ESPN’s 2026 World Series of Poker Main Event-uitzending probeerde ons een nieuwe droom te verkopen: kunstmatige intelligentie die gedachten leest.
Tenminste, dat suggereerden ze.
Er verscheen een tekstoverlay op het scherm. Het toonde live statistieken van spelersbewegingen. Het vertoonde een ‘handkrachtmodel’. De gegevens zouden waarschijnlijkheden hebben uitgesplitst op basis van de ‘tells’ van een speler: onbewuste tics zoals knipperen, houding en chipbehandeling. De boodschap was duidelijk: AI kon zien wat jij niet kon zien.
Het zag er glad uit. Het voelde futuristisch.
Het werkte ook niet.
De pokergemeenschap reageerde met een mengeling van scepsis en regelrechte afwijzing. Waarom? Omdat bluf vertellen moeilijk is. Echt moeilijk. En een cameralens beschikt niet over de intuïtie die nodig is om te bellen.
Het probleem van de datakloof
De tool is gebouwd door Luke Geel, een AI-ingenieur met een achtergrond bij de Amerikaanse luchtmacht. Zijn systeem digitaliseert de ouderwetse kunst van tell-detectie.
Het algoritme van Geel analyseerde elke hand die tijdens de eerste paar dagen van de juli-uitzending op camera was vastgelegd. Het bouwde een database. Er werd gezocht naar patronen in oogbewegingen. Er werd de ademhaling gemeten. Het volgde fidgets. Vervolgens voorspelde het of een speler een sterke hand had, een draw had of aan het bluffen was.
Het probleem? De steekproefomvang was klein.
De WSOP van 2026 trok meer dan 9.000 spelers. De meesten van hen zaten nooit aan de drie tafels die op televisie werden uitgezonden. De AI werd getraind op camerafeeds van die specifieke tabellen.
Michael Gagliano weet dit uit de eerste hand.
Gagliano is een 17-jarige professional die de finaletafel bereikte en voor $10 miljoen speelde. Hij zegt dat de uitzendingen gevarieerd waren. Spelers verschenen niet vaak. Er waren niet genoeg consistente beelden van een enkele tegenstander voor de AI om een robuust profiel op te bouwen.
“Ik weet niet met hoeveel feitelijke informatie ik iets kan doen”, zegt Gagliano.
Als een menselijke professional vanwege de beperkte schermtijd geen signalen kan herkennen, wordt een AI geconfronteerd met exact dezelfde beperking. Je kunt een model niet trainen op sporadische gegevens en nauwkeurige voorspellingen verwachten.
Het is niet alleen een Oreo-kruimel
De popcultuur houdt van pokerverhalen.
De film Rounders uit 1998 vereeuwigde de trope. Het karakter van Matt Damon verliest omdat John Malkovich Oreos eet. De gangster toont zijn zelfvertrouwen door middel van een specifieke, repetitieve actie. Het is filmisch. Het is schoon.
Echt poker is rommeliger.
Shaun Deeb, tweevoudig finalist van de WSOP Speler van het Jaar, wijst erop dat fysieke signalen veel complexer zijn dan het eten van snacks.
“Er zijn beensignalen, controlesignalen, verbale signalen, ademhalingssignalen en polssignalen”, zegt Deeb. “Er is een waanzinnige hoeveelheid tellers beschikbaar. De meeste kunnen niet door een camera worden opgepikt.”
Een camera ziet pixels. Het voelt niet als een bedoeling.
Het kan zijn dat een speler zweet. Het kan zijn dat een speler trilt. Maar het kan geen onderscheid maken tussen de nervositeit van het vasthouden van een zwakke hand en de adrenaline van het spelen in een omgeving met hoge inzetten.
Context is alles
Overweeg twee paar.
Voor een beginneling is twee paar sterk. Voor een professional kan two pair zwak zijn in de context van het board en het inzetpatroon.
“Misschien heeft iemand extra zelfvertrouwen met een hand… dat is eigenlijk zwak voor de situatie”, legt Gagliano uit.
Of denk aan de speler die weet dat hij twee paar heeft. Ze zijn nerveus omdat het het Main Event is. Hun lichaamstaal schreeuwt angst. Is het angst? Of is het respect voor de potmaat?
AI ziet de angst. Het mist de context.
Het correleert beweging met handkracht zonder de spelstatus te begrijpen. Die correlatie is gebrekkig. Vertrouwen is niet altijd macht. Nervositeit is niet altijd schuldgevoel.
Een schommel en een misser
Geel, de schepper, claimt geen goddelijkheid.
Hij vertelde WIRED dat er grotere datasets nodig zijn. Hij geeft toe dat zijn blinde tests bij andere competities gemengde resultaten opleverden. De tool is ontworpen voor entertainment, niet voor professioneel advies. Het is een feesttruc voor in de woonkamer.
Maar zelfs als entertainment voelt het geforceerd aan.
Deeb is niet onder de indruk.
“Ik denk dat ze willekeurig iets hebben gevonden om er een andere sport van te maken”, zegt Deeb. “Ik denk gewoon dat het een swing en een misser was.”
De tool verscheen in juli-uitzendingen. Het haalde de finaletafel niet.
Omaha Productions, de gelicentieerde producent voor ESPN’s WSOP-verslaggeving, bevestigde dat de AI was uitgesloten van de finale. Ze weigerden uit te leggen waarom.
Misschien was het duidelijk. Misschien waren de gegevens onzin. Misschien realiseerde het netwerk zich dat het tonen van valse precisie op live televisie een slechte uitstraling was.
De toekomst van detectie
AI zal verbeteren. Dat doet het altijd.
In de high-roller-scene, waar de buy-ins zes cijfers bedragen, bestaan er honderden uren aan beeldmateriaal. Voordelen bestuderen dagelijks streams. Ze zoeken naar patronen.
Kan een betere AI dit proces optimaliseren?
Misschien.
Maar voorlopig blijft het menselijke element dominant.
Deeb coacht spelers diep in toernooien. Zijn proces omvat het inhuren van live tell-specialisten. Hij kijkt niet alleen naar camera’s. Hij kijkt naar mensen. Hij heeft vrienden die in de kamer zitten en zowel de tegenstanders als zijn cliënt observeren. Ze zoeken naar opvallende neigingen. Ze passen zich in realtime aan.
Er bestaat geen algoritme voor dat soort aanwezigheid.
De AI bij de WSOP probeerde instinct te vervangen door data. Het mislukte omdat poker niet alleen maar data is. Het is psychologie. Het is bedrog. Het is het menselijk vermogen om een ander mens onder extreme druk te lezen.
Je kunt een knippering tellen. Je kunt niet altijd vertrouwen op wat het betekent.
