#广场预测世界杯赢40000U

Прогноз AI щодо "32 команд чемпіонату світу" перевищує точність людини

Груповий етап чемпіонату світу 2026 року в США, Канаді та Мексиці завершився, і повний список із 32 команд офіційно оголошено. Поки на футбольному полі традиційні сильні команди та темні конячки змагаються, за межами поля також відбувається етапний "розрахунок" у "битві людини та машини за прогнози", де домінує штучний інтелект.

У "битві людини та машини за прогнози чемпіонату світу", організованій Lenovo Group спільно з Migu Video, 12 провідних китайських AI-моделей та експерти-люди прогнозували результати 104 матчів. Кінцеві дані показали, що загальна точність прогнозів AI-табору перевищила точність експертів-людей, причому деякі AI-моделі навіть вгадали такі малоочікувані команди, як Кабо-Верде, які не мали історичних даних на чемпіонатах світу, отримавши деякі "антиконсенсусні" результати.

Джерело зображення: офіційне зображення Lenovo

З 28 травня до початку чемпіонату світу Lenovo Tianxi AI як "головний організатор" розіслав 12 провідним китайським AI-моделям та експертам-людям бланк відповідей "Єдиний іспит з прогнозування 32 команд чемпіонату світу 2026", вимагаючи подати свої "відповіді" до початку турніру.

28 червня за пекінським часом, після завершення останнього матчу групи J, де Алжир та Австрія зіграли внічию 3:3, рейтинги прогнозів AI стали відомі. Серед них Tencent Hunyuan посів перше місце, вгадавши 29 команд, що пройшли далі, а MiniMax та iFlytek Spark посіли друге місце, вгадавши 28 команд. Загальний відсоток перемог AI-табору склав 61,9%, що на 7,3% випереджає експертів-людей.

Ще більш цікавим є те, що під час прогнозування перед турніром чотири з 12 AI-моделей сміливо робили ставку на "новачка" Кабо-Верде. Цей "антиконсенсусний" прогноз підтвердився результатами команди Кабо-Верде — вона зіграла внічию з такими традиційними сильними командами, як Іспанія та Уругвай, і вийшла з групи без поразок.

Ма Лінь, технічний директор SenseTime, пояснив журналісту Time Finance, що AI-модель змогла вгадати Кабо-Верде як "найбільшу темну конячку" тому, що модель може проникнути за поверхневу силу команд та дослідити глибинні дані. Хоча Кабо-Верде є "новачком" на чемпіонаті світу, її гравці здебільшого виросли в європейській ліговій системі і показали сильні результати у відбіркових матчах останніх років. AI-модель, аналізуючи глибинні змінні даних, такі як дисципліна захисту, ефективність контратак та структура гравців, дійшла більш раціонального висновку, ніж людський досвід.

Однак, демонструючи здатність до "антиконсенсусу", AI також виявив обмеження в умовах крайньої невизначеності. Наприклад, у матчі Кабо-Верде проти Саудівської Аравії 12 AI-моделей розділилися на три групи: DeepSeek, Kimi, Jieyue та iFlytek Spark прогнозували перемогу Саудівської Аравії; Tongyi Qianwen, Zhongyi Jiutian, Tianxi AI, Tencent Hunyuan та SenseTime Xiaohuanxiong прогнозували нічию; Baidu Wenxin, Zhipu та MiniMax ставили на перемогу Кабо-Верде. Хоча в результаті була нічия, жодна модель точно не вгадала фінальний рахунок 0:0.

Це явище виявило загальну "сліпу зону" в прогнозах AI — "переоцінку атакуючої сили". Навіть п'ять моделей, які прогнозували нічию, дали рахунки, що включали принаймні один гол. За офіційними даними Lenovo, серед дев'яти нічиїх у груповому етапі точність прогнозів AI становила менше 3%. Таким чином, AI-моделі краще працюють зі структурованими даними та детермінованими тенденціями, але для таких командних видів спорту, як футбол, що включають безліч факторів, таких як психологічний стан на місці, несподівані травми та випадковості, є частини, які AI-моделі не можуть оцінити.

Цього разу на чемпіонаті світу з'явилося багато темних конячок, що зробило прогнози AI різноманітними. Це насправді виявило недолік "схожості базової логіки" великих моделей. Оскільки великі моделі по суті є "ймовірнісними компресорами", що працюють на історичних даних. У звичайних матчах, де сили чітко розподілені, всі моделі, використовуючи однакові дані, природно приходять до однакових висновків; але коли стикаються з невідомими командами або інноваційними тактиками чи екстремальними стилями гри, AI "колективно втрачає здатність" через відсутність історичних орієнтирів. Тому що вони насправді не розуміють гру, а лише вгадують на основі ймовірностей, коли стикаються з невідомістю.

Насправді "битва людини та машини" за прогнози результатів чемпіонату світу не є єдиним проектом Lenovo; багато провідних виробників великих моделей також взяли в ньому участь: Tongyi Qianwen запустив спеціалізованого AI-помічника для футбольних прогнозів, який не тільки охоплює всі 104 матчі, дозволяючи користувачам змагатися з AI, але й одночасно ініціював "Програму поля" — коли кількість очок користувача досягає певної суми, Qianwen побудує футбольне поле для сільської школи.

Moonshot AI (Kimi) також створив 300 спеціалізованих агентів, які відповідають за тактичний аналіз, відстеження стану гравців, розрахунок розкладу матчів та моніторинг коефіцієнтів, і в результаті згенерував звіт з прогнозом на 224 сторінки, демонструючи здатність багатоагентної системи справлятися зі складними завданнями. Крім того, модель Claude Fable 5 від Anthropic дала прогнози на основі макрозмінних, таких як структура турніру (48 команд, чемпіону потрібно зіграти 8 матчів), високі температури в Північній Америці влітку та вікова крива складу команд.

Такі різноманітні способи участі не лише перетворили прогнози AI з простого "вгадування переможців" на комплексну технологічну демонстрацію, що включає аналіз даних, багатоагентну координацію, соціальну взаємодію та макророзвиток, але й зробили цю "битву людини та машини" навколо чемпіонату світу чудовим випробувальним полігоном для виробників, щоб перевірити здатність великих моделей до практичного застосування. Однак, з вищої перспективи, у складних системах, таких як бізнес-рішення, макроекономічний аналіз і навіть соціальне управління, AI також стикається з дилемою між "повнотою даних" та "реальним хаосом".