“在互联网上，没有人知道你是一只狗”，轻松成为《纽约客》有史以来十大漫画之一。 为什么？ 因为它抓住了在线匿名的优点和缺点。 一切都很好，对吧？ 也许。 如果您在线并且喜欢赌博怎么办？ 另一边是谁？ 你不知道，这可能比你想象的更严重。
一方面，你可能越来越多地反对机器学习算法，如果在线下世界中“庄家总是赢”，你猜怎么着？ 在机器学习/人工智能驱动的在线赌博世界中情况更糟。 尽管如此，了解赔率可以帮助您了解赌博业整合所涉及的潜在风险。 那么，我们来看看一个人如何利用 ML 进行反击。
由机器建造的“房子”
亲自去任何一家赌场，您可以获得的最佳赔率范围从赌场的最高赔率 1.5% 到 5% 不等（双骰子、百家乐、老虎机和六大赌注的赔率可能超过 20%）。 您实质上是在租用他们的游戏。 你下注的钱可以让你赚回大约 95 到 98 美分的美元（顺便说一下，纸牌游戏二十一点是你最好的选择）。 但无论你选择哪种方式，随着时间的推移，你几乎肯定会破产。 为什么？ 因为……数学。
赌场行业认为人工智能/机器学习可以通过更快地识别作弊行为来帮助赌徒。 就目前而言，这可能是正确的，但这个论点还有另一面。
我遇到过一个有趣的例子，一个普通人使用机器学习来看看他们是否可以在赛马场投注小马（美国年产值 150 亿美元的产业）方面做得更好。 在这个例子中，普通人是克雷格·史密斯（Craig Smith），他是一位著名的《纽约时报》前驻外记者，后来离开新闻界去探索人工智能/机器学习。
为了测试 ML 和赛马的功效，他尝试了 Akkio，这是我之前写过几次的无代码 ML 服务。 他的目标是什么？ 展示他们的方法如何促进人工智能的采用，以及如何在平凡但重要的问题上提高生产力。 Akkio 不是为赌博而设计的，而是为那些希望快速了解数据而无需雇用开发人员和数据科学家的业务分析师而设计的。 事实证明，这对史密斯的目的也有帮助。
事实上，Smith 使用 Akkio 在几分钟内创建的 ML 推荐模型使他的钱翻了一番。 这是一本令人着迷的读物。 它还揭示了机器学习和赌博的阴暗面。
赢家和输家
史密斯在文章中采访了克里斯·罗西。 他是赛马博彩专家，帮助建立了一个纯种数据系统，该系统最终被赛马信息集团 DRF（每日赛马表格）收购。 他现在为赛马界的人士提供咨询服务，其中包括他所描述的定量分析师团队，他们利用机器学习来进行比赛，每年下注数十亿美元并赚取大笔资金——其中一些来自赛马场输掉赌注时的批量回扣。 鼓励实践。
“赛马赌博基本上是针对宽客的傻瓜，”罗西说。 “宽客们正在把那些傻瓜们踢出去。”
几年前，体育博彩在美国的法律地位尚存争议。2018 年，美国最高法院为各州将体育博彩合法化扫清了道路，废除了 1992 年一项主要限制内华达州赌博和体育博彩的联邦法律。 这个决定来得正是时候。 疫情期间，随着赌场关门，消费者寻找活动来消磨空闲时间，在线赌博和体育博彩开始兴起。 例如，通过 SPAC 合并上市的 DraftKings 股价自冠状病毒传播开始以来已上涨 350%，该公司估值约为 220 亿美元。
DraftKings 也一直在寻求多元化，摆脱专注于体育赛季的业务。 在线博彩客户显然比体育博彩客户更有价值。
最近，拉斯维加斯主要酒店集团米高梅国际酒店集团 (MGM Resorts International) 在 1 月份寻求以约 111 亿美元收购 Entain，但后者以出价过低为由拒绝了。 凯撒娱乐 (Caesars Entertainment) 9 月宣布计划以约 40 亿美元收购英国在线博彩公司 William Hill。 为了让大家明白这个领域的火热程度，媒体品牌《体育画报》已经进入在线体育博彩领域。
所有这些钱与机器学习的使用不断增加相比显得尴尬。 是的，机器学习可以通过驱逐作弊者来帮助清理在线赌博。 但它也可能是你所下注的另一面。 正如一位评论员指出的那样，“人工智能可以分析玩家行为并创建高度定制的游戏建议。” 这种定制的游戏可能会让赌徒更愿意继续下注，但不要认为这会帮助他们获胜。 无论线上还是线下，房子总是赢家。 如果说有什么不同的话，那就是新的机器学习驱动的赌博未来只是意味着赌徒可能有动力赌博更长时间……并输得更多。
您能否像 Smith 一样让机器学习为您服务？ 当然。 但在某些时候，赌场会获胜，并且赌场将比任何普通投注者更快地改进机器学习的使用。
