可能是由於人類預測不靠譜，前幾屆世界杯預測戰況和冠軍的任務，常常交給動物完成。比如，章魚哥保羅。如果保羅活到現在，應該驚喜的發現，它的工作，現在有人工智慧系統可以替代了。在 2018 俄羅斯世界杯即將開打之際，德國 4 位科學家聯手打造了一個世界杯 AI 預測模型。綜合各種應有盡有的因素：國際足聯排名、平均年齡、頂級聯賽球員數量、國家人口比率、GDP、教練國籍等等，AI 建模、大數據應用，雲端計算加持。輕輕鬆鬆，當前準確率不知比運彩公司高到哪裡去。
最後他們鄭重其事地推出結論：西班牙勝率最大。
只是萬萬沒想到，比賽尚未開始，人類就給了 AI 意想不到的一擊。正所謂人算不如雲計算，雲計算難料人使絆。就在世界杯開戰前 24 小時，西班牙炒掉了帶隊 2 年的不敗戰績主教練。AI 看了都傻眼。不過這個 AI 模型就這樣了嗎？太天真了。這 4 位嚴謹德國科學家自然考慮到了可能存在的變量，在 10 萬次比賽模擬後，他們認為：如果德國人打入八強決賽，那西班牙就呵呵了。
好一個神奇的 AI
一般而言，大數據預測為導向的 AI，最常使用的方法有泊松回歸、排序算法以及隨機森林，都比較經典。而這次在綜合比較了幾種方法後，4 位德國科學家決定主採用隨機森林建模，該方法誕生於 2001 年，比起傳統的回歸和排序，預測效果更勝一籌。更重要的是，隨機森林附上排序算法裡的一個協變量，再經過合體進化，就能變成更加強大的算法，甚至比運彩公司預測的還要準。
數據準備
具體如何實現呢？首先要談到數據，往年世界杯對戰數據自然是題中之義，但光有比賽維度的數據又怎麼夠？所以這個 AI 還把經濟因素、球隊實力、主場優勢、球隊結構，教練因素等納入其中。經濟因素參考人口和人均 GDP 。前者參考各國人口數據，並與全球總人口對比，看球隊所屬國對全球人口增長的貢獻。人均 GDP 則重在增長，用球隊所屬國的人均 GDP，以及全球平均的人均 GDP，來看 2002 至 2014 年的經濟增長情況。球隊實力也從兩方面考量。一是歷史進程，使用國際足聯排名，可管窺球隊過去 4 年的核心表現；二是博奕彩金賠率，把博彩公司 ODDSET 提供的賠率，轉換為球隊勝率納入模型。主場優勢則有玄學意味。一看是否東道主（比如在俄羅斯舉辦），二看是否與東道主來自同一大陸，三看屬於國際足聯六大足球協會（CAF，AFC，UEFA，CONCACAF，OFC，CONMEBOL）中的哪一個。
球隊結構重點針對默契度。共4項：
最大隊友數：每支國家隊，在同一個俱樂部效力的隊員最多和第二多的人數
平均年齡：每支國家隊裡，所有隊員的平均年齡
歐冠隊員數：每支國家隊，進入歐冠或歐洲聯盟杯半決賽的人數
海外隊員數：每支國家隊，在國外俱樂部效力的人數。
最後是教練因素。比如教練的年齡，以及在本隊職教時間的長短，都被計算在內。另外，教練的國籍是否與職教的國家隊歸屬一致，也是接近玄學的考量 —— 但肯定沒想過會有臨陣換帥的情況。
綜上，差不多每隻參賽球隊都會有 16 個維度的變量。
然後就可以進入競技演化篇了。
算法模型
就像開頭所言，這個預測 AI 核心主打算法模型是隨機森林。這種方法是 Breiman 在 2001 年提出的，如今已成了統計學模型和機器學習之間的橋樑。法如其名，隨機森林需要建起許多的決策樹（Decision Trees），讓它們來預測每場比賽雙方的進球數。當然，系統要服用上文提到的所有變量。先讓每一棵樹都獨立生長，再把所有樹的判斷集合到一起，進而隨機森林再做出的預測，這樣就不容易有太多偏見。其間關鍵所在，是把樹與樹之間的相關性降到最低——
第一，樹並不是種在原始樣本上，而是在有放回抽樣（BootStrap Sample）的基礎上生長的。
第二，在每一個節點，所有變量中，一個隨機子集被提取出來，用於分出最完美的樹杈。
有了這兩步，每棵樹之間的相關性就變得很弱，隨機森林的不變性(invariance)就比一棵樹更強了。另外，除了進球數，隨機森林也可以給出勝、平、負這樣的結果。緊接著進入算法融合階段。雖然一開始所說的泊松回歸模型，以及排序算法，德國科學家認為沒有隨機森林的預測效果那麼好。但他們覺得，這些算法身上依然有隨機森林可以汲取的營養。畢竟預測勝負和預測進球數，是兩項不同的任務。於是，數據篇說到的新變量，在這裡登場——之前排序算法裡用到的、謎一般的球隊實力參數，就在合體過程中以新變量的身份出現了。如此融合進化完成後，再拿幾種方法出來測一下，新算法顯得更優秀——預測的準確度，已超過了博彩公司。如果更早一點推出，這個 AI 估計能賺不少錢。不過現在也為時未晚，2018 世界杯已開盤等你。
