ChatGPT は最近、今年の勝者を選ぶことにボールを落としました。 マーチ・マッドネス トーナメント: 「正確な勝者を予測することはできません。マーチ マッドネスは非常に予測不可能です」と AI チャットボットは役立たずに答えました。 Anthropic のクロードはドリブルでもう少し情報を引き出し、NCAA 男子バスケットボール対決の優勝候補にはデューク大学ブルー デビルズ、ミシガン大学ウルヴァリンズ、アリゾナ州立大学ワイルドキャッツが含まれると指摘しましたが、それでも勝者を選ぶことは拒否しました。
しかし、ブライアントを卒業したばかりのジャック・スウィーニー ’25 が開発した AI ベースのマーチ マッドネス予測ツールは、躊躇せずにその挑戦を開始し、今年の NCAA ナショナル チャンピオンシップ トロフィーを掲げる候補者にヒューストン大学クーガーズを選びました。
この予測が正しければ、このモデルが最終的にファイナル 4 に残ったチーム、つまり米国の最高の大学バスケットボール プログラムの年次対抗戦に最後まで残ったチームを特定するのは 3 年連続となります。
2024 年、スウィーニーのモデルは、ヒューストン大学クーガーズ、パデュー大学ボイラーメーカーズ、クレイトン大学ブルージェイズなどの他の候補を挙げながら、コネチカット大学ハスキーズがトーナメントチャンピオンに君臨すると正しく予測しました。 2025年にはオーバーン大学タイガースをトーナメント優勝者とし、フロリダ・ゲイターズ、ヒューストン・クーガーズ、アラバマ・クリムゾン・タイド、テキサス工科大学レッドレイダーズを有力候補として取り上げた。オーバーンは準決勝で、最終的に全国チャンピオンとなったフロリダに79対73で敗れた。
2026 年のトーナメントでは、このモデルでは、他の上位優勝候補として UConn、パーデュー、フロリダ、ミシガンが特定されました。
スウィーニーは学位を取得して卒業しました。 データサイエンス フィデリティ インベストメンツで金融顧客アソシエイトとして働いている彼は、ブライアント大学の学生時代にこのプログラムを開発し、そこで男子バスケットボール チームのマネージャーも務めました。の指導のもと、 スホン・リー博士、大学の議長 情報システムと分析 スウィーニーは、それを優等論文にすることを目指して、3 年生のときにモデルの開発を始めました。
「楽しくないプロジェクトに固執したくなかったのです」とスウィーニーは説明します。 「スポーツで何かやりたいと思っていました。当時、ソーシャル メディアには大学バスケットボールの統計に関する情報がたくさんありました。そこで、統計モデリングでマーチ マッドネスを予測できるかどうかという疑問を思いつきました。」
フロリダ州クリアウォータービーチで開催された 2025 年国際コンピュータ情報システム協会会議で研究を発表するスウィーニー氏。
当然のことですが、スウィーニーにとってバスケットボールの「ブラケットトロジー」に初めて触れたのは AI モデルではありませんでした。父親がジャックをオフィスのマーチ マッドネス プールでピックを作るように誘ったのは、彼がまだ 10 歳のときでした。
「私はそれを始めて、毎年それを続けました」と彼は言います。
Li の指導の下、Sweeney は、Jupyter Notebook や Python などの分析ツールに加え、Microsoft Excel を使用して、データ マイニングと機械学習を通じて予測エンジンを構築しました。
「標準的な 1 試合あたりのポイント、1 試合あたりのリバウンド、つまり誰もが見ることができる統計を計算する代わりに、高度な統計をより深く掘り下げて、真のパターンを見つけてトーナメントの勝者を予測できるかどうかを確認したいと思いました」と彼は思い出します。
「標準的な試合ごとのポイント、試合ごとのリバウンド、つまり誰もが見ることができる統計を行う代わりに、高度な統計をより深く掘り下げて、真のパターンを見つけてトーナメントの勝者を予測できるかどうかを確認したいと思いました。」
最終的に、彼は NCAA ディビジョン I の 300 チームに関する 10 年以上に相当するデータを収集することができました。これには、攻撃と守備の効率に関する高度な統計だけでなく、「選手が何歳で、コーチやチームのシステムにどれくらい在籍しているか」を判断する継続性や経験などのあいまいな尺度も含まれていますとスウィーニー氏は説明します。
「1試合あたりの得点、1試合あたりのリバウンド、1試合あたりのアシストなどは氷山の一角にすぎません」と彼は続ける。 「チームがどれだけ優れたパフォーマンスを発揮できるかは実際にはわかりません。実際、チームが効率的かどうかがすべてです。ですから、効率の指標を徹底的に把握することが私にとって重要だと感じました。チーム全体を把握することが私にとって重要でした。」
関連記事: パワーファイブカンファレンスでは、女性ヘッドコーチはNCAAトーナメント出場の可能性が高いと関連している
シーズンごとに、スウィーニーはマーチ マッドネス トーナメントが始まる直前まで新しいデータを収集しました。 「レギュラーシーズン中のノンカンファレンスゲームやカンファレンスゲーム、そしてカンファレンスチャンピオンシップに至るまでのチームのパフォーマンスを完全に把握できました。そこからチームの実際のパフォーマンスを全体的に把握することができました。」と彼は言います。
モデルの主要な変数には、チームのスモール フォワード、シューティング ガード、センターの身長などのパフォーマンスの尺度だけでなく、選手の身体的特性も含まれていました。ディフェンスリバウンドは、「バブル以上の勝利」と呼ばれる統計と並ぶもう一つの指標だった。「これは基本的に、トーナメントに出場するか敗退するかだけのチームであるバブルチームと比較して、チームの能力を測定するものです」とスウィーニーは詳しく説明する。
国際コンピュータ情報システム協会会議での Suhong Li 博士とスウィーニー氏。
研究の限界の 1 つは、地域シードの影響を捉えることができないことであり、これは家から遠い地域に配置されているチームにとって不利になる可能性があります。もう一つは、コーチによる試合中の調整を把握できなかったことだ。
スウィーニーとリーが共著し、2006年に出版された調査研究によると、「試合中の調整は、相手のプレースタイルやゲームプランに適応するコーチの能力を測る」という。 情報システムの課題 「マーチ マッドネスはすべての試合が重要となるシングルエリミネーション トーナメントであるため、ゲーム内の調整が重要です。」
しかし、制限があるにもかかわらず、モデルの予測はこれまでのところ、的中するか、またはニアミスのどちらかです。皮肉なことに、スウィーニーは過去 2 回の March Madness トーナメント中、このツールの開発に多忙を極めたため、自分自身のブラケットやベットのガイドとしてこのツールを使用することができませんでした。
「もっと活用できればよかったのですが、今年は間違いなく使います」と彼は言う。
#今年のマーチ #マッドネスを制するのは誰でしょうかヒューストンブライアントの卒業生が開発したAIツールを予測