TOTO – 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 1.234 estrazioni reali TOTO, 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 TOTO 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.