष्यवाणी करने के लिए डेटा का उपयोग करना सीखने में अच्छा है।”
फोर्ड, पर्ड्यू का प्रशंसक जिसने पिछले साल सबसे छोटी डिवीजन I पुरुष टीम को पहले दौर में अपने बॉयलरमेकर्स को चौंकाते हुए देखा था, इसे एक अलग दिशा में ले जाता है। 2020 से, फोर्ड ने यह अनुमान लगाने की कोशिश की है कि कौन से स्कूल 68-टीम क्षेत्र बनाएंगे।
फोर्ड ने कहा कि 2021 में, जो उनका सबसे सफल वर्ष है, मॉडल ने पुरुष वर्ग में 66 टीमों का सही नाम दिया है। वह आठ अलग-अलग मशीन लर्निंग मॉडल की एक “नकली समिति” का उपयोग करता है जो समान इनपुट के आधार पर थोड़ा अलग विचार करता है: एक टीम के लिए शेड्यूल की ताकत और कठिन विरोधियों के खिलाफ गुणवत्ता की जीत की संख्या, कुछ का नाम लें।
सिरैक्यूज़ यूनिवर्सिटी में स्पोर्ट्स एनालिटिक्स के प्रमुख यूजीन तुल्यागिज्जा ने कहा कि उन्होंने अपना खुद का मॉडल तैयार करने में एक साल का खाली समय बिताया। उन्होंने कहा कि उन्होंने टीम की 3-पॉइंट दक्षता जैसे आंकड़ों के आधार पर सफलता के पैटर्न खोजने के लिए एक गहरे तंत्रिका नेटवर्क का उपयोग किया।
उनके मॉडल ने गलत भविष्यवाणी की थी कि 2023 पुरुषों के फ़ाइनल फोर में एरिज़ोना, ड्यूक और टेक्सास शामिल होंगे। लेकिन इसमें UConn को सही ढंग से शामिल किया गया। जैसे ही उन्होंने मॉडल को एक और वर्ष की जानकारी के साथ समायोजित किया, उन्होंने कुछ ऐसे मानवीय तत्वों को स्वीकार किया जिन पर कोई भी कंप्यूटर कभी विचार नहीं कर सकता था।
“क्या खिलाड़ियों को कल रात पर्याप्त नींद मिली? क्या इससे खिलाड़ी के प्रदर्शन पर असर पड़ेगा?” उसने कहा। “व्यक्तिगत बातें चल रही हैं – हम अकेले डेटा का उपयोग करके कभी भी इसमें समायोजन नहीं कर सकते हैं।”
कोई भी विधि कोर्ट पर खेल के प्रत्येक प्रासंगिक कारक को एकीकृत नहीं करेगी। डेविडसन ब्रैकेटोलॉजी विशेषज्ञ टिम चार्टियर ने कहा, मॉडलिंग और अंतर्ज्ञान के बीच आवश्यक संतुलन “स्पोर्ट्स एनालिटिक्स की कला” है।
चार्टियर ने 2009 से ब्रैकेट्स का अध्ययन किया है, एक ऐसी विधि विकसित की है जो काफी हद तक घरेलू/बाहर रिकॉर्ड, सीज़न के दूसरे भाग में प्रदर्शन और शेड्यूल की ताकत पर निर्भर करती है। लेकिन उन्होंने कहा कि एनसीएए टूर्नामेंट के ऐतिहासिक परिणाम अप्रत्याशित और छोटे नमूना आकार प्रदान करते हैं – मशीन लर्निंग मॉडल के लिए एक चुनौती, जो बड़े नमूना आकार पर निर्भर करते हैं।
चार्टियर का लक्ष्य कभी भी अपने छात्रों के लिए अपने कोष्ठक में पूर्णता तक पहुंचना नहीं है; उनका अपना मॉडल अभी भी डेविडसन की 2008 सिंड्रेला कहानी का हिसाब नहीं दे सका है।
उस रहस्य में, चार्टियर को मार्च मैडनेस से एक उपयोगी अनुस्मारक मिलता है: “खेल की सुंदरता, और जीवन की सुंदरता, वह यादृच्छिकता है जिसकी हम भविष्यवाणी नहीं कर सकते।”
वह अपनी कक्षाओं में बताते हैं, ''हम उस बास्केटबॉल टूर्नामेंट के 63 खेलों की भविष्यवाणी भी नहीं कर सकते, जहां हमारे पास 5,000 खेल थे।'' “इसलिए जब आप जीवन के उन चरणों पर सही भविष्यवाणी नहीं करते हैं जो 40 मिनट के बास्केटबॉल खेल से कहीं अधिक जटिल हैं, तो अपने आप को क्षमा करें।”
(यह कहानी News18 स्टाफ द्वारा संपादित नहीं की गई है और एक सिंडिकेटेड समाचार एजेंसी फ़ीड से प्रकाशित हुई है – संबंधी प्रेस)
