IL CALCIO, UN MISTERO SENZA FINE: NEANCHE L’INTELLIGENZA ARTIFICIALE LO CAPISCE! UN GRUPPO DI RICERCATORI INGLESI HA PROVATO A SCOMMETTERE SULLE PARTITE DI PREMIER LEAGUE UTILIZZANDO I MODELLI DI GOOGLE, OPENAI, ANTHROPIC E XAI, L’AZIENDA DI ELON MUSK – L’ESPERIMENTO AVEVA L’OBIETTIVO DI VALUTARE LE CAPACITÀ DI ANALISI SUL LUNGO PERIODO DELLE INTELLIGENZE ARTIFICIALI. RISULTATO? SONO TUTTE ANDATE IN BANCAROTTA – “L’AI NON RIESCE A CAPIRE IL CALCIO PERCHE’ NON CAPISCE TUTTI GLI ELEMENTI CHE APPARTENGONO ALLA SFERA UMANA DEL CALCIO”
L’INTELLIGENZA ARTIFICIALE PREVISIONE RISULTATI PREMIER LEAGUE
Le intelligenze artificiali falliscono sul campo di calcio: un gruppo di ricercatori inglesi ha dato ai modelli di Google, OpenAI, Anthropic e XAI, l’azienda di Elon Musk, tutti i dati e le statistiche della stagione 2023 della Premier League con un solo obiettivo: usare le loro capacità di analisi e previsioni per piazzare finte scommesse vincenti e generare profitto da un budget di partenza.
Ve lo diciamo subito: sono tutte andate in bancarotta.
Per prima cosa i ricercatori hanno ricreato in un ambiente virtuale la stagione 2023 della Premier League. Formazioni, statistiche, movimenti di mercato e tutte le altre quantità definibili da un numero nel mondo del calcio sono state raccolte in grandi fogli Excel. Poi, senza aver accesso a internet, alle AI è stato detto di guardare a quella montagna di dati e, di settimana virtuale in settimana virtuale, piazzare delle scommesse che generassero profitto nella stagione 2024.
Conoscendo già i risultati di tutte le partite, i ricercatori hanno potuto studiare l’evoluzione del ragionamento delle otto AI in esame. Ed ecco che, al passare delle giornate di gara, i modelli hanno potuto aggiustare le loro strategie in base agli errori commessi di volta in volta.
Ogni intelligenza artificiale ha avuto tre tentativi (quindi ha potuto simulare e prevedere l’annata 2024 tre volte) e i risultati sono incontrovertibili: «Ogni modello avanzato che abbiamo valutato ha perso denaro nel corso della stagione e molti sono andati in bancarotta», hanno scritto gli autori dell’articolo, spiegando che l’AI «ha sistematicamente ottenuto risultati inferiori a quelli degli umani in questo scenario».
Il fatto che tutti i modelli siano andati in bancarotta in almeno uno dei tre tentativi non significa che questo test non abbia prodotto dei risultati concreti. Il migliore è stato Claude Opus 4.6 di Anthropic con una perdita media dell’11% e un tentativo in cui ha quasi raggiunto la parità tra vincite e perdite.
Al secondo posto è arrivato GPT-5.4 di OpenAI che ha avuto performance simili a quelle del suo rivale, ma leggermente più in negativo. Google Gemini 3.1 Pro è stato l’unico modello che, in uno dei suoi 3 tentativi, è riuscito a ricavare un profitto dalla simulazione con un guadagno del 33,7 per cento. (...) Saldo sul fondo della classifica, infine, c’è Grok, il modello dell’azienda di Elon Musk. Grok ha perso il 100% dei suoi fondi simulati in tutti e tre i tentativi.
Ross Taylor, uno degli autori dello studio e amministratore delegato di General Reasoning, l’azienda che lo ha condotto, ha detto: «Si parla molto di automazione tramite l’AI, ma mancano dati concreti su come l’AI possa essere applicata sul lungo periodo. Per testare i modelli più avanzati, attualmente, si usano sfide imperfette perché basate su ambienti molto statici che hanno ben poco a che vedere con il caos e la complessità del mondo reale».
Tutte le intelligenze artificiali sono andate in bancarotta perché incapaci di convertire i dati della stagione calcistica precedente in previsioni efficaci su quella successiva.
L’INTELLIGENZA ARTIFICIALE CALCIO
A differenza di chi fa previsioni di settimana in settimana, queste AI non hanno vissuto le difficoltà personali dei giocatori, i conflitti con gli allenatori, la tensione delle voci di corridoio, gli attriti con le tifoserie e tutti quegli altri elementi che appartengono alla sfera umana del calcio. In più, il tempo che passa nelle menti degli esseri umani ha un effetto su performance, aspettative e risultati, un concetto che anche i più avanzati modelli di AI faticano a tradurre in parametri per i loro calcoli.
