Lotto 6 aus 45 – Laboratorio IA: le «IA del lotto» alla prova
Su Internet circolano diverse «IA per lotterie» gratuite che promettono di prevedere i prossimi numeri con reti neurali (LSTM). Questo laboratorio ne ricostruisce tre e le allena con TensorFlow.js sulle 3.695 estrazioni reali Lotto 6 aus 45, direttamente nel tuo browser, senza inviare nulla. Poi vedi la «giocata» del modello e, soprattutto, quante volte ha indovinato nelle estrazioni tenute da parte, rispetto a quello che dà il puro caso.
🔮 IA e test › · 🧪 Laboratorio di strategie (backtest) ›
I tre modelli
A · LotteryAi
Fonte: CorvusCodex · MIT
Embedding → LSTM → Dense(softmax). La rete riceve ogni estrazione in ingresso e deve restituire la stessa estrazione (x = y). La previsione è la classifica dei neuroni di uscita, più 1.
Risultato: Poiché tutti i neuroni di uscita entrano nella classifica, la «giocata» è sempre 1, 2, 3 …, qualunque siano i dati. L'«accuratezza» di allenamento arriva comunque al 100 %, perché la rete impara solo che il numero più grande sta sempre all'ultima posizione.
B · PowerballAi
Fonte: CorvusCodex · MIT
La stessa rete. La previsione rimescola i numeri dell'ultima estrazione nota; il numero bonus è il neurone di uscita più probabile.
Risultato: Lo script originale si blocca con il suo stesso formato di dati (errore di indice: 6 posizioni per 5 colonne). Qui gira la variante evidentemente voluta: la giocata è semplicemente l'estrazione precedente e il bonus cade sempre tra 1 e il numero di colonne.
C · Mega Millions AI
Fonte: iandickson222
Un LSTM(64) per posizione con l'estrazione precedente in ingresso, un softmax su tutti i numeri per posizione; allenamento con EarlyStopping. Previsione: il numero più probabile in ogni posizione.
Risultato: Un vero modello sequenziale, ma ogni posizione impara solo il numero più frequente in quel posto (numeri bassi davanti, alti in fondo) e spesso produce doppioni. I numeri indovinati restano nei limiti del caso.
Gli originali definiscono strati LSTM di 256 000 e 409 800 neuroni: centinaia di gigabyte di pesi, lo script non gira su nessuna macchina. Qui gli strati sono ridotti a 16 – 128 neuroni; tutto il resto (architettura, funzione di perdita, divisione 80/20 o 90/10, regola di previsione) è ripreso tale e quale.
Curva di allenamento
L'«accuratezza» controlla solo se il neurone più probabile sta nella posizione del numero più grande; con estrazioni ordinate è sempre l'ultima. Il 100 % quindi non significa nulla.
Risultato
«Giocata» del modello per la prossima estrazione
Test onesto: estrazioni tenute da parte
| Punti | Modello | Caso (atteso) |
|---|
Le ultime giocate del test
| Data | Previsione | Uscite |
|---|
Domande sul laboratorio IA
Un LSTM può prevedere i prossimi numeri?
No. Un LSTM impara schemi nelle sequenze: linguaggio, prezzi, dati di sensori. Le estrazioni Lotto 6 aus 45 sono eventi casuali indipendenti e senza memoria: l'estrazione di oggi non contiene alcuna informazione su quella di domani. La rete può al massimo riprodurre la distribuzione delle frequenze passate, uguale per tutti i numeri.
Perché questi programmi mostrano il 100 % di accuratezza?
Perché la metrica misura un'altra cosa. Gli script danno l'estrazione come ingresso e come obiettivo; l'«accuratezza» significa allora solo che la rete trova la posizione del numero più grande, sempre l'ultima con estrazioni ordinate. Non ha nulla a che fare con una previsione.
In cosa questo laboratorio differisce dagli originali?
Architettura, funzione di perdita, divisione dei dati e regola di previsione sono riprese. Solo gli strati LSTM irrealistici sono ridotti, e c'è una valutazione che manca agli originali: ogni giocata è formata con i dati precedenti all'estrazione e confrontata con l'attesa esatta del caso.
La percentuale di numeri indovinati supera a volte il caso?
Con poche estrazioni di validazione il risultato oscilla molto; un p inferiore a 0,05 compare in media una volta su 20 tentativi. Provando finestre, epoche e modelli diversi si finisce sempre per trovare uno scostamento: è il caso, non una scoperta.