北京
周一的體育編輯部里，USA Today的編輯們大概是閑得發(fā)慌，決定給微軟的Copilot出道考題——讓它預(yù)測當(dāng)天四場世界杯比賽的結(jié)果。
四場比賽，Copilot給出了四種不同的比分預(yù)測：西班牙對佛得角3比0、比利時(shí)對埃及2比1、烏拉圭對沙特阿拉伯2比1、伊朗對新西蘭1比0。猜得挺像那么回事的，但你往下看實(shí)際結(jié)果會(huì)發(fā)現(xiàn)，這AI完美避開了所有正確答案。
現(xiàn)實(shí)打了所有人的臉。四場比賽全部以平局收場，而Copilot在分析時(shí)壓根就沒考慮過平局這種可能性。比利時(shí)和埃及1比1握手言和，烏拉圭和沙特也是1比1，伊朗和新西蘭互相進(jìn)球踢成2比2。最狠的打臉來自佛得角，他們的守門員若西馬爾·迪亞斯——現(xiàn)在網(wǎng)上都叫他“沃濟(jì)尼亞”——高接抵擋撲到頭皮發(fā)麻，硬是把西班牙這支頂級強(qiáng)隊(duì)拖進(jìn)了一個(gè)0比0的平局。
USA Today記錄了Copilot當(dāng)時(shí)的推理過程，挺能說明問題的。這個(gè)AI模型判斷，西班牙的鋒線會(huì)對著佛得角漏洞百出的防線狂轟濫炸，射門多到對方遲早扛不住，從而暴露出這場較量原本就不在一個(gè)量級上。西班牙后來吃了虧才明白，這種預(yù)測反映的可能不是經(jīng)過推敲的分析，而是Copilot吞進(jìn)去的那種流量媒體炒作套路。
不過微軟家的AI不是唯一吃紅牌的選手。這個(gè)月早些時(shí)候，有記者拿ChatGPT預(yù)測NBA總決賽，問紐約尼克斯和圣安東尼奧馬刺誰能奪冠。雖然尼克斯在周末用一場蕩氣回腸的第五戰(zhàn)拿下了2026年總冠軍，ChatGPT當(dāng)初押的可是馬刺，還信誓旦旦地說圣安東尼奧的超級巨星維克托·文班亞馬會(huì)把系列賽拖進(jìn)搶七。
這些翻車現(xiàn)場背后，有一項(xiàng)重磅的預(yù)印本研究給出了解釋。研究者發(fā)現(xiàn)，像ChatGPT和Copilot這樣的大語言模型，在預(yù)測體育比賽結(jié)果這件事上裝備差得驚人，即便是分析已經(jīng)發(fā)生過的重要回合和整場比賽，表現(xiàn)同樣糟糕。
在一個(gè)專門設(shè)計(jì)的測試?yán)铮芯咳藛T讓頂尖AI模型去預(yù)測多個(gè)時(shí)長在3分鐘到15分鐘之間的比賽片段結(jié)果。表現(xiàn)最好的模型，準(zhǔn)確率也只有43%。這說明大語言模型在預(yù)測真實(shí)世界結(jié)果時(shí)存在嚴(yán)重的性能缺口，即便是在足球比賽這種變量相對可控的環(huán)境里也不行。研究者寫得很直白：“人類整體準(zhǔn)確率是58.9%，而且預(yù)測的置信度始終合理，AI模型們則完全不是這么回事?！?/p>
幾件事疊在一起看，結(jié)論很清楚：大語言模型的球商還差得遠(yuǎn)。對那些指望靠世界杯猜幾把冷門發(fā)筆小財(cái)?shù)娜藖碚f，這當(dāng)然是壞消息。但對于一個(gè)已經(jīng)燒了數(shù)千億美元試圖把大語言模型變成復(fù)雜推理引擎的科技行業(yè)，這背后的麻煩比賭輸幾場比賽要嚴(yán)重得多。
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺“網(wǎng)易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務(wù)。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
