MIT Blackjack Team: Å slå huset med matematikk

MIT Blackjack Team er uten tvil de største korttellerne og blackjack-strategene i historien. Deres bedrifter har blitt gjentatt i populærkultur flere ganger, mest merkbart i filmen fra 2008, 21. Laget teller kort og slo kasinoer over hele verden i over 2 tiår, og tjente anslagsvis 50 millioner dollar.

Ikke tenk på dem som A-laget i blackjack, da medlemmene av laget ofte skiftet, og minst 80 personer antas å ha vært en del av organisasjonen. Bestående av Harvard University-graduer og studenter, brukte MIT Blackjack Team nøyaktig korttelling og grunnleggende strategier for å overvinne huset. Målet var ikke bare å vinne, men også å dekke deres spor. Ved å utnytte nok tid og tap sammen med seirene, kunne laget opprettholde deres forbedrede spill i årevis uten å bli oppdaget.

Hvordan gjorde de det?

Opprettelse av MIT Blackjack Team

MIT-lagets historie begynner virkelig med Al Francesco, “Gudfaren av Blackjack“. Francesco kom opp med ideen om å spille blackjack i lag, og maksimere korttellingens potensiale. Han startet i begynnelsen av 1970-årene med å rekruttere korttellere og reise over hele USA. Ideen var å plassere disse profesjonelle rundt forskjellige blackjack-bord og tålmodig telle kort. Når en av spotterne så en mulighet der matematisk odds ikke lenger favnet huset, ville de signalisere en spiller til å komme til bordet.

Deretter ville spilleren plassere store pengespill for å utnytte fordelen fullt ut, til matematisk fordelen var tapt eller dekken ble blandet på nytt. Spilleren som ble valgt til å gamble, ville alltid roteres, og hjalp dermed Francesco sitt lag med å unngå oppdagelse og utestengning. På toppen av sin karriere hadde de 22 medlemmer og tre “spillere”. Men alt falt fra hverandre i 1977, da en av spillerne, Ken Uston, utga en bok, The Big Player, som avslørte lagets taktikker.

Francescos lag ble oppløst, men deres bedrifter inspirerte MIT Blackjack Team. Det begynte alt da Bill Kaplan, en Harvard-graduert med spill-erfaring, dannet en organisasjon av Harvard-studenter. Han hjalp med å skape en disiplin, organisere laget og skape et profesjonelt blackjack-lag. Det var langt mer omfattende enn Francesco sitt lag, og brukte sogar investor-støtte og ytelsesgjennomganger. Kaplans gruppe var ikke bare en gruppe blackjack-spillende studenter. Det var svært mye en forretningsmodell, som ga lønn til spillere og mottok støtte fra investorer.

Bedrifter og bemerkelsesverdige medlemmer

Basert i Boston, reiste gruppen over hele verden, fra Amerika til Bahamas og Europa. De brukte aliaser, planla reiser og analyserte sine mål for å unngå oppdagelse. Fra 1980, da de startet profesjonelt, hadde laget en investeringsandel på 89 000 dollar. Den opprinneligeoppstillingen hadde ti spillere, inkludert JP Massar, “Jonathan”, “Goose” og “Big Dave”. Mange av deres virkelige navn er ikke kjent den dag i dag, da mange MIT Blackjack-alumni fortsatt ønsker å beholde sin anonymitet.

De doblet tilsynelatende 89 000 dollar på bare ti uker. I gjennomsnitt tjente de rundt 170 dollar per time ved et bord. Investorene fikk over 250 prosent avkastning på sin opprinnelige investering det første året.

Kaplan ble snart kjent for kasino-operatører og måtte gå til store lengder for å skjule sin identitet. I 1984 måtte han trekke seg tilbake til sin vanlige dagjobb og slutte å delta i spillene. Aktivitetene ble deretter ledet av hans medarbeidere, Massar, samt Chang og Bill Rubin. Selv om Kaplan beholdt en ledende rolle i lagets bevegelser og blackjack-strategier.

På 1990-tallet nådde laget sitt virkelige høydepunkt, og vokste til over 80 medlemmer og traff de største kasinoene i landet. De tok tilsynelatende over 400 000 dollar en helg, ifølge en sikkerhetsetterforsker. Men den eksakte profitten og inntektene er ikke kjent. Vi kan bare stole på spekulasjoner og beretninger. Gruppen ble endelig oppløst i 2000, etter å ha løpt fra 1979, og tjente anslagsvis 50 millioner dollar.

Strategier de brukte

Selv de beste matematikerne og korttellerne blir til slutt fanget av kasinoer og må stenge butikken. Det er notorisk vanskelig å spore en kortteller, noe enhver pit-boss eller sikkerhetsmedlem kan vitne om. Kasinoer forbysrer ikke korttelling, men de har retten til å kaste noen ut av kasinoet, eller til og med forby dem. Det er i vilkårene – og noe du samtykker til så snart du trår inn i et kasino.

Å følge en grunnleggende strategi er derfor ikke nok på egen hånd. MIT Blackjack Team var så suksessfull og over så lang tid, fordi de visste dette. Og de gikk ut av sin way for å unngå å bli oppdaget av kasino-sikkerhetspersonale. Pluss, de brukte ikke bare grunnleggende blackjack-strategier. De hadde et lag av matematiske eksperter og spill-strateger som brukte forskjellige metoder for å identifisere når de matematiske oddsen svingte i favør av spilleren, og mot huset.

