Tavaly év végén több nagy nyelvi modellhez fordult egy vizsgálat, és megkérdezték tőlük, hogyan alakul majd a labdarúgó-világbajnokság végeredménye. A teszteltek között voltak Grok, ChatGPT, Gemini, Copilot és DeepSeek. A modellek előrejelzései eltértek egymástól; a legpontosabbnak végül a Microsoft Copilot bizonyult.
Milyen sorrendeket jósoltak az MI-k?
- Grok: Argentína — Franciaország — Spanyolország
- ChatGPT: Spanyolország — Franciaország — Brazília
- Gemini: Franciaország — Brazília — Spanyolország
- Copilot: Spanyolország — Argentína — Franciaország
- DeepSeek: Argentína — Franciaország — Anglia
A vasárnapi döntőt Spanyolország és Argentína játszotta egymás ellen, és a torna győztese Spanyolország lett — ezt a kombinációt és az első helyes eltalálását csak a Copilot jósolta meg. A bronzmeccs végeredménye viszont eltért a legtöbb modell várakozásától: a harmadik helyet végül nem Franciaország, hanem Anglia szerezte meg.
Mire nem számítottak az MI-k?
Brazília nem jutott be az elődöntőbe: Norvégia 2–1-re legyőzte Brazíliát, így a dél-amerikai válogatott kimaradt a legjobb négy közül. Több modell — köztük a ChatGPT és a Gemini — jobb szereplést jósolt Brazíliának, ám a valóság máshogy alakult.
A Grok és a DeepSeek jóslatai távolabb estek a végeredménytől; a cikk megjegyzi, hogy ezek a modellek „átverték” az argentin szurkolókat, mert Argentínát magasabb helyre tették, mint ahogy a torna végződött. A Copilot teljesítménye külön figyelmet kap, mert korábban a rendszer többször is hibázott előrejelzésekben — például tényként kezelve egy „macskaadót” a korábbi vizsgálatban.
Miért számít ez?
A teszt jól mutatja, hogy az általános nyelvi modellek sportesemények kimenetelének előrejelzésében meglehetősen változó pontossággal teljesítenek. Egyik modell sem jóslatmentes forrás; eredményeik eltérnek attól függően, hogyan dolgozzák fel az adatokat és milyen belső logikát követnek.
Az MI-k próbái ezzel nem érnek véget: a közeljövőben további események szerepelnek a vizsgálati naptárban, többek között a Forma–1-es szezon és az Egyesült Államok időközi választása, amelyek újabb lehetőséget adnak a modellek teljesítményének összehasonlítására.
