(메모: 이 기사는 AI를 사용하여 NCAA 괄호를 채우는 실험을 문서화하고 수년간의 인간 경험과 비교하여 어떻게 진행되는지 확인하는 지속적인 시리즈의 일부입니다. 원문은 다음과 같습니다.)
이것은 March Madness 풀 플레이를 돕기 위해 AI를 사용하는 방법에 대한 시리즈의 마지막 항목입니다. 대부분의 이야기처럼, 나는 이 이야기도 해피엔딩이길 바랐습니다. 아쉽게도 NCAA 토너먼트 대진표를 작성하기 위해 ChatGPT를 사용한 실험은 다음과 같이 요약됩니다. 가깝지만 시가는 없어.
그럼에도 불구하고 나는 여전히 이 실험을 성공이라고 부르고 싶습니다.
이기지 못한 사람의 말은 이상하게 들릴 수도 있습니다. 하지만 이 연습의 가장 큰 교훈 중 하나는 AI는 확실성을 높인 것보다 내 프로세스를 더 많이 개선했습니다.. 즉, 광기를 제거할 수는 없더라도 더 나은 생각을 하는 데 도움이 되었습니다.
지난주에 받아보고 너무 기뻤어요 Sweet 16개 팀 중 13개 팀이 오른쪽에 있습니다.. 내 대진표가 순위표 상단 근처에 맴돌고 있었고 실제로 이 일을 해낼 수 있을 것이라고 생각하기 시작했습니다. 그러다가 3월의 전형적인 혼란이 찾아왔습니다.
65개의 브래킷이 있는 풀에서 나는 여전히 상위권에 있습니다. 한 브래킷에서는 공동 2위이고 다른 브래킷에서는 공동 6위입니다. 이는 재앙이 아닙니다. 대진표 한쪽에서는 애리조나와 미시간이 정확하게 전진하고 있었지만 다른 쪽에서는 완전히 빗나갔습니다. 나는 준결승에서 듀크와 플로리다의 만남을 예상했고, 결국 듀크가 모든 것을 이겼습니다. Duke에는 Laettner 스타일의 Hail Mary를 받는 것으로 끝나는 특정 카르마적 정의가 있었지만 이로 인해 나의 승리 가능성도 끝났습니다.
그래도 Elite Eight에 들어가면서 내 브래킷은 ESPN 항목 2,600만 개 중 98번째 백분위수. AI의 도움이 없었다면 제가 거기에 있었을 것이라고 솔직히 말할 수는 없습니다. 그리고 더 중요한 것은, 제가 내년에 사용할 일련의 수업을 가지고 왔다는 것입니다. 왜냐하면 그렇습니다. 저는 이 일을 다시 할 것이기 때문입니다.
더 나은 프로세스, 똑같은 광기
중앙 테이크아웃은 간단합니다.
AI가 기적을 만들어낸 것은 아니지만 더 나은 프로세스를 만들어냈습니다.
막연한 직관, 최근 하이라이트 또는 토요일 오후에 무적처럼 보이는 팀을 기반으로 대진표를 작성하는 대신 현장에 대해 더 체계적으로 생각하는 방식을 가졌습니다. AI는 제가 결정을 체계화하고, 가능성이 높은 결과를 더 높은 반대 선택과 비교하고, 토너먼트 플레이에서 가장 중요한 변수를 표면화하는 데 도움이 되었습니다.
그 프레임워크는 작동했습니다. 가장 강력한 팀 중 다수를 정확하게 식별했습니다. 덕분에 제가 평소에 하는 게으른 실수를 저지르지 않게 되었습니다. 그것은 나를 더 규율 있고 덜 감정적인 계층으로 밀어 넣었습니다.
그것이 하지 않은 것은 싱글 엘리미네이션 농구의 법칙을 폐지한 것이었습니다.
이는 중요한 구별이며 스포츠를 넘어서도 적용되는 구별입니다. AI는 판단력을 향상시킬 수 있습니다. 변동성을 제거할 수는 없습니다.
시즌 후반 모멘텀에 더 무게를 두다
이번 토너먼트에서 얻은 가장 분명한 교훈 중 하나는 적시에 뜨거워지고 있는 팀들에게 충분한 공로를 인정하지 않았다는 것입니다.
