At yarışlarında yapay zekâ, geçmiş yarış verilerini analiz ederek gelecekteki bir koşunun sonucuna dair olasılık tahmini üretmek için kullanılır. Sistem; atın formunu, pist durumunu, mesafeyi, koşu temposunu, jokeyini ve galop olarak bilinen antrenman koşularını bir arada değerlendirir. Çıktı olarak her at için bir performans tahmini ve bu tahminin ne kadar güvenilir olduğunu gösteren bir güven skoru sunar. Bu araçlar kesin sonuç veren makineler değil, olasılık hesaplayan analiz sistemleridir.
Bir yapay zekâ modelinin tahmin kalitesi, beslendiği verinin kapsamına ve doğruluğuna bağlıdır. At yarışı analizinde tipik girdiler arasında atın önceki dereceleri, kazandığı ikramiyeler, pistin kuru veya çamurlu oluşu, koşu mesafesi ve jokey değişiklikleri yer alır. Galop kayıtları, atın yakın dönemdeki antrenman temposu hakkında fikir verdiği için modellerde ayrı bir değişken olarak işlenir. Bu veriler ne kadar düzenli ve geçmişe dönük olarak ne kadar zenginse, modelin ürettiği sinyal de o ölçüde anlamlı olur.
Model, geçmiş yarışlardaki benzer koşulları tarayarak bir atın belirli bir pist ve mesafede nasıl performans göstermiş olduğunu öğrenir. Ardından koşu öncesi bir simülasyon çalıştırarak farklı senaryolarda hangi atın öne çıkabileceğini hesaplar. Bazı platformlar bu simülasyonu, koşu öncesi oynanan altılı ganyan gibi çok ayaklı kuponlar için öneri üretmek amacıyla da kullanır. Sonuçta ortaya çıkan çıktı bir sıralama veya olasılık listesi biçiminde sunulur.
Türkiye'de at yarışı tahmini üzerine çalışan birkaç platform bulunuyor. yarisanaliz.com bir sinyal motoru işlettiğini ve birinciyi bilme oranının yaklaşık yüzde 20 olduğunu açıklıyor. galopraporu.com, 100 binden fazla geçmiş yarışla makine öğrenmesi yaptığını belirtiyor; alicinaroglu.com ise Türkiye Jokey Kulübü odaklı istatistiklerle 1.310'dan fazla yarışta yüzde 51 birinci, yüzde 71 ilk üç iddiasında bulunuyor. atyarisi.ai yarış simülasyonu ve altılı ganyan kupon önerisi sunduğunu, pegadrom.com ise form, pist, tempo, jokey ve galop sinyalleri ürettiğini ifade ediyor.
Baraka Sosyal Medya ve Yazılım Hizmetleri tarafından geliştirilen Ganyan Abla, Türkiye'nin ilk yapay zekâ at yarışı tahmincisi olarak tanıtılıyor. Geliştirici Cem Baraka, yaklaşık bir yıllık test sürecinde tahminlerde yüzde 82 başarı oranına ulaştıklarını ve her yarışta en az 56 farklı verinin analiz edildiğini belirtiyor; bu oran platformun kendi beyanıdır ve bağımsız olarak doğrulanmamıştır. Platform, 30 Haziran 2024'te koşulan 98. Gazi Koşusu'nun kazananını bir gece önceden doğru tahmin ederek yüzde 100 başarı sağladığını iddia ediyor. Ganyan Abla'nın 18 ülke ve 81 hipodromda hizmet verdiği belirtiliyor.
Japonya'da geliştirilen Equtum sistemi, yarış tahmininden farklı bir amaçla sensörlerden yararlanıyor. Sistem; adım uzunluğu, hız, kalp ritmi ve EKG verilerini toplayarak sakatlık riski analizi yapıyor ve antrenman önerileri sunuyor. Bu yaklaşım, yapay zekânın yalnızca hangi atın kazanacağını tahmin etmek için değil, at sağlığını izlemek için de kullanılabildiğini gösteriyor. Böylece teknoloji, yarış günü tahmininin ötesine geçerek atın genel hazırlık sürecine katkı sağlayabiliyor.
