Az MI-modellek csúfosan elbuktak a focifogadásokban

A virtuális fogadások kudarca

A rendszerek három próbálkozási lehetőséget kaptak: mindig 100 000 egységből gazdálkodhattak, nem használhatták az internetet, és minden eredményt saját számításaikból kellett levezetniük. Többen – például xAI Grok 4.20 és Acree Trinity – le is nullázták magukat már az első körben. Még a legjobbak – mint a Google Gemini 3.1 Pro vagy az Anthropic Claude Opus 4.6 – is jelentős veszteségeket értek el az egyes próbálkozások során: utóbbi végül átlagosan csak 89 035 egységet tudott megőrizni. A Google Gemini egyszer 34%-os nyereséget is produkált, de aztán szintén elbukott egy következő körben.

Miért bukik el az MI az igazi világban?

A mérleg kimutatta: minden vizsgált MI-modell hosszú távon pénzt veszített, és rendszeresen alulmaradt az emberekkel szemben. Ez kifejezetten megnyugtató lehet a pénzügyi és a marketing szektorban dolgozók számára, akik attól tartanak, hogy az MI elveszi a munkájukat. Ross Taylor, a General Reasoning vezetője szerint itt látható igazán, milyen hiányosságai vannak az MI-nek – a legtöbb benchmark túl egyszerű, mesterséges helyzetet vizsgál, ahol a valóság bonyolultsága és a hosszú távú fejlődés nem jelenik meg.

Valódi kihívások nélkül nincs igazi fejlődés

Ezért a csupán a szoftverkódolásban mutatott MI-sikerek félrevezetők lehetnek, ha a való élet bonyolult és kiszámíthatatlan történéseihez kell alkalmazkodni. Az MI-modellek csak akkor lehetnek igazán hasznosak, ha az ilyen réteges, időben elnyúló, folyamatosan változó valós problémákban is képesek helytállni – márpedig erre jelenleg nem képesek, ezért még sokáig szükség lesz az emberi kreativitásra és tapasztalatra.

2026, adrienne, arstechnica.com alapján