三月疯狂正在向我们袭来，西方体育界痴迷于分析和选择NCAA男子篮球锦标赛将如何展开——体育联盟表示，这项任务的可能性为9223372036854775808分之一。当然，1:9.2的五分之一赔率假设每次比赛的概率为50-50，并不比掷硬币好。

每支球队和每场比赛都会带来无数的变量，这就是为什么《三月疯狂》的预测如此吸引球迷（和怪人）的原因。人类需要处理大量信息，但人工智能呢？

战胜困难

NCAA表示，在前八场比赛之后，只有不到2.5%的排名保持完美——第一天最大的“排名克星”是周四排名第三的肯塔基州以80-76输给排名第14的奥克兰大学。

事实上，如果从远古时代起就生活在地球上的每一个人都填写不同的括号，那么仍然有99.9999999883%的机会没有人会选出每一个赢家。如果你在宇宙大爆炸后的每一秒都起草一个独特的括号，那么完美得分的可能性实际上为零。

与此相反，你中彩票的几率相对较大。

输入AI

到目前为止，还没有人选择一个完美的括号。那不是人类。机器学习长期以来一直被用来帮助这项工作，但现在人工智能已经以爆炸性的速度发展。

谷歌——一家通常不热衷于推广博彩的公司——多年来一直在研究和分享与三月疯狂预测有关的发现。这家科技巨头有一整节专门教授如何使用谷歌云分析NCAA篮球数据。这允许人们挖掘各种变量，比较游戏性能指标，下载全面的玩家和团队统计数据，等等。

谷歌甚至是NCAA男子篮球锦标赛的官方合作伙伴，为美国最大的年度体育盛会共享数据分析工具，作为2020年人工智能在大数据分析中的用例。

挑选人工智能来挑选赢家

自那以后，人工智能以爆炸性的速度发展，有多种方法可以将人工智能用于括号学：你可以根据自己的方法处理大量数据，信任他人的工作，甚至从头开始训练自己的模型。

我们选择了更懒惰的路径，并咨询了ChatGPT。在众多精通篮球的GPT中，我们选择了“March Madness Bracket Buster Bot”，因为它是唯一一个在预测背后显示真正统计分析的GPT。

东部：

康涅狄格大学vs斯特森：这里的力量肯定在康涅狄格大学激增，我希望他们能晋级。佛罗里达大西洋队对西北队：这可能很紧张，但我倾向于西北队的平衡打法。圣地牙哥圣队对无人机：圣地牙哥圣队有足够的防守能力来压制无人机。奥本vs耶鲁：奥本应该在球场上主宰这场学术对决。杨百翰对杜克斯内：杨百翰可能只是有优势的动态进攻。伊利诺伊州对莫尔黑德街：伊利诺伊州的种子表明他们是这场比赛中要击败的球队。华盛顿圣队对德雷克队：华盛顿圣队似乎准备凭借强大的种子队晋级。爱荷华州圣队对南达科他州圣队：爱荷华州圣的种子队和数据线说他们会继续跳舞。

西部：

北卡罗来纳州对瓦格纳：北卡罗来纳州的历史和统计数据表明他们会晋级。密西西比街对密歇根街：密西西比街有很好的机会，但这将是一个棘手的问题。代顿对内华达州：代顿整个赛季的稳定表现使他们成为这里的首选。亚利桑那州对长滩街：亚利桑那州的排名和统计数据使他们成为最受欢迎的球队。

南部：

休斯顿对阵蒙大拿州：休斯顿是一支以令人印象深刻的种子击败对手的球队。威斯康辛州对詹姆斯·麦迪逊：威斯康辛州是这里的热门，这要归功于他们强大的阵容。杜克大学与佛蒙特州：杜克大学很可能会展示他们为什么是一个常年强大的球队。德克萨斯理工大学对北卡罗来纳州立大学：德克萨斯理工的更高种子点获胜。

中西部：

贡扎加vs麦克尼斯街：贡扎加在《三月疯狂》中的血统应该会让他们度过难关。堪萨斯州对桑福德：堪萨斯州应该不会有任何困难前进超过桑福德。南卡罗来纳州对俄勒冈州：这可能是一场掷硬币比赛，但南卡罗来纳州可能只是偷偷溜走。克雷顿对阿克伦：克雷顿的种子选手更高应该是比赛的关键。得克萨斯州对科罗拉多街：得克萨斯州的统计数据表明他们将在这里取得胜利。田纳西队对圣彼德队：田纳西队令人印象深刻的种子和数据使他们成为最佳选择。

第二，第三，意见

其他人工智能模型提供了不同的结果，尽管其中许多模型对某些结果达成了一致，比如杨百翰大学击败杜克斯内大学——但昨天没有成功。人类的不可预测性再次盛行。杜克斯内无疑击败了对手，取得了半个世纪以来的首场胜利，ESPN的许多统计数据都以很大的优势支持杨百翰大学。

我们还查看了Kaggle.com，这是一个数据科学竞赛平台，也是一个由数据科学家和机器学习从业者组成的在线社区，看看是否有适合“括号学家”的东西——事实上确实有。Nishaan Amin发布的一个机器学习模型分析了153MB的数据文件，其中包括数十张图表和数千个统计数据和信息。到目前为止，该存储库已被检查了4000多次。

这使您可以调整模型并分析您认为重要的内容，以符合您的风格。店主分享了自己的预测。该模型表示，康涅狄格大学将在击败普渡大学后赢得比赛，但它暗示康涅狄格州有机会在决赛前击败普渡。

该模型还为喜欢替代方案的人提供了具有不同参数和结果的镦粗支架模拟：

当然，预测人类行为——无论是用于括号学、统计还是技术分析——都是一门不精确的科学。模型分析过去的表现，并在“其他条件相同”的情况下进行预测：如果一切都发生在与以前完全相同的情况下，这是最有可能的结果。

机器学习模型可以分析大量数据，发现可能隐藏在我们眼前的模式，了解数百甚至数千个变量之间的关系。但是，没有任何模型或方法能够预见到特殊的情况，比如埃隆·马斯克的推特摧毁了整个加密货币市场，有人面临生存危机，市场出售了一个巨大的加密货币头寸，一支依靠粉丝能量的球队，一名明星球员不合时宜的受伤，或者一支刚刚摆脱巨大混乱的宿醉队伍。

所以人工智能不会解决只有时间机器才能解决的问题。最终，这就是体育如此引人注目的原因：失败者的故事，令人震惊的混乱，挑战重重的未知变量。我们在挑选杨百翰大学的第一天就已经失败了。但有时大卫会打败歌利亚，扔石头打倒一个身披盔甲的巨人。这可能发生在三月。

由Ryan Ozawa编辑。