grAId, un gioco di parole tra "grade" e "Artificial Intelligence, AI", è la risposta all'antichissimo dilemma del grado delle vie. Questo argomento è costato ben più di un'amicizia e ha spesso portato a discussioni accese e infinite tra climber. Il motivo è che i sistemi di classificazione usati nel mondo si basano su fattori soggettivi e presentano quindi varie lacune.
grAId assegna un grado alle vie automaticamente, usando le informazioni sulle ascensioni fornite dai climber. Non ha bisogno di alcun grado iniziale, ma usa un modello matematico per prevedere in modo accurato il grado di una via, eliminando la soggettività dal processo di valutazione.
Il problemaRitorna ai contenuti
I sistemi convenzionali per classificare la difficoltà delle vie non hanno alcuna base statistica formale. Il grado accettato per una via viene determinato in base alle opinioni di una manciata di persone, principalmente di chi ha scalato la via per la prima volta.
La soggettività e l'influenza di vari valutatori per ogni via è fonte di contraddizione: a dimostrazione di questo, lo slang dell'arrampicata ha addirittura dei termini per descrivere le vie che sono relativamente difficili ("sottogradata") o facili ("sovragradata") rispetto al loro presunto grado.
Mentre alcuni sistemi di classificazione usano scale intere (come la Ewbank), non c'è alcuna interpretazione formale della proporzione o differenza numerica tra i vari gradi. I gradi soggettivi dipendono da un'opinione, non da una prova oggettiva, e mancano quindi di confutabilità.
Piuttosto, si dovrebbe valutare il grado delle vie in modo obiettivo, con criteri misurabili e una scala intervallata.
La soluzioneRitorna ai contenuti
grAId applica il consolidato sistema Whole-History Rating (WHR) [1] all'arrampicata e crea previsioni precise sui gradi delle vie.
Per farlo, l'algoritmo prende una serie di dati relativi alle ascensioni, tra cui il tipo di via, il climber, la via e un periodo di tempo come input per generare la stima massima a posteriori della valutazione del climber e della via. Un climber può avere molte valutazioni, corrispondenti a ciascun periodo di tempo in cui ha arrampicato. La valutazione della via e del climber possono essere utilizzate per generare una stima delle probabilità che il climber possa scalare con successo una certa via, in un determinato momento.
Per ulteriori dettagli sulle basi scientifiche puoi leggere l'articolo “Estimation Of Climbing Route Difficulty Using Whole-history Rating” di Dean Scarff [2].
Ma cosa succede se non sai che gradi scalano gli altri? Nessun problema: puoi tenerli d'occhio e scoprire che ci sono climber che impiegano circa il tuo stesso numero di tentativi per chiudere un certo tipo di via. Quando sarà il tuo turno sulla prossima via, potrai supporre che la tenterai tante volte quante gli altri climber prima di chiuderla.
Questi sono i criteri di un sistema di classificazione scientifico. Invece di basarti su opinioni personali circa la difficoltà delle vie, puoi osservare i risultati concreti delle scalate. Per dare un grado alla difficoltà del tiro, puoi usare le probabilità che hai di chiuderlo.
L'applicazioneRitorna ai contenuti
theCrag usa le informazioni relative alle ascensioni per calcolare il grAId di ogni via, lo converte nel sistema di gradi corrispondente usando un convertitore interno e lo mostra come un contributo relativo al grado sulla pagina della via. Più ascensioni, riuscite e non, vengono registrate per una via, più preciso sarà il grAId. Usando dati aggiuntivi, il grAId viene aggiornato periodicamente e potrebbe quindi cambiare nel tempo. theCrag non mostra il grAId per le vie con dati insufficienti o di scarsa qualità.
LiteratureRitorna ai contenuti
- Rémi Coulom. “Whole-history rating: A Bayesian rating system for players of time-varying strength”. In: International Conference on Computers and Games. Springer. 2008, pp. 113–124.
- Dean Scarff. “Estimation Of Climbing Route Difficulty Using Whole-history Rating “. arXiv:2001.05388v3 [stat.AP] 20 Jul 2020
- Dean Scarff. “Making the Grade”. Vertical Life, 03-Aug-2020