كيف يمكنك قياس ما إذا كان الذكاء الاصطناعي جيدًا بالفعل في التنبؤ بالمستقبل؟ أرسل لي مدير التكنولوجيا التنفيذي في شركة Obside الناشئة عبر البريد الإلكتروني مؤخرًا معيارًا رائعًا للعالم الحقيقي.
بدلاً من إعطاء نماذج الذكاء الاصطناعي اختبارًا موحدًا آخر، راهنت شركة Obside على ChatGPT وGemini وClaude وGrok وMistral وDeepSeek وKimi على مباريات كأس العالم باستخدام احتمالات Polymarket المباشرة.
قبل ساعة من انطلاق المباراة، ينتقل كل نموذج إلى وضع الوكيل، ويبحث عن الفرق والإصابات والمعلومات العامة الأخرى، ثم يقرر مقدار المبلغ الذي سيراهن به من رصيده الافتراضي البالغ 10000 دولار.
عندما راجعت بعد الدور نصف النهائي يوم الخميس، تصدرت ميسترال الفرنسية مفتوحة المصدر، تليها OpenAI’s GPT 5.5، وDeepSeek’s V4. وفي الوقت نفسه، جلس كلود أوبوس 4.8 بثبات في الأسفل، وهو النموذج الوحيد باللون الأحمر. ربما يكون الذكاء الاصطناعي الأنثروبيكي أخلاقيًا للغاية بحيث لا يمكن اعتباره مقامرًا؟
تحقق من الترتيب الحالي هنا.
يقيس هذا التمرين الممتع شيئًا لا تستطيع العديد من معايير الذكاء الاصطناعي قياسه: الحكم في ظل عدم اليقين. هذا موضوع قمت باستكشافه من قبل. في العام الماضي، كتبت عن دخول ChatGPT في بطولة تنبؤ سرية يديرها اقتصاديون، حيث لم يكن أداؤها أفضل من أداء المتسابق البشري العادي.
الرهان على كرة القدم ليس هو الشيء نفسه، ولكنه طريقة ذكية أخرى لاختبار ما إذا كان الذكاء الاصطناعي يمكنه تحويل المعلومات عبر الإنترنت إلى تنبؤات مربحة عندما لا يعرف أحد الإجابة حتى الآن.
قم بالتسجيل في النشرة الإخبارية Tech Memo الخاصة بـ BI هنا. تواصل معي عبر البريد الإلكتروني على [email protected].
