Un'intelligenza artificiale salverà il mondo (del betting) dal match fixing? Forse è presto per dirlo, ma fanno ben sperare i risultati di uno studio internazionale che ha visto cinque programmi di apprendimento automatico riuscire a individuare anomalie in alcune partite di calcio sulla base di dati relativi a scommesse sportive, poi risultate truccate.
Lo studio, pubblicato su Scientific Reports e riportato anche dalla rivista scientifica Nature, è stato avviato addestrando quattro modelli di classificazione, logistic regression (LR), random forest (RF), support vector machine (SVM), the k-nearest neighbor (KNN), oltre a un quinto modello ensemble ottimizzato mettendo assieme quattro altri modelli differenti. È emerso come tre dei modelli utilizzati, l'RF, il KNN e il modello ensemble, siano stati in grado di raggiungere un’accuratezza superiore al 92 percento, mentre i due modelli rimanenti, LR e SVM, hanno ottenuto una precisione di circa l’80 percento. In confronto, studi precedenti hanno utilizzato un unico modello per esaminare i dati sulle quote delle scommesse sulle partite di calcio, con una precisione del 70-80 percento.
Sono stati quindi raccolti dati di partite in tempo reale e i cinque modelli sono stati applicati per costruire un sistema in grado di rilevare le partite truccate in tempo reale. Le prestazioni del sistema sviluppato, come riporta Agi in un dettagliato articolo, sono state convalidate utilizzando dieci partite regolari e dieci partite in cui vi sono state delle anomalie, con risultati che hanno mostrato un’accuratezza dell’80 percento per le partite normali e del 60 percento per quelle anomale.
Spiega lo studio che il database è stato sviluppato sulla base dei dati sulle scommesse sulle partite del campionato mondiale di calcio di dodici società di scommesse, che hanno offerto una vasta raccolta di dati su giocatori, squadre, orari delle partite e classifiche di campionato per le partite di calcio.
"In un ambiente competitivo leale", si legge nell'abstract dello studio, "i risultati delle partite sono determinati da fattori interni legati agli atleti, tra cui abilità fisica, sforzo e condizioni, nonché da fattori esterni, come il caso, il tempo, le condizioni del campo e gli standard arbitrali. Il pubblico guarda lo sport con entusiasmo per l'eccitazione e l'incertezza dei risultati. Per gli atleti aumentare la propria competenza e allenarsi per esibirsi sempre al massimo livello è una sfida continua. Per tutto questo è necessario sforzarsi per garantire l’equità nello sport, per garantire equità e pari possibilità di vincita per tutti i concorrenti, indipendentemente dalle diverse capacità fisiche, gli atleti sono classificati in base al sesso e al peso in alcuni sport e in base all’età in altri, per garantire pari opportunità, indipendentemente dalle differenze nelle capacità cognitive."
Queste, quindi, le motivazioni che hanno spinto i ricercatori a implementare i modelli di intelligenza artificiale trasformandoli in armi contro le scommesse illegali.
Tuttavia, come notano gli autori della ricerca, al momento attuale pregiudizi e errori (che sono inevitabili nelle analisi a modello singolo) ne ostacolano l’applicazione pratica. Changgyun Kim, del dipartimento di Intelligenza Artificiale e Software presso l’Università Nazionale di Kangwon, assieme Jae-Hyeon Park e Ji-Yong Lee, entrambi del Centro per l’analisi dello sport e delle prestazioni presso l’Università nazionale dello sport della Corea, hanno deciso di creare una base più solida per individuare le partite sportive truccate.
"Le anomalie fungono da campanelli d’allarme", spiegano i ricercatori, "che sollevano il sospetto di potenziali partite truccate e rilevarle è essenziale. Analizzando queste anomalie, possiamo scoprire casi di manipolazione e intraprendere azioni adeguate per preservare l’equità delle competizioni sportive. Questo studio mira a sviluppare un sistema per rilevare le partite truccate nello sport sfruttando un modello basato sull'intelligenza artificiale."
Gli stessi scienziati riconoscono che i dati di verifica dello studio sono di dimensioni limitate, cosa che ha impedito di testare diversi scenari.
"Questo studio mirava a fornire una misura preventiva efficace, un sistema basato sull’intelligenza artificiale", spiegano nelle conclusioni, "contro le partite truccate, in un contesto in cui le partite truccate minano l’equità sportiva e hanno un impatto negativo sull’industria sportiva. Il modello di rilevamento delle anomalie che utilizza dati in tempo reale può valutare le partite in tempo reale e rilevare le partite truccate, a vantaggio del grande pubblico. Inoltre, sensibilizzando gli intermediari e i giocatori di partite truccate sui rischi associati al rilevamento in tempo reale, è possibile prevenire le partite truccate."
"Di notevole importanza", chiosano, "è lo sviluppo di un sistema in grado di individuare in anticipo le partite truccate nascoste. Si prevede che i futuri sforzi di ricerca espanderanno questo sistema a vari campionati attraverso l'inclusione di dati provenienti da partite anomale o incidenti di partite truccate."