일리노이와 아이오와는 어디에서 왔습니까?
예, 두 팀 모두 올해 미국에서 가장 강력한 컨퍼런스에서 좋은 팀이었습니다. 하지만 나는 그들이 플로리다에서 1위 시드를, 휴스턴에서 2위 시드를 가져오는 것을 보지 못했습니다. 그들은 늦게 정점을 찍고 있었고 나는 그렇게 무겁게 살이 찌지 않았습니다.
내년에는 전체 시즌 지표에 지나치게 의존하기보다는 누가 실제로 3월에 최고의 농구를 하고 있는지에 더 주의를 기울일 것입니다. 물론 한 시즌 동안의 이력서는 여전히 중요합니다. 하지만 이런 토너먼트에서는 형태가 기본 품질만큼이나 중요할 수 있습니다.
비즈니스 측면에서 이는 12개월 간의 결과를 기준으로 회사를 평가하는 것과 지난 6주 동안 의미 있는 변화가 있었음을 인식하는 것의 차이입니다.
선수뿐만 아니라 코치에게도 더 많은 비중을 두라
나는 또한 내가 코칭을 과소평가했다고 확신했습니다.
네, 선수들은 바닥에 있는 사람들입니다. 그러나 3월에는 코치가 매우 중요합니다. 특히 준비, 조정, 교체 및 평정심이 전체 시즌을 좌우할 수 있는 일회성 형식에서는 더욱 그렇습니다.
Dan Hurley는 자신이 왜 이 환경에서 그토록 강력한 존재인지 모든 사람에게 다시 한 번 상기시켰습니다. 존 셰이어? 그다지 많지는 않습니다.
내년에는 어떤 코치들이 토너먼트 농구의 혼란을 헤쳐나갈 수 있는지 지속적으로 보여줬는지 살펴보는 데 더 많은 시간을 할애할 것입니다. 재능은 여전히 기본입니다. 그러나 코칭은 종종 힘의 승수입니다.
예측의 한계를 받아들이세요
이것이 가장 큰 교훈이 될 수 있습니다.
예측은 AI의 도움을 받더라도 광범위한 패턴을 식별하는 데 효과적입니다. 특정 사람이나 특정 팀이 특정 날짜에 무엇을 할지 정확히 예측하는 경우 신뢰도가 훨씬 떨어집니다.
대학 농구팀은 동시에 바닥에 있는 5명의 십대들에 불과합니다. 매우 재능 있는 십대들입니다. 그렇습니다. 하지만 여전히 십대들입니다. 젊은이들과 함께 시간을 보내본 사람이라면 누구나 기복, 기분 변화, 좋은 날과 나쁜 날, 모든 것이 갑자기 옆으로 흘러가는 순간이 있다는 것을 알고 있습니다. 때때로 이러한 스윙은 토너먼트 게임 도중에 발생합니다.
이러한 매치업이 5전 2선승제 또는 7전 3선승제 시리즈라면 당황스러운 일이 줄어들 것입니다. 그러나 일대일 환경에서는 신데렐라가 마지막 춤을 추는 것이 훨씬 쉽습니다.
그것은 AI의 실패가 아니다. 이는 일부 환경이 본질적으로 시끄럽다는 점을 상기시켜줄 뿐입니다. 토너먼트는 작은 가장자리를 극적인 결과로 바꾸도록 설계되었습니다. 그것이 우리가 지켜보는 이유입니다.
현실 세계에서 AI는 브래킷 풀보다 더 유용한 경우가 많습니다.
브래킷 풀은 특히 용서할 수 없는 테스트입니다.
여기서는 코네티컷이 듀크를 이길 것인지에 대해 내가 옳아야 했습니다. 두 팀을 모두 우수한 팀으로 식별한 부분적인 인정은 없었습니다. 그것은 순전히 이분법적이었습니다. 이기거나 지거나, 옳거나 그름이었습니다.
현실 세계에서는 AI를 사용하는 많은 결정이 그렇게 작동하지 않습니다.
