به گزارش همشهری آنلاین، بسیاری از افراد تصور میکنند اگر یک مدل هوش مصنوعی نتیجه مسابقات را پیشبینی کند، احتمال خطا بسیار ناچیز است. اما واقعیت دقیقاً برعکس است.
در جام جهانی ۲۰۲۶، تحلیلگر ورزشی معروف Nick Wright اعلام کرد که شرطبندیهای سنگین او روی نتایج مسابقات جام جهانی به یک «رویداد در حد ورشکستگی» تبدیل شد. از قرار معلوم او نه تمامی نتایج را بلکه برای پیشبینی برخی از بازیهایی که شک داشته است، به هوش مصنوعی اعتماد صددرصد کرده و حالا ضرر هنگفتی را از این بابت متحمل شده است. او روی تیمهای بسیار مدعی شرط بسته بود و چند نتیجه غیرمنتظره (از جمله تساوی اسپانیا مقابل کیپورد) بخش بزرگی از سرمایه شرطبندیاش را از بین برد.
پیشبینی اشتباه با پرامپت ساده
تصور کنید فردی به نام «رضا» در آستانه جام جهانی ۲۰۲۶ تصمیم میگیرد از ChatGPT یا یک سرویس تحلیل فوتبال مبتنی بر هوش مصنوعی برای پیشبینی استفاده کند.
او پرامپت زیر را وارد میکند:
«نتایج بازیهای امروز جام جهانی را پیشبینی کن.»
هوش مصنوعی بر اساس دادههای عمومی چند نتیجه محتمل ارائه میدهد.
اما رضا چند اشتباه اساسی مرتکب میشود:
احتمالها را به عنوان «قطعیت» تفسیر میکند.
از مدل نمیخواهد میزان عدم قطعیت را توضیح دهد.
از مدل درباره مصدومیتهای لحظه آخری، شرایط روحی تیمها یا تغییرات تاکتیکی سؤال نمیکند.
پس از چند باخت متوالی، او تصور میکند مدل صرفاً «بدشانس» بوده است.
این مورد برای بسیاری از کسانی که در پلتفرمهای قانونی و نه صرفا برای شرطبندی هم رخ میدهد و صفر تا صد یا درصد بالایی از پیشبینیها را با اتکای مبتدیانه به هوش مصنوعی میسپارند. بسیاری از کاربران تفاوت بین این دو جمله را درک نمیکنند:
- «تیم الف ۶۵٪ شانس برد دارد.»
- «تیم الف برنده خواهد شد.»
این دو جمله یکسان نیستند.
برخی تحلیلهای مربوط به جام جهانی ۲۰۲۶ تأکید کردهاند که حتی اگر هوش مصنوعی بهترین تیم را به عنوان قهرمان انتخاب کند، احتمال واقعی موفقیت آن تیم ممکن است فقط بین ۱۶ تا ۳۳ درصد باشد؛ یعنی در بیشتر مواقع همان پیشبینی نیز اشتباه از آب در میآید.
نقش پرامپت ضعیف در ایجاد فاجعه
- یک پرامپت ضعیف:
«بازیهای امروز را پیشبینی کن.»
- یک پرامپت حرفهای:
«برای هر مسابقه جام جهانی ۲۰۲۶ احتمال برد، مساوی و باخت را جداگانه محاسبه کن. عوامل عدم قطعیت، مصدومیتها، تغییرات ترکیب و میزان اطمینان مدل را نیز توضیح بده. اگر داده کافی نداری اعلام کن.»
تفاوت این دو پرامپت میتواند تفاوت میان یک تحلیل محتاطانه و یک تصمیم مالی خطرناک باشد.
آنچه تحقیقات جدید نشان میدهد
مطالعات سال ۲۰۲۶ نشان دادهاند که مدلهای زبانی بزرگ در پیشبینی نتایج فوتبال عملکردی بسیار پایینتر از تصور عمومی دارند. از سوی دیگر بسیاری از سامانههای موسوم به «هوش مصنوعی پیشبینی» در تبلیغات خود دقت واقعی را بزرگنمایی میکنند.
اما در مسابقات فوتبال، رویدادهای غیرقابل پیشبینی مانند اشتباه داوری، مصدومیت ناگهانی، اخراج بازیکن یا فشار روانی تیمها میتواند کل پیشبینی را بیاعتبار کند.
حتی بین مدلهای مختلف هوش مصنوعی درباره قهرمان جام جهانی ۲۰۲۶ توافق وجود ندارد؛ برخی فرانسه، برخی اسپانیا، برخی آرژانتین و حتی برخی هلند را پیشبینی کردهاند.
در سال ۲۰۲۶ آزمایشی انجام شد که در آن پیشرفتهترین مدلهای هوش مصنوعی جهان روی فصل کامل لیگ برتر انگلیس شرطبندی کردند. نتیجه شگفتانگیز بود:
تقریباً همه مدلها پول از دست دادند.
برخی مدلها عملاً ورشکسته شدند.
حتی مدلهای برتر نیز نتوانستند سود پایدار ایجاد کنند.
در یورو ۲۰۲۴ صدها مدل هوش مصنوعی توسط کاربران و پژوهشگران ساخته شد. جالب است که حتی مدلهایی که در مرحله گروهی عملکرد خوبی داشتند، در مراحل حذفی دچار خطاهای جدی شدند.
نکته نهایی
نکته اساسی هوش مصنوعی در جام جهانی ۲۰۲۶ این نیست که پیشبینی اشتباه ارائه کند؛ اشتباه اصلی زمانی رخ میدهد که کاربر، خروجی هوش مصنوعی را جایگزین تفکر انتقادی خود کند.
به عبارتی هوش مصنوعی: «مشاور است، نه پیشگو. احتمال ارائه میدهد، نه قطعیت. به اندازه کیفیت دادهها و پرامپت شما ارزش دارد. نمیتواند آینده را ببیند.»
در بسیاری از موارد نیز، یک پرامپت ضعیف میتواند به اعتماد کاذب منجر شود و فرد از بعد از چند بازی، بدون دیدن بازیهای تیمها در دور اول یا تمرکز روی وضعیت فعلی تیمها، احساس کند که خودش پیشبینی دقیقتری میتواند داشته باشد.