Η τεχνητή νοημοσύνη έχει πλέον διεισδύσει σχεδόν σε κάθε πτυχή του Παγκοσμίου Κυπέλλου 2026– από την ανάλυση δεδομένων, μέχρι την επιτήρηση των εγκαταστάσεων. Παρά την ευρεία της χρήση, η AI εξακολουθεί να αποτυγχάνει στο μοναδικό πραγματικά κρίσιμο ερώτημα: την πρόβλεψη νικητών και ηττημένων.
Μια ημέρα που μάλλον δεν είχε πολλές ειδήσεις, αθλητικογράφοι της εφημερίδας USA Today ζήτησαν από το εργαλείο ΑΙ της Microsoft, το Copilot, να προβλέψει τα σκορ των αγώνων της ημέρας. Εκείνη τημέρα υπήρχαν συνολικά τέσσερις ποδοσφαιρικές αναμετρήσεις: Ισπανία–Πράσινο Ακρωτήριο, για την οποία το Copilot προέβλεψε νίκη με 3-0, Βέλγιο–Αίγυπτος με πρόβλεψη 2-1, Ουρουγουάη–Σαουδική Αραβία επίσης με 2-1, και Ιράν–Νέα Ζηλανδία, 1-0.
Ωστόσο, στην πραγματικότητα, όλοι οι αγώνες έληξαν ισόπαλοι– αποτέλεσμα που το μοντέλο δεν είχε καν εξετάσει ως πιθανότητα. Στα παιχνίδια Βέλγιο–Αίγυπτος και Ουρουγουάη–Σαουδική Αραβία σημειώθηκε ισοπαλία 1-1, ενώ η αναμέτρηση Ιράν–Νέα Ζηλανδία έληξε 2-2. Η πιο εντυπωσιακή ανατροπή ήρθε στον αγώνα Ισπανίας–Πράσινου Ακρωτηρίου, όπου ο τερματοφύλακας Ζοσιμάρ «Βοζίνια» Ντίας κατάφερε να διατηρήσει το 0-0 απέναντι σε μια από τις ισχυρότερες ομάδες. Το Copilot προέβλεψε ότι η Ισπανία θα «σφυροκοπούσε» την άμυνα του Πράσινου Ακρωτηρίου, αποτυπώνοντας περισσότερο μια κυρίαρχη αφήγηση παρά μια πραγματικά τεκμηριωμένη προγνωστική εκτίμηση.
Ωστόσο, το εργαλείο της Microsoft δεν ήταν το μόνο που… «αστόχησε». Νωρίτερα μέσα στον μήνα, δημοσιογράφοι ζήτησαν από το ChatGPT να προβλέψει τον τελικό του NBA μεταξύ των New York Knicks και των San Antonio Spurs, με το μοντέλο να δίνει το προβάδισμα στους Spurs- πρόβλεψη που επίσης δεν επαληθεύτηκε.
Τα μεγάλα γλωσσικά μοντέλα εξακολουθούν να υστερούν σημαντικά στις αθλητικές προβλέψεις
Οι λάθος προβλέψεις ακολουθούν πρόσφατη μελέτη που δείχνει ότι μεγάλα γλωσσικά μοντέλα, όπως το ChatGPT και το Copilot, είναι ανεπαρκή στην πρόβλεψη αθλητικών αποτελεσμάτων ή ακόμη και στην αξιόπιστη ανάλυση αγώνων μετά τη διεξαγωγή τους. Σε δοκιμές πρόβλεψης μικρών χρονικών τμημάτων αγώνων, το καλύτερο μοντέλο πέτυχε ακρίβεια μόλις 43%, τη στιγμή που οι άνθρωποι έφτασαν το 58,9% και παρέμειναν πιο καλά «ευθυγραμμισμένοι» με τα αποτελέσματα.
Συνολικά, γίνεται σαφές ότι τα γλωσσικά μοντέλα εξακολουθούν να υστερούν σημαντικά στις αθλητικές προβλέψεις. Και ενώ αυτό είναι κακό νέο για όσους ελπίζουν σε εύκολα προγνωστικά στοιχήματα, είναι ακόμη χειρότερο για μια τεχνολογική βιομηχανία που έχει επενδύσει δισεκατομμύρια προσπαθώντας να μετατρέψει την AI σε μηχανές σύνθετης συλλογιστικής.