몇 년 전, 교수님 중 한 분이 선택이 어려울수록 결정이 덜 중요하다고 말씀하셨습니다. 거기에는 많은 지혜가 있습니다. 고대 유고와 포르쉐 마칸 중 하나를 선택하라고 하면 즉시 결정하게 될 것입니다. 그리고 어떻게든 유고를 선택하면 평생 후회하게 될 것입니다. 하지만 포르쉐 마칸과 BMW X3 중 하나를 선택하라고 하면 갑자기 진정한 결정을 내리게 됩니다. 신뢰성, 편안함, 사양, 성능을 비교할 수 있습니다. 그러나 당신은 여전히 훌륭한 차를 갖게 될 가능성이 높습니다.
이것이 AI가 많은 실제 환경에서 유용한 이유입니다. 돌이켜보면 항상 최선의 단일 옵션을 식별할 수는 없지만 종종 매우 강력한 여러 옵션으로 필드를 좁힐 수 있습니다. 그것은 여전히 매우 귀중한 것입니다.
투자, 계획, 연구에서도 마찬가지입니다. AI는 유망한 경로, 예상되는 결과 및 합리적인 옵션을 식별하는 데 도움이 될 수 있습니다. 항상 역대 우승자를 선택합니까? 물론 그렇지 않습니다. 하지만 이는 명백한 실수를 방지하고 더 나은 정보를 바탕으로 선택하는 데 도움이 될 수 있습니다.
결정이 아닌 제안
나에게는 그것이 AI에 대해 생각하는 가장 건강한 방법이다.
최근에 우리는 페루 리마를 방문했는데 무엇을 보고 먹을지 결정하는 데 ChatGPT를 광범위하게 사용했습니다. 우리가 방문한 장소가 도시 내 최고의 10개 장소였나요? 나는 모른다. 하지만 우리는 여행이 행복했나요? 전적으로. 나에게 뭔가 부족한 느낌이 남아 있는 걸까요? 전혀 없습니다.
이것이 바로 좋은 AI 지원의 모습입니다.
압도적인 양의 정보를 분류하는 데 도움이 되며 강력한 옵션을 제공합니다. 이러한 옵션의 품질은 메시지의 품질에 크게 좌우됩니다. 귀하의 관심사, 제약, 예산 및 선호도를 더 명확하게 설명할수록 제안이 더 좋아집니다.
그러나 그것은 여전히 제안일 뿐입니다.
누군가가 자신의 삶에 대한 책임을 AI 모델에 넘겨야 할 시점은 아직 없습니다. 우리도 그러고 싶어해서는 안 됩니다.
내년에는 무엇을 다르게 할 것인가
내년에는 시즌 후반 모멘텀, 코칭, 변동성에 더 많은 비중을 두겠습니다. 나는 취약한 우승팀을 덜 신뢰하고 시드가 다르게 말하더라도 위험해 보이는 팀에 더 주의를 기울일 것입니다.
마찬가지로 중요한 것은 AI가 할 수 있는 것과 할 수 없는 것을 더 잘 이해하면서 실습에 들어갈 것입니다.
프로세스를 개선할 수 있습니다. 분석을 더욱 날카롭게 할 수 있습니다. 불확실성을 정리하는 데 도움이 될 수 있습니다.
그것이 할 수 없는 것은 3월이 3월이 되는 것을 멈추게 만드는 것입니다.
내년에 봐요
그렇습니다. March Madness는 결국 내 AI 실험을 주장했습니다.
그러나 이는 또한 실험이 수행할 가치가 있음을 입증했습니다.
AI는 완벽한 브래킷을 제공하지 않았습니다. 불확실성을 없애지는 못했습니다. 그것은 나를 챔피언으로 만들지 못했습니다. 그것이 한 일은 내가 본능만으로 할 수 있는 것보다 더 체계적으로 생각하고, 해당 분야를 더 지능적으로 평가하고, 훨씬 더 나은 성과를 내는 데 도움이 되었습니다.
의미있는 결과네요.
그래서 저는 내년에 좀 더 나은 프레임워크와 좀 더 겸손한 태도를 갖고, 아무리 정교한 모델이라도 3월에 최종 결정을 내릴 수 없다는 사실에 대한 동일한 존중심을 갖고 다시 돌아오겠습니다.
이 시리즈를 끝까지 따라오셨다면 읽어주셔서 감사합니다. 그리고 AI의 도움 없이 수영장에서 나를 이기면 가능한 한 승리 랩을 즐기십시오.
내년에는 기계와 내가 복수하러 온다.