Bir akademik çalışmada, 2022'de İstanbul Teknik Üniversitesi araştırma ekibinin geliştirdiği makine öğrenimi modelinin bazı hipodromlarda yüzde 70 isabet oranıyla kazananı tahmin ettiği aktarılıyor. Aynı çalışmada, SVM olarak kısaltılan destek vektör makinesi algoritmasıyla atların koşu simetrisindeki bozulmalardan aksak bacağın yüksek doğrulukla belirlenebildiği (Poizat vd., 2025) ve yüz ifadelerinden duygusal durumun kodlanabildiği (Phelipon vd., 2025) ifade ediliyor. Bu bulgular, yapay zekânın yarış analizinin yanı sıra at refahı ve sağlık takibinde de potansiyel taşıdığını gösteriyor.
Yapay zekâ her zaman isabetli tahmin üretemiyor; ABD'de Kentucky Derbisi için test edilen HorseGPT bunun bir örneği. Sistemin seçtiği iki at da birinci olamadı: Sierra Leone ikinci, Fierceness ise on beşinci sırada bitirdi. HorseGPT'nin önerdiği Just a Touch ise yarışı sonunculukla tamamladı. Google Gemini de kazanan Athletic'i seçemedi; bu sonuç, modellerin bazı koşullarda yanılabildiğini gösteriyor.
Yurt dışında dikkat çeken bir başka örnek, 2025 Kentucky Derby'de yaşandı. ChatGPT ve Copilot, Journalism isimli atı favori olarak gösterdi ve yarışı da Journalism kazandı. Bu, modelin bazı durumlarda isabetli olabildiğini ortaya koyuyor. Ancak tek bir yarıştaki bu sonucu genel bir başarı kanıtı olarak değerlendirmek doğru olmaz; çünkü tahminler koşullara ve modele göre değişkenlik gösterebiliyor.
Türkiye'deki platformların açıkladığı isabet oranları, kendi beyanlarına dayanıyor ve bağımsız olarak doğrulanmış değil. Bu nedenle bir platformun yüzde 82 veya yüzde 70 gibi bir başarı oranı açıklaması, o platformun kendi değerlendirmesi olarak okunmalı. Kullanıcıların bu rakamları, hangi dönemde, hangi hipodromda ve hangi koşulda elde edildiğini sorgulaması yararlı olur. Beyan edilen oran ile gerçekleşen sonuç arasında fark oluşabileceği unutulmamalıdır.
Çoğu platform, bahis tavsiyesi veya kazanç garantisi vermediğini açıkça belirtiyor. Bu sistemler yalnızca olasılık üzerine çalışır; koşu sırasındaki tesadüfler, zeminin beklenmedik biçimde değişmesi veya atın o günkü hali sonucu etkileyebilir. Dolayısıyla yapay zekâ çıktısı, kesin bir kazanç planı değil, karar destek aracı olarak değerlendirilmelidir. Kullanıcının kendi değerlendirmesini yapması ve riskleri göz önünde bulundurması gerekir.
Yapay zekâ modelleri, eğitildikleri verinin kapsamı ve kalitesiyle sınırlıdır. Geçmişte görülmemiş bir durum, örneğin beklenmedik bir hava değişimi veya ilk kez karşılaşılan bir pist koşulu, modelin tahmin gücünü zayıflatabilir. Ayrıca atın o günkü fiziksel ve psikolojik durumu her zaman veriye tam olarak yansımaz. Bu nedenle model çıktıları, tek başına kesin bir gösterge olarak değil, diğer bilgilerle birlikte değerlendirilmesi gereken bir sinyal olarak ele alınmalıdır.
Güven skoru, modelin bir ata ilişkin tahminine ne kadar güvendiğini gösteren sayısal bir ifadedir. Yüksek güven skoru, o atın kazanma olasılığının model tarafından yüksek görüldüğü anlamına gelir; ancak bu, atın kesin kazanacağı anlamına gelmez. Skor, modelin eğitildiği veriye ve kullanılan algoritmaya göre değişebilir. Bu nedenle farklı platformların aynı yarış için ürettiği güven skorları birbirinden farklı olabilir.
