‍#广场预测世界杯赢40000U

Previsão de IA para os "32 Finalistas do Mundial" supera precisão humana

Após o fim da fase de grupos do Mundial 2026 (EUA, Canadá e México), a lista completa dos 32 finalistas foi oficialmente revelada. Enquanto em campo as equipas tradicionais e as surpresas se defrontam intensamente, fora do relvado, uma "batalha homem-máquina" de previsões liderada por inteligência artificial também chegou a um "acerto" faseado.

Na "Batalha de Previsões do Mundial Homem-Máquina" organizada pela Lenovo em parceria com a Migu Video, 12 grandes modelos de IA nacionais e especialistas humanos previram os resultados de 104 jogos. Os dados finais mostram que a taxa de precisão global do grupo de IA superou a dos especialistas humanos, e alguns modelos de IA acertaram até em equipas surpresa, como Cabo Verde, que não tinham dados históricos de Mundiais, obtendo resultados "contra o consenso".

Fonte da imagem: Fornecida oficialmente pela Lenovo

Desde 28 de maio até ao início do Mundial, a Lenovo Tianxi AI, como "convocadora geral", enviou a 12 grandes modelos de IA nacionais e a especialistas humanos um "Exame Unificado de Previsão dos 32 Finalistas do Mundial 2026", exigindo a entrega das suas "respostas" antes do torneio.

A 28 de junho, hora de Pequim, com o empate 3-3 entre a Argélia e a Áustria no último jogo do Grupo J, as classificações previstas por cada IA foram reveladas. Entre elas, o Tencent Hunyuan ficou em primeiro lugar, acertando em 29 equipas apuradas, seguido pelo MiniMax e iFlytek Spark, ambos com 28 equipas acertadas. A taxa de sucesso global do grupo de IA atingiu 61,9%, superando os especialistas humanos em 7,3%.

Ainda mais interessante é que, nas previsões antes do torneio, quatro das 12 IA apostaram corajosamente na "estreante" Cabo Verde. Esta previsão "contra o consenso" foi confirmada pelos resultados de Cabo Verde — a equipa empatou consecutivamente com potências tradicionais como Espanha e Uruguai, apurando-se invicta.

Ma Lin, diretor técnico da SenseTime, explicou ao repórter do Shidai Caijing que a razão pela qual o grande modelo de IA conseguiu acertar em Cabo Verde, a "maior surpresa", reside na capacidade do modelo de penetrar na aparência superficial dos dados e explorar dados profundos. Embora Cabo Verde seja uma "estreante" no Mundial, os seus jogadores cresceram maioritariamente em ligas europeias e tiveram um desempenho forte nas eliminatórias recentes. O modelo de IA, ao capturar variáveis de dados profundos como a disciplina defensiva, eficiência de contra-ataque e estrutura dos jogadores, chegou a conclusões mais racionais do que a experiência humana.

No entanto, ao mesmo tempo que demonstrava a sua capacidade "contra o consenso", a IA também revelou limitações em situações de extrema incerteza. Tomando como exemplo o jogo entre Cabo Verde e a Arábia Saudita, os resultados previstos pelas 12 IA dividiram-se em três: DeepSeek, Kimi, Jieyue e iFlytek Spark previram vitória da Arábia Saudita; Tongyi Qianwen, Zhongyi Jiutian, Tianxi AI, Tencent Hunyuan e SenseTime Xiaohuanxiong previram empate; Baidu Wenxin, Zhipu e MiniMax apostaram na vitória de Cabo Verde. Embora o resultado final tenha sido empate, nenhum modelo acertou no marcador exato de 0-0.

Este fenómeno revela um ponto cego comum na previsão atual da IA: "superestimação do poder ofensivo". Mesmo que cinco modelos tenham previsto empate, todos os marcadores que apresentaram incluíam pelo menos um golo. De acordo com dados oficiais da Lenovo, nos nove empates que ocorreram na fase de grupos, a taxa de acerto da IA foi inferior a 3%. Por isso, os grandes modelos de IA são mais eficazes a lidar com dados estruturados e tendências determinísticas, mas para desportos coletivos como o futebol, que envolvem psicologia em campo, lesões imprevistas e múltiplos fatores aleatórios, há partes que os grandes modelos de IA não conseguem estimar.

Neste Mundial, as surpresas sucederam-se, tornando as previsões da IA bastante variadas. Isto revela a fraqueza dos grandes modelos: "a lógica subjacente tende a ser idêntica". Isto porque os grandes modelos são essencialmente "compressores de probabilidade" que se baseiam em dados históricos para fazer extrapolações. Em jogos normais com equipas claramente diferenciadas, todos consomem os mesmos dados e, naturalmente, chegam às mesmas conclusões; mas quando encontram equipas nunca antes vistas, ou quando surgem táticas inovadoras ou estilos de jogo extremos, a IA "falha coletivamente" por falta de referências históricas. Isto porque elas não compreendem verdadeiramente o jogo; apenas, perante o desconhecido, fazem suposições baseadas em probabilidades.

Na verdade, a "batalha homem-máquina" na previsão dos resultados do Mundial não é um monopólio da Lenovo. Vários grandes fabricantes de modelos também já entraram em cena: a Tongyi Qianwen lançou um assistente de IA dedicado à previsão de futebol, que não só abrange todos os 104 jogos para os utilizadores competirem com a IA, como também lançou o "Projeto Campo" — quando os pontos de palpite dos utilizadores atingirem um certo valor, a Tongyi Qianwen doará campos de futebol a escolas rurais.

A Moonshot AI (Kimi) também criou 300 agentes especializados, responsáveis por análise tática, acompanhamento do estado dos jogadores, cálculo de calendários e monitorização de odds, entre outras áreas, gerando um relatório de previsão aprofundado de 224 páginas, demonstrando a sua capacidade de processamento de tarefas complexas através de múltiplos agentes em coordenação. Além disso, o modelo Claude Fable 5 da Anthropic também fez previsões com base em variáveis macro como a estrutura do torneio (48 equipas, o campeão precisa de jogar 8 jogos), o calor elevado do verão norte-americano e a curva etária das equipas.

Estas formas diversificadas de participação transformaram a previsão por IA de uma simples "aposta de vitória/derrota" numa demonstração técnica abrangente que inclui análise de dados, coordenação multi-agente, interação de interesse público e extrapolação macro. Esta "batalha homem-máquina" em torno do Mundial tornou-se um excelente campo de prova para os grandes fabricantes testarem a capacidade de implementação dos seus grandes modelos. Mas, a um nível mais elevado, em sistemas complexos como a tomada de decisões empresariais, a análise macroeconómica e até a governação social, a IA enfrenta igualmente o dilema entre "dados completos" e "caos real".