سپردن تیم فوتبال فانتزی به ایجنت‌های هوش مصنوعی؛ ربات‌ها هنوز بهتر از انسان نیستند

روند پیشرفت هوش مصنوعی نشان می‌دهد که مدل‌های پیشرو در آینده نزدیک توانایی بسیار بالاتری در پیش‌بینی رویدادها پیدا خواهند کرد؛ تحولی که نشانه‌های اولیه آن را می‌توان حتی در عملکرد تیم فوتبال فانتزی لیگ برتر انگلیس نیز مشاهده کرد.

چند هفته پیش، گروهی از ایجنت‌های هوش مصنوعی برای تشکیل و مدیریت یک ترکیب آزمایشی به کار گرفته شدند. با توجه به نفوذ فزاینده ایجنت‌های هوشمند در جنبه‌های مختلف زندگی، هدف از این تجربه سنجش توانایی دسته‌ای از بات‌های نرم‌افزاری در ساخت تیمی برنده بود.

چند سال پیش نیز پتانسیل هوش مصنوعی در این حوزه با ابزاری از مؤسسه تورینگ انگلستان (Turing Institute) مورد آزمایش قرار گرفته بود که تیم‌ها را بر اساس داده‌های پیشین لیگ فانتزی انتخاب می‌کرد. پیشنهادهای آن سیستم بسیار نامعقول بود؛ زیرا اطلاعات دنیای واقعی، مانند مصدومیت بازیکنان یا تغییر در کادر فنی تیم‌ها را در محاسبات خود لحاظ نمی‌کرد.

در آزمایش جدید، برای پیاده‌سازی ایده از مدل Codex کمک گرفته شد. در گام نخست، چند مقاله پژوهشی مرتبط به مدل داده شد و سپس از آن خواسته شد تا یک ساختار اجرایی ویژه طراحی کند؛ کدهایی که ایجنت‌های مختلف را در مراحل گوناگون هدایت می‌کنند تا اخبار تازه را بررسی کرده و با اجرای مدل، پیش‌بینی‌ها را انجام دهند.

سیستم به‌سرعت ساختاری ایجاد کرد که ظاهراً حجم بسیار بالاتری از داده‌ها را در مقایسه با توان یک انسان تحلیل می‌کرد. با این حال، پیشنهادهای اولیه تیم کاملاً غیرمنطقی بود؛ برای نمونه، نیمکت‌نشین کردن ارلینگ هالند انتخابی عجیب و دور از انتظار به حساب می‌آمد.

در ادامه، ساختار سیستم به تیمی از ایجنت‌ها با وظایف مشخص تغییر یافت: چند ایجنت برای مطالعه اخبار و وبلاگ‌ها، گروهی برای تحلیل نتایج اخیر بازی‌ها، ایجنت‌هایی برای اجرای مدل‌ها و گروهی برای نقد و بررسی پیشنهادها. این رویکرد کیفیت خروجی‌ها را به‌شکل محسوسی ارتقا داد. با این حال، افزایش تعداد ایجنت‌ها به بیش از ۱۰۰ مورد به جز افزایش چشمگیر هزینه مصرف API تغییر مثبتی در نتایج حاصل نکرد.

با وجود این، پیشرفت کنونی نسبت به سال‌های گذشته تحسین‌برانگیز است. به گفته هایفنگ شو (Haifeng Xu)، پژوهشگر علوم کامپیوتر در دانشگاه شیکاگو که کاربردهای هوش مصنوعی در بازار را بررسی می‌کند، مدل‌های جدید در پیش‌بینی کارآمدتر هستند؛ چراکه حجم عظیمی از داده‌های دنیای واقعی را جذب و پردازش می‌کنند و سیستم‌های چندعاملی پیچیده‌ای را به کار می‌گیرند.

شو توضیح می‌دهد که هوش مصنوعی در درک جهان پیرامون خود هر روز هوشمندتر می‌شود و این دگرگونی، عامل بنیادین ارتقای کیفیت پیش‌بینی‌ها است.

