Den raske utviklingen som teknologien tar i form av forbedret kunstig intelligens og større bruk av maskinlæring, kan bety at ting som å “bløffe” ved det virtuelle pokerbordet snart kan være forbi.

Trenden betyr også at ting som flaks i sportsspill i økende grad erstattes av matematiske og vitenskapelige beregninger.

Datakraft vinner over menneskene

For mange er pengespill, eller det å satse eller gamble, noe som går hånd i hånd med sport, og spillere bruker ofte matematikk for å finne riktige odds. Ettersom betting har flyttet seg fra det fysiske til det digitale universet, har spillerne også benyttet seg av teknologiske løsninger for å finne de beste oddsene. Dette er dog et tveegget sverd. Den raske utviklingen gjør at vi får mer og mer avanserte systemer og roboter – spesielt i form av kunstig intelligens – som i mange dokumenterte tilfeller allerede slår oss mennesker. Ta for eksempel Watson-roboten fra IBM. I 2011 deltok den i quizshowet Jeopardy, hvor den slo de beste spillerne og “vant” en million dollar.  Kunstig intelligens har også bevist sin verdi i det ellers komplekse og strategiske spillet Go. Gjennom Googles DeepMind-divisjon vant dataprogrammet AlphaGo først over europamesteren i 2016 for senere å slå den anerkjente Go-spilleren Lee Sedol noen måneder senere. En fetter til AlphaGo, AlphaZero, overgikk dessuten verdens mest sofistikerte sjakkprogram Stockfish 8 i 2017. Det mest skremmende av det hele var at den bare brukte fire timer på å lære seg spillets mange fasetter!

Kunstig intelligens inntar pokerverden

Teknologien har også blitt merkbart bedre innenfor casinoverdenen, som for eksempel poker. I 2017 ble et nytt datasystem fra Carnegie Mellon University, Libratus, satt til å spille mot en rekke av verdens beste pokerspillere. De fire spillerne brukte 20 dager på å spille 120 000 hender i «Heads-Up No-Limit Texas Hold’em»-spillvarianten, og begivenheten ble blant annet omtalt av The Telegraph. Det endte med ydmykelse og et “tap” på nesten 1,8 millioner dollar. Jason Les, en av spillerne, uttalte etterpå: «Den fortsatte å forbedre seg hver eneste dag, og vi kom lenger og lenger bak.»

Jason Les var ellers en av spillerne som hadde vunnet to år tidligere over et annet lignende datasystem, Claudico, i overbevisende stil. Imidlertid er den iøynefallende utviklingen ganske naturlig, sier skaperen Noam Brown: «Folk tror at bløffing er veldig menneskelig – det viser seg ikke å være sant. En datamaskin kan lære av erfaring at hvis den har en svak hånd og den bløffer, så kan den tjene mer penger.»

I det hele tatt er sportsspill en åpenbar disiplin for kunstig intelligens å forbedre seg innenfor. Ifølge forskere er det ganske enkelt en nærmere klassifisering av nye data eller variabler som skal til. Hensikten med klassifiseringen er således å forutsi resultatet av de forskjellige variablene basert på et antall data, hvoretter systemet selv kommer frem til den forventede verdien.

Teknologien har mange bruksområder

Forskerne spår at teknologien kan brukes på mange forskjellige måter. Det kan hjelpe klubber eller trenere å forutsi mulige utfall, og kan brukes i fremtidige strategier for å vinne flere kamper. Bookmakere og spillere kan selvfølgelig også benytte seg av teknologien. Men først skal det samles inn data. Flere og flere ligaer blir mer og mer interessert i datainnsamling, og store idretter i USA ønsker også initiativene velkommen. Data fra MLB, NHL og NFL kan brukes av publikum og analytikere for å forbedre estimatene sine.

Foreløpig er det fortsatt begrensninger. Algoritmer har problemer med å vurdere hvordan et lags spillere utfyller hverandre. Plutselige forandringer i en kamp er også en akilleshæl, og ofte kan ikke skader og andre uforutsette hendelser tas med i betraktningen siden algoritmene er basert på historiske data. Men ifølge bransjeeksperter vil det bare være et spørsmål om tid før disse manglene blir overvunnet.