ドジャースが勝利！ AIが野球ワールドシリーズの意思決定プロセスを支配

ドジャースのファンは、チームが再びワールドシリーズで優勝するのを見るために32年間待ち続けた。野球は間違いなく過去32年間で劇的に変化しました。膨大なデータ、高度なコンピューター、分析技術の登場により、デジタルベースの戦略策定はスポーツ分野の中核的な力となっています。具体的には、AI（人工知能）が意思決定プロセスを支配しています。

この意思決定の影響力は、今回のワールドシリーズの第6戦でも再び実証されました。当時、タンパベイ・レイズの監督ケビン・キャッシュは、フィールドで完璧なパフォーマンスを見せていた投手ブレイク・スネルを断固として交代させた。

キャッシュ氏の決断は確かにデータに基づいたものだったようだが、彼の判断はうまくいかなかった。結局、この試合ではドジャースがレイズを3対1で破った。

この観点から見ると、データ分析は驚きをもたらすだけでなく、リスクや課題ももたらします。

この質問について、私たちは AI 分野のトップクラスの人物数名にインタビューしました。彼らの回答は次のとおりです。

Darwin AI の CEO、シェルドン・フェルナンデス氏:

100%正確なのは後知恵だけだが、土壇場でスネルを交代させるというキャッシュ氏の決断は、分析結果を常識的な判断よりも優先させることで生じる問題を示している。人工知能の分野では、「交絡変数」について話すことがあります。このような変数は、影響要因間の正しい関係を隠蔽し、純粋にデータに基づいた意思決定の有効性に影響を与えます。この試合を例にとると、データ自体はスネルの防御率がリリーフ投手のアンダーソンよりも高いことを示しているかもしれないが、サンプルサイズやその他の傾向要因が十分に考慮されていない可能性がある。

もちろん、「直感」自体にも重大な欠点があります。テリー・コリンズも、2015年ワールドシリーズ第5戦の9回にマット・ハービーを起用するという、賢明とは言えない決断を下した。メッツのファンは長年このことに不満を述べ、この誤った決定がカンザスシティに優勝を譲る原因になったと信じていた。

さらに、分析的な観点から見ても、この決定は理解しがたいものだった。当時、スネルは絶好調だったし、リリーフ投手たちは過去5試合で苦戦していたのだ。実際、キャッシュがベンチに戻ったとき、ドジャースの控え選手たちは明らかに安堵した様子だった。これは、「分析の目的は、あなたに代わって決定を下すことではなく、意思決定を導くことである」という格言を思い出させます。

Acumen Analytics 創設者、キャシー・ブルナー氏:

打者のコーリー・シーガーは今シーズンを通して左利きの選手に対して打率.218を記録しており、数字だけを見れば、過去6イニングで73個のストライクを打った神だ。しかし、過去2週間だけを見てみると、彼は6連続ヒットで得点できなかった。これら 2 つのデータのうち、どちらがより正確でしょうか? 実際にはどちらも正確ではなく、あるいは両方とも正確であると言えます。野球の試合自体にはさまざまな変数があり、データが蓄積されていくにつれて、今シーズンの成績は徐々に薄れていくでしょう。同様の状況に直面したタンパベイ・レイズは、過去数試合のデータよりもシーズン全体のデータの方が重要であると明確に信じている。結局、彼らの判断は間違っていたようです。新年にはモデルを再調整し、より正確な予測に努めるだろうと思います。

Laughlin Constable の分析担当副社長 Tim Baumgartner 氏:

マネーボール理論は野球に革命をもたらした。事実が証明しているのは、支出に注意を払っている普通のチームでも、データ分析の力を活用して自らの優位性を十分に発揮し、科学的なラインナップを使って伝統的な強豪チームと競争できるということだ。

しかし、野球そのものは科学であり芸術でもある。スポーツはスプレッドシートではない。タンパベイのデータ戦略によれば、先発投手は相手打者と3度対戦するときにパフォーマンスが低下する傾向がある。メジャーリーグ全体のデータがこの結論を裏付けており、多くのチームもこれを議論の余地のない真実とみなしています。

しかし、チャンピオンシップの第 6 戦では、このデータ主導のチームは間違いなくその戦略に頼りすぎていました。彼らの頑固さと頑固さは、最終的に彼らの首位と優勝の望みを失わせた。