Korttelling og grunnleggende strategi

MIT-laget brukte Hi-Lo-korttellingssystemet, ett av de enkleste korttellingssystemene der ute. Det innebærer å bruke en løpende telling, og holde spor av True Count – en verdi som bestemmer hvem som har fordelen, og i hvilken utstrekning. Under spill ville de telle hvor mange høyere og lavere verdi-kort som var blitt brukt opp. Hvis det var flere 10-ere og andre høyverdi-kort igjen i dekken, ville blackjack-fordelen svinge i favør av spillerne.

Deretter kunne de øke innsatsstørrelsen. Selvfølgelig, så snart dekken ble blandet på nytt, ville fordelen forsvinne, og de kunne forlate eller senke innsatsen. Ikke på en svært åpen eller direkte måte – bare på en naturlig måte for å unngå å vekke mistanke. Grunnleggende blackjack-strategi måtte være nesten andre natur for spillerne. De måtte vite når de skulle hit, stand, surrender og double down, uten feil.

Ace-tracking og avansert blandning

Noen medlemmer hadde mer spesialiserte roller i MIT-laget. De måtte spore Aser og prøve å identifisere hvor Aser var i dekken etter blandingen. Det høres nesten umulig ut, men med mye praksis og ekspertise, kan du faktisk bli ganske skarp til å lokalisere Aser. Disse medlemmene måtte se på dealeren som blandet dekken og se etter hvor de kuttede kortene, og blandingsbevegelsene. Jo mer nøyaktig deres prediksjon var, jo bedre sjansen hadde spillerne til å kapitalisere på blackjacks eller surrender – avhengig av hvor Asen ville lande.

Å studere blandingsmetoder hjelper ikke bare med å lokalisere Aser. MIT-laget kunne også vurdere hvor godt en dealer kunne håndtere jobben og se etter å utnytte dealere med svakere blandingsmetoder. Det krever intens konsentrasjon og visuelle ferdigheter, men med riktig nivå av ferdighet, kunne MIT As-trackerne og blandings-ekspertene raskt lokalisere en god mulighet.

Skjule deres spor

MIT-laget vant ikke alltid når de spilte blackjack. De realiserte farerne med å bli oppdaget av kasino-sikkerhet, og laget måtte også tape noen ganger. Selvfølgelig kan du fortsatt tape selv om matematikken peker din vei, men de måtte også noen ganger kaste kasinoet av sporet og spille spill med høy husfordel.

En annen del av å skjule deres spor var å peke ut nøyaktige øyeblikk hvor en spiller kunne gå inn og ta en stor seier. Disse spillerne ville forkle seg som høy-rollers, og gå opp til et bord for å spille. Etter bare et par runder, ville de forlate med en stor sum penger – tilsynelatende et tilfelle av god variasjon eller “beginner-lykke“. Men forarbeidet kunne ha vært timer i making, med spottere og analytikere som ventet tålmodig på den perfekte muligheten til å tjene penger.

Kan strategien fortsatt fungere i dag?

Ingen av metodene som ble brukt av MIT-laget var spesifikt ulovlige eller for vanskelige for noen blackjack-spiller å lære. De brukte ikke høyteknologisk korttelling-programvare eller noen andre enheter som kunne få deg utestengt fra et kasino. Deres metoder baserte seg på korttelling og grunnleggende strategi. Og, selvfølgelig, måtte de forbli i skyggen og unngå å vekke mistanke. Men alle disse teknikker kan fortsatt brukes i dag, om du bare er svært forsiktig.

Tidligere var kasino-sikkerheten ikke like avansert som i dag. Selvfølgelig hadde de Eye in the Sky og mange ansatte for å overvåke spillere. Men de hadde ikke AI-drevne verktøy, ansiktsgjenkjenning-programvare og data-drevne løsninger for å identifisere potensielle korttellere. Selv om du unngikk ansiktsgjenkjenning og utnyttet noen tap i spillet ditt, er det nesten umulig å slå maskinlæring-kortteller-detektorer. Disse løsningene gjør prosjekter og simulasjoner av vårt spill og kan svært nøyaktig peke ut om en spiller teller kort eller ikke.

Men igjen, det er ikke en eksakt vitenskap. Det baserer seg på svært spesifikke detaljer. Slik som størrelsen på din innsats, tiden for dine innsatsendringer, og hvordan du reagerer på trukne kort. Til slutt er det mulig å bruke alle samme metoder som MIT-laget brukte.

Blackjack-strategi-betraktninger og bekymringer

En av de største farene med blackjack-strategier er at noen spillere misforstår hvordan de fungerer. Disse strategier er ikke ment å gjøre deg til å vinne alltid, eller å peke ut en situasjon der en seier er garantert. Langt ifra. De er ment å identifisere omstendigheter som gir deg en høyere matematisk sjanse til å vinne.

Du går aldri all-in på en blackjack-strategi, selv om True Count ringer i din favør. Prinsippet er å spille ved bordet mens fordelen er i din favør, og spille med store innsatser. I teorien bør du tjene mer penger og kan forlate når kortene blir blandet på nytt. Eller, True Count utjevner eller går i favør av huset.

Men måten blackjack blir portrettert i populærkultur gir noen spillere inntrykk av at en strategi vil vinne uansett. Det skaper spillernes forvrengninger, overmot og en spillers selvtilfredshet. Du bør aldri bare anta at selv om oddsen er i din favør, er du garantert en seier. Varians kan fortsatt komme inn i spill, og huset kan til og med vinne hvis oddsen er mot dem.

Så spill forsiktig og bli ikke medtatt eller emosjonell etter tap. Når det gjelder å gjennomføre en hus-slags strategi, er det ikke umulig. Du kan forbedre dine ferdigheter og bli en mester i å spore blandinger eller å peke ut Aser. Din største hindring er kortteller-detektor-teknologien og AI-drevne anti-svindel-programvare.