Atın formu, yani yakın dönemdeki yarış performansı, tahmin modellerinde en sık kullanılan değişkenlerden biridir. Pist durumu da sonucu doğrudan etkiler; kuru, nemli veya çamurlu bir zemin atların koşu tarzına göre avantaj ya da dezavantaj yaratabilir. Mesafe ve tempo tercihleri de atın geçmiş koşularıyla karşılaştırılarak değerlendirilir. Bu değişkenlerin birlikte ele alınması, tek bir veriye bakmaktan daha kapsamlı bir tablo sunar.
Jokey değişikliği, bir atın performansını etkileyebilecek önemli bir faktördür ve modeller bunu ayrı bir değişken olarak işler. Galop, atın antrenmandaki koşu temposunu ve hazırlık düzeyini gösteren bir veri türüdür; bu kayıtlar atın yarışa ne kadar formda çıktığına dair ipucu verir. Jokey ve galop verisinin birlikte değerlendirilmesi, tahminin isabetini artırmaya yönelik bir yaklaşımdır. Ancak bu veriler de tek başına kesin sonuç anlamına gelmez.
Bazı platformlar, her at için bir sinyal üretip bu sinyalleri bir araya getirerek kupon önerisi sunar. Sinyal motoru, farklı veri kaynaklarından gelen bilgileri birleştirerek her at için bir olasılık değeri hesaplar. Altılı ganyan gibi çok ayaklı oyunlarda bu öneriler, birden fazla koşuyu kapsayan bir kombinasyon biçiminde sunulabilir. Bu tür önerilerin de olasılık temelli olduğu ve kesin sonuç garantisi taşımadığı unutulmamalıdır.
Türkiye'de at yarışı istatistikleri Türkiye Jokey Kulübü (TJK) tarafından tutulur ve yayımlanır. Bazı platformlar, TJK verilerini temel alarak geçmiş yarış sonuçları üzerinden istatistiksel analizler yapar. Bu analizler, atların belirli pist ve mesafelerdeki performansını karşılaştırmaya olanak tanır. TJK odaklı çalışan platformlar, istatistiksel çıktılarını bu resmî verilere dayandırdıklarını belirtir.
AGF, at yarışlarında oynanan bahislerin dağılımını gösteren bir istatistiktir ve hangi atın ne kadar oynandığı hakkında fikir verir. Yapay zekâ platformları bazen AGF istatistiklerini kendi modelleriyle birleştirerek kupon önerisi sunar. Ancak AGF, atın gerçek performansını değil, bahisçilerin tercihlerini yansıtır. Bu nedenle AGF verisi tek başına bir tahmin göstergesi olarak kullanılmamalıdır.
At yarışlarında yapay zekâ, geçmiş veriyi analiz ederek olasılık üreten bir karar destek aracıdır. Türkiye'de ve dünyada bu alanda çeşitli platformlar ve akademik çalışmalar bulunuyor; bazıları isabetli sonuçlar elde ederken bazıları başarısız olabiliyor. Beyan edilen başarı oranları genellikle platformların kendi açıklamalarıdır ve bağımsız doğrulama gerektirir. Kullanıcıların bu araçları kesin sonuç makinesi olarak değil, diğer bilgilerle birlikte değerlendirilecek bir sinyal kaynağı olarak görmesi yerinde olur.
Yapay zekâ tabanlı bir analiz aracını kullanırken birden fazla kaynağın çıktısını karşılaştırmak yararlı olabilir. Platformun hangi verileri kullandığını, verinin hangi dönemi kapsadığını ve güncelleme sıklığını öğrenmek, çıktının güvenilirliğini değerlendirmeye yardımcı olur. Bahis kararlarında kaybı göze alınabilecek miktarların ötesine geçmemek ve platformların yasal uyarılarını dikkate almak önemlidir. Yapay zekâ çıktısı, kişisel değerlendirmenin yerini almaz; yalnızca onu destekleyen bir araçtır.