学ぶべき教訓があるとすれば、チームは定性的手法と定量的手法をいつどのように組み合わせるかを振り返る必要があります。さらに重要なのは、伝統的な強豪チームも豊富なリソースを使って同様の分析を行っているため、今後の対決は選手自身だけでなく、データの傾向をよりよく理解しているチームかどうかにも反映されることになるだろう。

ルミナティ ネットワークス、北米担当ゼネラルマネージャー、オムリ オルガド氏:

バック・トゥ・ザ・フューチャーのワンシーンのように、現実には一つの結果しか見えません。しかし、データ分析自体は依然として単なる統計ツールに過ぎないことを認識する必要があります。特定の決定はレイズの勝利の可能性を高めるように見えるかもしれないが、決して100％保証されているわけではない。次の可能性を無視すべきではない。(1) スネルがコートに残ってもレイズは負ける。(2) スネルがコートに残ってもレイズは勝つ。

データと分析はマネージャーのためのツールだが、レイズを優勝に導くことを含め、それらをプラスの方向に働かせるのは困難な課題だ。結局のところ、最終的にゲームに勝つことができるのは、これらのデータではなく、プレイヤーです。

KNIMEの共同創設者兼CEO、マイケル・バートルド氏：

この一連の試合から得られる教訓は、実は単純です。つまり、多数のデータ ポイントを使用して下される決定は、独立したイベントの将来の進路を予測するのに適していないということです。特に、勝つか負けるかのどちらかしかないワールド シリーズのような結果が限定的なシナリオでは、その傾向が顕著です。このような予測は正確な結果ではなく、確率を示します。

キャッシュ氏は豊富な統計データを活用してチームの勝利の可能性を高める決定を下すことができるかもしれないが、それだけだ。残念ながら、物事は彼の期待通りには進まず、スムーズには進みませんでした。しかし、数字を見続けると、彼はキャリアを通じて、本能だけでプレーする人よりも確実に多くの試合に勝っていることが分かります。今後 10 年を見据えると、彼は依然として非常に成功したプロの経営者であると私は信じています。

Kinetica の機械学習製品責任者、Saif Ahmed 氏:

分析をより現実的なシナリオに適用するにつれて、データ サイエンスの予測可能性に関する一般的な誤解を払拭する必要があります。他の科学的手法と同様に、データ分析では、繰り返し可能な実験を通じて仮説をテストし、確率に関する統計情報を生成します。これは単なる確率であり、均一な結果ではないことに注意してください。ケビン・キャッシュがデータ モデルのみに基づいて意思決定を行う場合、影響要因がモデルと完全に一致したとしても、成功の確率は単なる統計値に過ぎません。つまり、成功の確率が 99% と高くても、実際の結果は残りの 1% に収まる可能性が高いということです。結局のところ、誰もがスポーツを愛する理由は、スポーツの予測不可能な魅力が好きだからです。

データ サイエンスは、この点で決定的な役割を果たすことはできませんが、信頼できる優れたパートナーとして活用することを妨げるものではありません。単一の意思決定モデルに疑問を抱くことはできますが、モデルの機能が合理的であり、過去の状況を正確に反映している限り、それを信頼範囲に含める必要があります。さらに、モデルの透明性も重要です。モデルでどの変数が使用されているかを観察できる必要があります。単一のモデルが疑わしい決定を下した場合は、そのモデル自体を再検討し、決定的な要因を正確に捉えるためにさらに多くの変数を導入する機会を設けるべきです。他の科学的実験と同様に、データ サイエンスは動的で反復的なプロセスである必要があります。

Qlik 最高データ責任者、ジョー・ドスサントス氏:

私たちの業界がデータ分析だけに頼るのは困難であり、スポーツ業界はこの方向に進みすぎ、速すぎたように思われます。キャッシュがブレイク・スネルに代わったのは、スポーツ界における「魔法のような」意思決定のもう一つの例に過ぎない。 NFL チームは「ハンディキャップ」の呪いに囚われており、AWS の商用リリースの意思決定プロセスを理解できる人はほとんどいません...これらすべてにより、データ分析は徐々に一種の形而上学に変わりました。

マネーボール理論は存在しますが、162 ゲームのような大規模なサンプル空間でのみ機能します。統計は重要ですが、心理学も重要です。スネルの突然の交代は数字的には納得できるものだったが、ファンと選手たちには大きな精神的打撃を与えた。数字に過度に依存すると、ゲームに負けるだけでなく、人々の理解と支持を失うことにもつながる可能性があります。