اواخر سال گذشته، با افزایش محبوبیت بازارهای پیش‌بینی مانند Kalshi و Polymarket، این محققان بر آن شدند تا مهارت بهترین مدل‌های تجاری را در برآورد رویدادهای مختلف بیازمایند.

آن‌ها از مدل‌ها خواستند نتیجه رویدادهای گوناگون، از جمله برنده مسابقات قهرمانی NBA و دیدارهای رئیس‌جمهور ترامپ را پیش‌بینی کنند.

بررسی‌ها نشان داد که مدل‌ها عملکرد بسیار خوبی داشتند و حتی در مواردی بدون دریافت آموزش ویژه، از یک فرد عادی دقیق‌تر پیش‌بینی کردند. در این ارزیابی‌ها، مدل GPT-5 بالاترین دقت را ثبت کرد و پس از آن مدل‌های Grok 4، Claude Sonnet، Gemini و Llama در جایگاه‌های بعدی قرار گرفتند.

این تیم پژوهشی در ادامه بنچمارک Prophet Arena را برای سنجش توان پیش‌بینی مدل‌ها توسعه داد. همچنین در آزمونی دیگر با نام Prediction Arena که توسط محققان دانشگاه هاروارد و شرکت Arcada Labs طراحی شد، مبلغ ۱۰ هزار دلار در اختیار مدل‌های پیشرو قرار گرفت تا طی ۵۷ روز در بازارهای پیش‌بینی فعالیت کنند. مدل‌ها در این بازه سرمایه خود را از دست دادند، اما الگوی پیشرفت مداوم آن‌ها در طول زمان کاملاً مشهود بود.

تحقیقات نشان می‌دهد که طراحی یک چارچوب کنترلی سفارشی و تفکیک وظایف میان ایجنت‌ها (نظیر خواندن اخبار، تجمیع اطلاعات و تحلیل یکپارچه)، بالاترین بهره‌وری را در پیش‌بینی به‌همراه دارد.

با این حال، هوش مصنوعی هنوز در مقایسه با پیش‌بینی‌کنندگان فوق‌حرفه‌ای (Superforecasters) عقب‌تر است. انسان‌ها با وجود ناتوانی در خواندن حجم عظیم اطلاعات، درک عمیق‌تر و دقیق‌تری از سازوکارهای پشت‌پرده اخبار جهان واقعی دارند.

البته شواهد نشان می‌دهد که برتری مطلق انسان‌ها در حال کاهش است. مسابقاتی مانند Metaculus Cup مشخص کرده‌اند که هوش مصنوعی در برخی حوزه‌ها حتی کارشناسان تراز اول انسانی را شکست می‌دهد. همچنین بنچمارک ForecastBench می‌تواند شواهد بیشتری از برابری هوش مصنوعی با مهارت انسان ارائه دهد؛ روندی که توجه آزمایشگاه‌های بزرگ هوش مصنوعی را به ارزیابی توان پیش‌بینی آینده جلب کرده است.

این دستاوردها نشان می‌دهد که مشاغل مبتنی بر معامله‌گری و پیش‌بینی نیز همانند کدنویسی و حقوق، در معرض تحول عمیق توسط هوش مصنوعی قرار دارند. در آینده شاید نقش معامله‌گران برتر به هدایت و نظارت بر ایجنت‌هایی تبدیل شود که رویدادها را بسیار بهتر از انسان پیش‌بینی می‌کنند.

در مقطع فعلی، خروجی‌های هوش مصنوعی در لیگ فانتزی هنوز شگفت‌انگیز نیست و امتیازهای به دست آمده از میانگین معمول فراتر نرفته است؛ بنابراین نمی‌توان در گزینش نهایی ترکیب به آن‌ها تکیه کرد.

با این حال، تردیدی وجود ندارد که هوش مصنوعی به‌زودی در این حوزه نیز به کمال خواهد رسید و شاید برنده شدن در رقابت‌های فانتزی را به فرآیندی ساده بدل کند؛ موضوعی که شاید از هیجان و لذت پیروزی با تکیه بر تحلیل فردی بکاهد.