Σε μια εποχή όπου η τεχνολογία και η τεχνητή νοημοσύνη (AI) προοδεύουν με ταχύτατους ρυθμούς, η αξιολόγηση της αποδοτικότητάς τους σε πραγματικά σενάρια παραμένει κρίσιμη. Μια πρόσφατη μελέτη με την ονομασία «KellyBench», που δημοσιεύθηκε από την εταιρεία General Reasoning, θέτει σε δοκιμασία οκτώ από τα πιο προηγμένα AI συστήματα στον τομέα των στοιχημάτων, εστιάζοντας στη σεζόν 2023-24 της Premier League. Κάθε AI μοντέλο ξεκίνησε με ένα προϋπολογισμό των £100.000 και το αποτέλεσμα ήταν σαφές: κανένα σύστημα δεν κατάφερε να βγει κερδοφόρο. Αυτή η μελέτη ρίχνει φως στα όρια και τις προκλήσεις που αντιμετωπίζουν αυτές οι τεχνολογίες όταν προσπαθούν να επενδύσουν σε ένα τόσο αβέβαιο και δυναμικό περιβάλλον.
Το πείραμα
Η General Reasoning επέλεξε οκτώ AI συστήματα από κορυφαίες εταιρείες στον τομέα της τεχνολογίας, κάθε ένα από τα οποία εφοδιάστηκε με εκτενή ιστορικά δεδομένα, στατιστικά των ομάδων και αποτελέσματα προηγούμενων αγώνων. Οι αλγόριθμοι έπρεπε να εξαγάγουν στρατηγικές στοιχηματισμού που μεγιστοποιούσαν τις αποδόσεις ενώ διαχειρίζονταν τους κινδύνους. Καθ’ όλη τη διάρκεια της σεζόν, οι αλγόριθμοι τοποθετούσαν στοιχήματα σε αποτελέσματα αγώνων και αριθμό γκολ, ενώ δεν είχαν πρόσβαση στο διαδίκτυο και περιορίστηκαν σε τρεις ξεχωριστές επιδόσεις. Είναι ενδιαφέρον ότι, παρά την εξελιγμένη φύση των μοντέλων, κανένα από αυτά δεν κατάφερε να επιτύχει θετικά αποτελέσματα.
Για περισσότερες πληροφορίες σχετικά με την αξιολόγηση AI και τον ρόλο των δεδομένων στην εκπαίδευση αλγορίθμων, μπορείτε να επισκεφθείτε την παράθεση από το ScienceDirect.
Ποιος τα πήγε καλύτερα — και πόσο
Ανάμεσα στα συμμετέχοντα AI συστήματα, το Claude Opus 4.6 της Anthropic αναδείχθηκε ως το λιγότερο αποτυχημένο, με μια μέση απώλεια 11% κατά τη διάρκεια της χρονιάς. Στην αντίθετη πλευρά, το Gemini 3.1 Pro της Google σημείωσε μια κερδοφορία 34% σε μία από τις τρεις προσπάθειές του, αλλά απέτυχε σε άλλες δύο. Το μοντέλο Grok 4.20 της xAI ήταν το χειρότερο, πλήρως χρεοκοπώντας σε μία από τις προσπάθειές του και αποτυγχάνοντας παταγωδώς σε άλλες δύο.
Σύμφωνα με τους συγγραφείς της μελέτης, όλα τα εξεταζόμενα μοντέλα κατέγραψαν ζημίες κατά την διάρκεια της σεζόν, με ορισμένα να υφίστανται πλήρη κατάρρευση των οικονομικών τους. Η ικανότητα της τεχνητής νοημοσύνης να ανταγωνιστεί ανθρώπινους αναλυτές σε τέτοιες καταστάσεις αποδείχθηκε ανώτερη, επισημαίνοντας τις τρέχουσες αδυναμίες της AI.
Γιατί η AI δυσκολεύεται σε αυτό το είδος εργασιών
Ο Ρος Τέιλορ, διευθύνων σύμβουλος της General Reasoning, δήλωσε στους Financial Times ότι ο αυξανόμενος ενθουσιασμός για την AI συχνά επισκιάζει την πραγματική της απόδοση σε δυναμικά περιβάλλοντα. Αντί να αναλύονται τα ισχυρά σημεία και οι αδυναμίες των αλγορίθμων σε χαοτικά σενάρια, οι περισσότεροι έλεγχοι πραγματοποιούνται σε στατικά περιβάλλοντα που δεν αντανακλούν την πολύπλοκή φύση του πραγματικού κόσμου. Ο τομέας του ποδοσφαίρου, με τις συχνές αλλαγές τακτικής, τους τραυματισμούς και τις απρόβλεπτες συνθήκες, είναι ένα κλασικό παράδειγμα τέτοιου περιβάλλοντος.
Η μελέτη ενδέχεται να χρειάζεται περαιτέρω αξιολόγηση από ομότιμους ερευνητές (peer review), αλλά προσφέρει ένα σημαντικό εναλλακτικό σενάριο στις υπερβολές που προέρχονται από τη Σίλικον Βάλεϊ σχετικά με τις δυνατότητες της AI να αντικαθιστά την ανθρώπινη κρίση σε περίπλοκες καταστάσεις. Για περισσότερες λεπτομέρειες σχετικά με την έρευνα AI, μπορείτε να επισκεφθείτε την έρευνα στο JSTOR.
Η άποψή μας στο Techblog
Το πείραμα αυτό χρησιμεύει ως μια σημαντική υπενθύμιση στους χρήστες που μπορεί να πιστεύουν ότι οι αλγόριθμοι της AI «τα κατανοούν όλα». Ενώ οι αλγόριθμοι αποδεικνύονται εξαιρετικοί σε προβλήματα με σαφείς κανόνες, δυσκολεύονται να προσαρμοστούν σε περιβάλλοντα με αστάθεια και πολυπλοκότητα. Στο ποδόσφαιρο και την αγορά στοιχημάτων, η ανθρώπινη κρίση παραμένει αναντικατάστατη, υπογραμμίζοντας την ανάγκη για μια ισορροπημένη προσέγγιση στη χρήση της AI.
