关于人工智能（AI）的发展以及如何利用它来解决现实世界的问题已经有很多讨论。
具体来说，在赌博领域，人工智能可以在几个通用领域发挥作用，但在继续前进之前，了解人工智能是什么及其工作原理是有用的。
什么是人工智能
与任何其他计算机程序一样，人工智能是一组指令、一种算法。与非AI程序的区别在于 人工智能分析极大的数据集，以寻找这些数据集中变量之间的模式或联系.
一旦他识别出某种模式，他就会做出假设，例如 W， 努力找到最合适的状态并“学习”.
因为人工智能将越来越多地用于博彩
一旦工作完成，人工智能就可以做出带有概率的预测，例如切尔西有68%的机会在欧冠比赛中击败阿贾克斯。比赛结束后，可以分析该场比赛和其他比赛的数据并做出进一步的预测。
人类能够以视觉形式看到模式。 例如，我们的大脑已经进化到可以识别大量人群中的个人面孔，即使是在运动中。 对于计算机来说，这是一项异常困难的任务。 然而， 人类无法分析数百万个数据点以寻找模式，人工智能可以轻松做到。
赌博，无论是在线赌博还是传统赌博，都会产生大量数据， 对玩家行为和游戏性能的影响。 对于传统的桌面游戏，可能很难捕捉到准确的游戏和玩家数据，但这种情况正在迅速改善。
在这个数据丰富的环境中，人工智能可以用来优化游戏设计，以更好地吸引客户或 创建营销活动 更有可能吸引目标群体，并定制用户界面，以便客户只看到可能吸引他们的游戏和/或优化老虎机或赌场游戏的收入流。
可以对赌场楼层进行整体处理，预测更改某些机器会如何影响整个赌场楼层的玩家行为。
人工智能可以用来最大化所有收入来源的总盈利能力吗？
在场的AI专家认为这是一个有趣的问题。
研究赌博技术以及如何利用该技术来最大程度地减少对客户造成伤害的风险的学者们已经证明了如何 印度最大的在线拉米纸牌网站，试图利用人工智能来识别哪些玩家是或可能成为问题赌徒。
它面临的挑战之一是，虽然它拥有大量的玩家数据，但它没有问题玩家或潜在问题玩家的池子。 所以人工智能软件无法以任何准确度识别任何人，因为它没有什么可学习的。
为了克服这一挑战，许多软件工程师采访了精神科医生，询问他们认为哪些特征表明了有问题的行为。利用这些信息，人工智能程序能够预测谁可能是问题赌徒。随后对这些“问题赌徒”进行了采访；有些人说他们有赌博问题。
借助这些信息，人工智能程序现在能够以大约 60% 的把握预测谁将成为问题赌徒。随着更多数据的到来（可能来自进一步的采访），希望其预测率能够提高到 90% 以上。
我们知道，对体育赛事和比赛结果的投注已经持续了 2.000 多年，因为我们有证据表明在古希腊就有投注。
古罗马人已经将这种做法编纂成法典，甚至允许您在角斗士比赛中下注。
如今，投注几乎无处不在，赛事会产生大量数据，不仅包括谁进球以及哪支球队获胜，这些数据都由“专业”投注者（例如负责管理的投注提示者）进行分析。 Misterscommessa 网站 他们每天发布有关意大利博彩公司的提示、技巧和赔率，详细解释投注内容和投注对象。
人工智能在这一领域取得了巨大进步，以至于人工智能机器学习程序发现，成功预测体育赛事的结果非常简单。
使用“群体智能”（人与人工智能的组合）来做出更准确的预测和预测并帮助他们做出更好的决策的公司总是在寻找志愿者组成群体，二十分钟后开始，她能够准确预测 2016 年肯塔基德比赛马的“superfecta”——哪匹马将在四场比赛中获得第一名。博彩公司对这一特定赌注的赔率为 540 比 1。为了证明这不是侥幸，AI 不仅预测了 2017 年超级碗的获胜者，还预测了最终比分：34-28。
该领域的公司使用大量“比赛分析员”来跟踪比赛并输入球场上发生的情况的详细信息。然后将这些与投注价格叠加以确定投注策略。用不了多久，比赛分析器就会变得多余，因为视觉人工智能的进步可以自动分析和处理比赛，从而创建更好、更快、更准确的数据源，并最终实现更准确的预测。
您可能认为这会导致书店的终结，但请记住，如果客户在一段时间内持续获胜，博彩公司将限制他们可以下注的金额或关闭帐户。因此，这种类型的人工智能具有短暂的优势。
人工智能非常适合制定获胜的游戏策略，尤其是在技能是结果决定因素的游戏中。 1997 年，IBM 的国际象棋人工智能 Deep Blue 成为第一台击败国际象棋大师（即加里·卡斯帕罗夫）的计算机。 2011年，IBM的人工智能解决方案Watson在决赛中击败了Jeopardy冠军，赢得了2016万美元奖金。没过多久，谷歌就加入了这个游戏。它的围棋人工智能AlphaGo自2017年推出以来已经取得了令人印象深刻的胜利。60年，它在与世界上一些最好的围棋棋手的比赛中赢得了XNUMX场比赛，并且没有输过。
卡内基梅隆大学进军人工智能游戏的 Libratus 在 2018 年击败了职业扑克玩家 Jason Les、Dong Kyu Kim、Daniel McAulay 和 Jimmy Chou，赢得了 1,76 万美元的奖金。在 120.000 天的时间里，他们玩了近 XNUMX 手无限注德州扑克； Libratus 不仅学会了成功地玩赢牌，而且还学会了在手牌不佳时有效且适当地虚张声势。
显然，在需要大量背景知识和技能的任务以及需要分析大量数据的任务上，机器比人类变得更好、更快。尽管我们称之为人工智能，但它实际上并不是智能，而只是一个算法过程。机器不“知道”任何事情。人工智能的好坏取决于算法及其处理的数据的质量。
