Η τεχνητή νοημοσύνη έχει σταδιακά γίνει αναπόσπαστο κομμάτι της αθλητικής ανάλυσης, κυρίως στο πλαίσιο μεγάλων διοργανώσεων όπως το Παγκόσμιο Κύπελλο 2026. Παρά την αναγνώριση και ευρεία εφαρμογή της σε ποικιλία τομέων, οι επιδόσεις της στην πρόβλεψη αποτελεσμάτων αγώνων παραμένουν απογοητευτικές. Στο διάστημα αυτό, συγκεντρώνεται μια σειρά αποτυχιών στις προβλέψεις αποτελεσμάτων που αναδεικνύει την ανάγκη για προσοχή στην αξιοπιστία των σχετικών εργαλείων.
Σε πρόσφατη προσπάθεια, δημοσιογράφοι από τη γνωστή αμερικανική εφημερίδα USA Today χρησιμοποίησαν το εργαλείο AI της Microsoft, Copilot, για να προβλέψουν τα σκορ συγκεκριμένων αγώνων. Η μέρα περιλάμβανε τέσσερις αγώνες: Ισπανία–Πράσινο Ακρωτήριο, Βέλγιο–Αίγυπτος, Ουρουγουάη–Σαουδική Αραβία και Ιράν–Νέα Ζηλανδία. Σύμφωνα με το Copilot, τα αναμενόμενα σκορ ήταν 3-0, 2-1, 2-1 και 1-0 αντίστοιχα. Ωστόσο, η πραγματικότητα ήταν εντελώς διαφορετική, καθώς όλοι οι αγώνες έληξαν ισόπαλοι.
Μάλιστα, στα παιχνίδια Βέλγιο–Αίγυπτος και Ουρουγουάη–Σαουδική Αραβία παρατηρήθηκε ισοπαλία 1-1, ενώ το Ιράν και η Νέα Ζηλανδία έληξαν 2-2. Ο αγώνας που θριάμβευσε σε εκπλήξεις ήταν αυτός της Ισπανίας με το Πράσινο Ακρωτήριο, όπου ο τερματοφύλακας Ζοσιμάρ «Βοζίνια» Ντίας κράτησε απαραβίαστη την εστία του, φέρνοντας το 0-0 σε ένα ματς που σύμφωνα με το Copilot θα έβλεπε σοβαρή υπεροχή της Ισπανίας.
Οι αποτυχίες των αλγορίθμων δεν περιορίζονται στο Copilot. Νωρίτερα τον μήνα, το ChatGPT ρωτήθηκε για την πιθανότητα νίκης στην τελική αναμέτρηση του NBA μεταξύ των New York Knicks και των San Antonio Spurs, προβλέποντας την επικράτηση των Spurs, μία πρόβλεψη που επίσης δεν επιβεβαιώθηκε.
Η αναποτελεσματικότητα των μεγάλων γλωσσικών μοντέλων
Η αποτυχία των AI μοντέλων να παρέχουν αξιόπιστες προβλέψεις αντανακλά την αποτελεσματικότητα, όπως δείχνει πρόσφατη μελέτη. Παρά την πρόοδο στον τομέα της ανάλυσης δεδομένων, μεγάλα γλωσσικά μοντέλα όπως το ChatGPT και το Copilot δεν καταφέρνουν να αποδώσουν ικανοποιητικά στην πρόβλεψη αποτελεσμάτων. Σε δοκιμές που αφορούσαν μικρούς χρόνους αγώνα, η ακρίβεια του καλύτερου μοντέλου δεν υπερέβη το 43%, την ώρα που οι άνθρωποι έφτασαν το 58,9% και παρέμειναν πιο κοντά στα πραγματικά αποτελέσματα.
Συμπερασματικά, η τρέχουσα κατάσταση δείχνει ότι τα γλωσσικά μοντέλα παραμένουν πίσω από την ανθρώπινη ικανότητα να προβλέπουν αθλητικά αποτελέσματα. Αυτό δεν αποτελεί ενθαρρυντικό σημάδι για άτομα που αναζητούν εύκολες λύσεις στον τομέα των στοιχημάτων, αλλά είναι επίσης απογοητευτικό για μια βιομηχανία που έχει επενδύσει σημαντικά στη βελτίωση της τεχνητής νοημοσύνης για την επίλυση σύνθετων προβλημάτων.
Πηγή: Futurism
## Η άποψη του TechNoid.gr
Η αδυναμία των τωρινών AI εργαλείων να προβλέψουν σωστά τα αποτελέσματα αθλητικών αγώνων αναδεικνύει τις προκλήσεις που αντιμετωπίζει η τεχνητή νοημοσύνη στον τομέα αυτό. Παρά την εντυπωσιακή πρόοδο, η επαφή με την πραγματικότητα ως μέρος της στρατηγικής ανάλυσης παραμένει ζωτικής σημασίας. Η ενσωμάτωση ανθρώπινης κρίσης και εμπειρίας θα συνεχίσει να παίζει κρίσιμο ρόλο στις αθλητικές προβλέψεις, τουλάχιστον στο εγγύς μέλλον. Αυτό κάνει την αλληλεπίδραση μεταξύ ανθρώπου και τεχνολογίας πιο απαραίτητη από ποτέ.
