Mengapa Algoritma Kalah?

Angka Tidak Menangis—Tapi Menang

Saya menyaksikan laga Gal韦斯U20 vs St. 阿瓦伊U20 pukul 10:50 PM GMT, menikmati Earl Grey sambil skrip Python menganalisis setiap umpan. Bukan karena percaya pada pelatih atau suporter—tapi karena saya percaya probabilitas lebih dari puisi.

Peluit berbunyi pukul 00:54:07. Skor: 0-2. Tidak ada gol dari penguasaan 68% Gal韦斯, 14 tembakan, xG 3. Namun St. 阿瓦伊 mencetak dua gol dari dua serangan balik—masing-masing dari set piece yang terlihat seperti doa Bayesian.

Apa yang Dilihat Model (Dan Mengapa Gagal)

Serangan Gal韦s elegan: pembangunan progresif, transisi sabar, akurasi umpan tinggi. Statistiknya berteriak ‘dominan’. Tapi tingkat konversi xG-ke-gol? Hanya 13%. Sementara itu, tiga tembakan St. 阿瓦伊 menghasilkan dua gol—efisiensi 67% yang membuat bahkan analis paling rasional bergumam.

Kesalahan Manusia (Dan Mengapa Kita Mencintainya)

Kami menyebutnya ‘intuisi’. Mereka menyebutnya ‘disiplin taktis’. Sebenarnya? Ini adalah overfitting terhadap emosi—mengabaikan variansi dalam transisi bertahan. Pelatih Gal韦市 percaya modelnya terlalu keras; St. 阿瓦伊 percaya kipernya—and he won.

Laga Berikutnya (Spoiler: Anda Akan Menyesal)

Minggu depan: mereka menghadapi UCL Academy U23—tim yang mengalahkan kami musim lalu dengan menarik puisi dari data. Jika Anda percaya mata lebih daripada algoritma… Anda sudah terlambat untuk pertandingan.