Nie obstawiaj z AI. Sztuczna Inteligencja poległa na typowaniu wyników meczów

Najnowsze badania pokazują, że nawet najbardziej zaawansowane systemy AI mają poważne problemy w starciu z rzeczywistością. Eksperyment przeprowadzony przez General Reasoning udowodnił bowiem, że topowe modele od gigantów technologicznych nie radzą sobie z przewidywaniem wyników meczów Premier League.

W testach udział wzięły systemy od firm takich jak Google, OpenAI, Anthropic oraz xAI. Zadanie było pozornie proste, przewidywać wyniki meczów i zarządzać budżetem w symulowanym sezonie 2023/24. Efekt? Większość modeli kończyła z poważnymi stratami finansowymi, a niektóre całkowicie „bankrutowały”. Co więcej, średnio radziły sobie gorzej niż ludzcy gracze obstawiający zakłady.

Eksperyment udowodnił, że topowe modele od gigantów technologicznych nie radzą sobie z przewidywaniem i obstawianiem wyników meczów.

Symulacja prawdziwego sezonu

Badanie oparte na projekcie KellyBench polegało na odtworzeniu całego sezonu ligowego z wykorzystaniem danych historycznych i statystyk drużyn. Modele AI miały za zadanie dostosowywać strategie w czasie rzeczywistym, reagując na zmieniające się warunki, w tym kontuzje, formę zespołów czy wyniki wcześniejszych spotkań. To właśnie ten dynamiczny charakter okazał się największym wyzwaniem.

Nieliczne przebłyski, brak stabilności

Najlepszy wynik osiągnął model Claude od Anthropic, który zbliżył się do progu rentowności, notując około 11% straty. Z kolei system Grok od xAI w jednej próbie całkowicie zbankrutował. Pewnym wyjątkiem był model Gemini od Google, który w jednym podejściu wygenerował zysk, ale w innym również poniósł porażkę. Brak powtarzalności wyników pokazuje zatem, że AI wciąż nie radzi sobie z długoterminowym podejmowaniem decyzji.

Problem z realnym światem

Zdaniem autorów badania, w tym Ross Taylor, branża technologiczna zbyt mocno skupia się na testach w kontrolowanych i statycznych warunkach. Tymczasem rzeczywistość jest pełna nieprzewidywalnych zmiennych, które trudno ująć w modelach matematycznych. To pocieszające, bo choć sztuczna inteligencja osiąga imponujące wyniki w programowaniu czy analizie danych, eksperyment jasno pokazuje jej ograniczenia. W zadaniach wymagających adaptacji w czasie i reagowania na chaos świata rzeczywistego nadal ustępuje ludziom i tym samym, nie zastąpi ich tak szybko, jak niektórzy by chcieli.