Artificial intelligence in football team management: experiment results

Согласно материалу Wired, автор статьи провел эксперимент, в котором использовал несколько ИИ-агентов для создания и управления составом своей команды в фэнтези-футболе. Он хотел выяснить, смогут ли боты составить выигрышную команду, учитывая растущее влияние ИИ в различных сферах жизни. Несколько лет назад автор уже пробовал использовать ИИ для выбора команды, но тогда результаты были неубедительными, так как модель не учитывала реальные данные, например, травмы игроков или изменения в управлении командами. На этот раз, во время полета к семье, он обратился за помощью к ИИ-модели Codex, предоставив ей несколько исследовательских статей для анализа. Codex быстро разработал систему, которая могла собирать и анализировать гораздо больше информации, чем автор сам мог бы обработать. Однако первоначальные предложения по составу команды оказались не очень удачными, например, Codex оставил Эрлинга Холанда на скамейке запасных. После этого автор попросил Codex создать команду агентов с различными задачами: несколько агентов анализировали новости и блоги, другие изучали недавние результаты, а третьи критиковали предложения. Это значительно улучшило качество рекомендаций. Однако, даже увеличив количество агентов до ста, автор не заметил значительного улучшения, кроме увеличения расходов на API. Тем не менее, прогресс по сравнению с предыдущими попытками был заметен. По словам Хайфэна Сю, ученого из Чикагского университета, современные модели могут делать более точные прогнозы, так как они способны обрабатывать огромные объемы реальной информации и управлять более сложными системами для своих предсказаний. Сю считает, что ИИ становится умнее в понимании мира, что является основной причиной его улучшения. В конце прошлого года Сю и его коллеги начали тестировать прогнозирующие способности ИИ на рынках предсказаний, таких как Kalshi и Polymarket. Они обнаружили, что модели иногда показывают лучшие результаты, чем среднестатистические люди, без каких-либо специальных инструкций. В их тестах модель GPT-5 показала наилучшие результаты, за ней следовали Grok 4, Claude Sonnet, Gemini и Llama. Команда разработала Prophet Arena, бенчмарк, который оценивает способность модели делать прогнозы. Это лишь один из нескольких бенчмарков, предназначенных для тестирования предсказательных способностей ИИ. Другой, Prediction Arena, недавно предоставил передовым моделям 10 000 долларов для ставок на рынках предсказаний в течение 57 дней. Модели последовательно теряли деньги в этом эксперименте, но исследователи заметили, что со временем они улучшались. Сю утверждает, что ИИ может наиболее эффективно делать прогнозы, используя индивидуальные задачи для агентов, такие как чтение новостей и сбор данных. Интересно, что ИИ все еще часто уступает очень опытным экспертам, известным как суперпрогнозисты. Хотя люди не могут обрабатывать столько информации, их понимание реального мира и динамики новостей глубже. Тем не менее, растут доказательства того, что преимущество суперпрогнозистов постепенно уменьшается. Конкурс Metaculus Cup показал, что ИИ может иногда обыгрывать даже лучших человеческих предсказателей. Бенчмарк ForecastBench также может подтвердить, что ИИ может соответствовать человеческим навыкам, когда результаты текущего конкурса будут завершены. Все эти эксперименты показывают, что, как и в математике, программировании и праве, отрасли, основанные на торговле, могут вскоре быть перевернуты ИИ. Возможно, лучшие человеческие трейдеры возьмут на себя новую роль: надзора и координации ИИ-агентов, способных предсказывать будущее гораздо лучше, чем они сами. На данный момент предложения моего ИИ все еще не впечатляют. Его команда не смогла превзойти средние результаты за последние недели. Я определенно не буду использовать его рекомендации в своих выборах. Однако ИИ, безусловно, станет лучше, возможно, упростив задачу доминирования в фэнтези-лигах в ближайшем будущем. Я надеюсь, что этого не произойдет, так как это испортит удовольствие от попыток заработать право хвастаться победой самостоятельно. Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником.