Svaki ljubitelj klađenja sanja o tom scenariju: jednostavno pitaš robota na koga da se kladiš, uplatiš listić, i onda samo čekaš dobitak. U tom smislu, sve veća popularnost modela vještačke inteligencije posljednjih godina, čini se, predstavlja veliki korak ka toj mogućnosti. No dokle današnji AI zapravo može ići? Da li je moguće izgraditi efikasnu strategiju za klađenje pomoću ove tehnologije?
U jednoj nedavnoj studiji 8 popularnih modela vještačke inteligencije postavljalo je opklade tokom čitave sezone Premier lige 2023/24. Nalazi ove studije mogli bi vas dobrano iznenaditi. Prvo pogledajmo kako su modeli prošli, a potom ćemo vidjeti koliko trenutno ima smisla koristiti pristup zasnovan na AI-u za sportsko klađenje kada su posrijedi kladionice s najboljim kvotama, ili stari, dobri, “ljudski” pristup i dalje ima prednost nad matematičkim proračunima, makar kada je u pitanju sport?
Rezultati i metode studije
Ovu studiju proveo je General Reasoning, AI startup sa sjedištem u Londonu, metropoli koja predstavlja i jedan od najvećih centara za sportsko klađenje na svijetu. Svaki AI je dobio hipotetički proračun od 100.000 funti, a tipovi su bili raspoređeni na 120 takmičarskih dana. Evo koji su modeli vještačke inteligencije korišteni i koje su rezultate postigli:
| AI model | Prosječni povrat | Konačni saldo |
| Claude Opus 4.6 | -11,0% | £89.035 (200.000 KM) |
| ChatGPT 5.4 | -13,6% | £86.365 (195.000 KM) |
| Gemini 3.1 Pro | -43,3% | £56.715 (127.000 KM) |
| Gemini Flash 3.1 LP | -58,4% | £41.605 (93.000 KM) |
| Z.AI GLM-5 | -58,8% | £41.221 (93.000 KM) |
| Moonshot Kimi K2.5 | -68,3% | £7.420 (17.000 KM) |
| Grok 4.20 | -100% | £0 |
| Arcee Trinity | -100% | £0 |
Da bi se došlo do ovih rezultata, u studiju su bili uključeni sljedeći faktori:
- AI modeli su imali pristup historijskim podacima o utakmicama i igračima, i to unazad 30 godina.
- Pristup internetu je bio blokiran kako bi se spriječilo da unaprijed saznaju stvarne rezultate.
- Morali su postaviti barem jednu okladu po kolu tokom 120 takmičarskih dana.
- Nakon svakog kola, AI modeli su dobijali rezultate i detaljne statistike kako bi “učili” i prilagodili strategiju.
Rasprava o rezultatima: Niko nije ostvario profit
Kao što možete vidjeti u našoj tabeli, svaka je vještačka inteligencija na kraju završila u minusu. Ipak, Claude i GPT su sasvim jasno bili bolji od ostalih, i to ubjedljivo. Izgubili su tek nešto više od 10.000 funti, od početnih 100.000.
S druge strane, posebno iznenađenje predstavlja rezultat Groka, s obzirom na to da se radi o jednom od najpopularnijih današnjih modela. “Čedo” Elona Muska doslovno je bankrotiralo. To nam govori da je Grok manje precizan na zadacima koji uključuju pohranjivanje i pretraživanje velikih baza podataka, učenje na greškama i dosljednost tokom vremena.
Autori studije također primjećuju da su svi AI modeli bili u stanju opisati strategiju koju koriste, praveći formule i stvarajući naizgled efikasne strategije. Ipak, podbacili su kada je sve to trebalo dosljedno i primijeniti. Najupečatljiviji takav slučaj bio je model Kimi K2.5, koji je kreirao savršenu matematičku funkciju, ali je zakazao kod izdavanja komandi, do te mjere da je uložio 98% svog kapitala na jednu jedinu utakmicu i sve izgubio u samo jednom potezu. Ovakav “all in” pristup u jasnoj je suprotnosti s odgovornim klađenjem, koje stručni portali poput Legalbeta redovito promovišu u svojim recenzijama kladionice i dijeljenju dragocjenih savjeta kladioničarima.
Iznenađujući faktor u studiji
U okviru istraživanja General Reasoninga pojavio se i jedan detalj koji nam nudi uvid u to na kojoj se razini razvoja trenutno nalaze novi AI modeli. Naučnici su ih usporedili sa starim statističkim modelom pod nazivom Dixon-Coles, koji se pojavio 1990-ih i koji je korišten sa zastarjelom bazom podataka, iz 2000-ih.
Iznenađujuće, ovaj stari model nadmašio je većinu modernih vještačkih inteligencija koje su učestvovale u testu, završivši ispred šest od osam testiranih naprednih modela, usprkos ograničenjima u bazi podataka. To nam govori da ovih 8 testiranih modela možda doista jesu inovativniji i impresivniji u velikom broju zadataka, ali i dalje trebaju mnoga poboljšanja i nisu nužno efikasni za sportsko klađenje.
Znači li to da ne treba miješati AI i klađenje?
Ako do sada niste primijetili, svi navedeni modeli iz testa dio su grupe AI po imenu LLM – Large Language Models (veliki jezički modeli). Riječ je o tehnologiji obučenoj na ogromnoj količini teksta i napravljenoj za procesiranje ljudskog jezika. Oni, drugim riječima:
- Tumače tekstove.
- Prevode sadržaj.
- Sumiraju ideje, članke itd.
- Mogu pisati u različitim formatima i stilovima.
To znači da su modeli specijalizirani upravo za ovu vrstu zadataka i da se u njoj oslanjaju na ogromnu bazu podataka. Njihova sposobnost da pohranjuju i koriste te podatke jeste impozantna; međutim, to nije dovoljno da garantira da će dobro tipovati u kladionici. Zamka leži upravo u njihovoj usredotočenosti na tekst i jezik.
U praksi, dakle, oni znaju reći šta bi trebalo uraditi, ali ne znaju tačno kako “uraditi ono što kažu”, jer se ne mogu držati ideja i odluka na duge staze niti efikasno ispravljati sami sebe. Evo jednostavnog primjera koji ste primijetili ukoliko ih često koristite: oni lako zaboravljaju ranija uputstva unutar istog prozora za chat i prave glupe greške koje iritiraju korisnika. Na koncu, LLM-ovi su odlični za statične zadatke, a ne za promjenjiva okruženja kao što je čitava kladioničarska sezona.
Naravno, to ne znači da vještačka inteligencija ne može kreirati i provesti kompletnu strategiju za sportsko klađenje: studija zapravo pokazuje da aktualni i vrlo konkretni LLM modeli još uvijek nisu sposobni nositi se s ovako složenim zadatkom.
Klađenje se zasniva na statistici, a AI to može naučiti
Da pojednostavimo, vještačka inteligencija nije ništa drugo do skup koda i podataka obučenih za obavljanje određenih funkcija. Mimo poznatih LLM-ova, postoje različite vrste AI-a, a ono sve je jasnije da rješenja zasnovana na ovoj tehnologiji mogu imati utjecaja u svakoj oblasti ljudske aktivnosti.
S vrhunskim kapacitetom za pohranjivanje podataka i s novim rješenjima za dosljedno, dugoročno donošenje odluka, koja su u fazi razvoja, prilično je izvjesno da ćemo ubrzo vidjeti i studije s mnogo boljim učinkom i u sportskom klađenju.