Sino ang nanalo ng Lions sa 49ers? A.I. Hinuhulaan

$config[ads_kvadrat] not found

Dolphins vs. 49ers Week 5 Highlights | NFL 2020

Dolphins vs. 49ers Week 5 Highlights | NFL 2020
Anonim

Ang pag-play ng Lions 'Linggo 1 ay napapalibutan ng breakout performance ng New York Jets QB Sam Darnold, at mahirap malaman kung ang Lions ay masama, o ang nobatos ay makatarungan mabuti iyan. Ang nalalaman natin ay na inilipat ni Darnold ang bola nang maayos laban sa pagtatanggol ng Lions at ang pagkakasala ng Lions ay hindi nakapaglagay ng labis na pag-atake. Kung pupunta sa Linggo 2, ang magkabilang panig ay kailangang maglaro ng mas mahusay, bagaman.

Ang San Francisco 49ers ay naghahanap upang makuha ang ilan sa preseason swagger na nawala nila noong nakaraang linggo kapag ang preemptive NFC paborito Minnesota Vikings ay pinutol 49ers QB Jimmy Garoppolo. Pinakamalaking pulang bandila? Gaano kadali ang pagkakasala ng 49ers ay nasa loob ng 20 yarda. Kung ang 49ers ay magiging ang team ng sleeper lahat ay umaasa sa kanila na maging, kailangan nilang malaman ang isang paraan upang puntos TD sa loob ng pulang zone.

Upang mahulaan ang resulta ng Linggo 2 na tugma-up, Unanimous A.I. ginamit ang kung ano ang kilala bilang kuyog katalinuhan upang forecast ang slate linggo. Isang pangkat ng mga tagahanga ng NFL ang nagtrabaho nang sama-sama bilang isang pugad na isip upang gumawa ng mga pinili. Tulad ng makikita mo sa animation sa ibaba, kinokontrol ng bawat kalahok ang isang maliit na ginintuang magneto at ginamit ito upang i-drag ang pak papunta sa sagot na inisip nila ay ang pinaka-malamang na resulta. Tulad ng nakita ng mga gumagamit na ang pak ay lumipat patungo sa isang partikular na kinalabasan, pinalitaw nito ang isang sikolohikal na tugon. Binabago nila ang kanilang paggawa ng desisyon, na bumubuo sa isang pinagkasunduan.

Tulad ng ipinakita sa GIF sa itaas, ang isang kawan ng 28 na mga eksperto sa NFL ay may 72 porsiyento na kumpiyansa na mayroon sila mababang kumpiyansa sa isang tagumpay ng San Francisco sa pamamagitan ng hindi bababa sa 6.5 puntos sa Linggo match-up. Sa kabila ng walang kakayahang pagganap laban sa Vikings the Swarm ay medyo kumbinsido ang 49ers ay darating sa labas ng linggong ito kasama ang W.

Ang Lions ay nakuha ng defensively at Garoppolo at ulo coach Kyle Shanahan ay sapat na mabuti upang bigyan ang Lions ng hindi bababa sa parehong antas ng mga problema ng Jets noong nakaraang linggo. Asahan ang 49ers sa kahit na ang kanilang record ngayong linggo.

Unanimous A.I. ay gumawa ng ilang mga scarily tumpak na mga hula sa nakaraan gamit ang kuyog katalinuhan, tulad ng aming nakaraang artikulo nagpapaliwanag. Halimbawa, ang kuyog ay napili ang mga nagwagi ng Oscar sa taong ito na may 94 porsyento na katumpakan. Narito ang Unanimous A.I. tagapagtatag na si Louis Rosenberg na nagpapaliwanag ng kakatakot na katalinuhan sa isang kamakailang TEDx Talk.

Sa mga kaugnay na balita, nagkakaisang A.I. kamakailan iniharap ang siyentipikong pag-aaral ng kakayahang mag-forecast ng mga laro sa National Hockey League. Sa isang 200-laro, 20-semana na pag-aaral ng Swarm AI nito sa NHL, nakapagpapasaya ito nang madali sa mga inaasahang Las Vegas, at ang "Pick of the Week" ay tama 85 porsiyento ng oras, na gumagawa ng 170 porsiyento ROI. Ang papel, na pinamagatang "Artipisyal na Swarm Intelligence kumpara sa Vegas Betting Markets," ay iniharap sa sa IEEE Development sa eSystems Engineering Conference (DeSE 2018) sa buwang ito sa Downing College sa Cambridge, England. Sa isang pahayag na ibinigay sa pag-aaral, ang co-akda na si Gregg Wilcox ay nagsabi na ang teknolohiya ay maaaring magamit sa mga bagay sa labas ng sports, masyadong. "Habang masaya upang mahulaan ang sports, kasalukuyan kaming nag-aaplay ng parehong mga diskarte sa iba't ibang uri ng iba pang mga domain, kabilang ang pinansiyal na pagtataya, pagtataya sa negosyo, at medikal na pagsusuri, lahat ay may positibong resulta."

Nais na sumali sa pugad na isip na pipili ng mga NFL na tumutugma sa bawat linggo? Mag-sign up upang lumahok sa mga paghuhula sa hinaharap

$config[ads_kvadrat] not found