Консултирах се с моето захранвано от изкуствен интелект кристално кълбо и то ми казва, че водещите модели ще станат много по-добри в правенето на прогнози в близко бъдеще. Просто попитайте моя фентъзи отбор от Висшата лига.

Преди няколко седмици внедрих малка орда от AI агенти, за да създадат и управляват експериментален състав. Предвид навлизането на AI агенти в почти всеки аспект от живота ни, исках да разбера дали рояк от ботове може да състави печеливш отбор.

За първи път разгледах потенциала на изкуствения интелект тук преди няколко години, експериментирайки с инструмент от британския институт „Тюринг“, който избираше отбори след моделиране на данни от предишни фентъзи лиги. Предложенията му бяха забележително абсурдни — не включваха реална информация, като контузия на играч или смяна на ръководството на даден отбор.

Този път, докато бях на полет за посещение при семейството си, потърсих помощ от Codex. Първо захраних модела с няколко подходящи научни доклада. След това го помолих да изгради рамка за тестване и управление (harness) — инструкции и код, които водят различните агенти през разнообразни стъпки — която да проверява последните новини и да стартира модел за изготвяне на прогнози.

Той бързо разработи конфигурация, която изглежда събираше и анализираше много повече информация, отколкото аз някога бих могъл. И все пак бях изненадан колко глупави бяха първоначалните предложения за отбора. Оставяне на Ерлинг Холанд на пейката? Сериозно, Codex?

След това помолих Codex да създаде екип от агенти, изпълняващи различни задачи: няколко, които четат новини и публикации в блогове; други, които анализират скорошни резултати; трети, които пускат модели; и група, която критикува предложенията. Това видимо подобри препоръките. Опитах се да увелича броя на агентите до над 100 с надеждата, че това ще направи системата още по-интелигентна, но това не доведе до особена промяна, освен че увеличи сметката ми за API.

Въпреки това напредъкът спрямо преди няколко години беше поразителен. Според Хайфен Сю, компютърен специалист от Университета в Чикаго, който изследва използването на AI в пазарни ситуации, по-новите модели може да са още по-добри в правенето на прогнози, тъй като са способни да поемат и анализират огромни количества реална информация, както и да оркестрират по-сложни системи за своите предположения.

„Изкуственият интелект просто става все по-умен в разбирането на света — смятам, че това е фундаменталната причина да се подобрява“, споделя Сю.

В края на миналата година Сю се възхищаваше на нарастващата популярност на пазарите за прогнози като Kalshi и Polymarket. Той се запитал как биха се представили най-добрите комерсиални модели на тези пазари, така че заедно с няколко колеги започнал да тества уменията им за прогнозиране.

Те накарали моделите да отгатнат например кой ще спечели шампионата на НБА и с кого ще се срещне президентът Тръмп.

„Много бързо започнахме да осъзнаваме, че моделите се справят наистина добре“, разказва Сю. По думите му моделите понякога успявали да се представят по-добре от обикновения човек без никакви специални инструкции или насоки. В техните тестове GPT-5 се представил най-добре при прогнозите, следван от Grok 4, Claude Sonnet, Gemini и Llama.

Екипът продължил с разработването на Prophet Arena — бенчмарк, измерващ способността на модела да прави прогнози. Това е един от множеството бенчмаркове, предназначени да тестват способността на AI да предвижда бъдещето; друг от тях, Prediction Arena, дело на изследователи от Харвардския университет и компанията Arcada Labs, наскоро предостави на водещи модели 10 000 долара за залози на пазарите за прогнози в рамките на 57 дни. Моделите системно губеха пари в експеримента им, но изследователите забелязаха доказателства за постоянното им усъвършенстване с течение на времето.

Сю отбелязва, че изкуственият интелект може най-ефективно да прави прогнози с помощта на персонализирана рамка (harness), и подчертава, че наличието на агенти с уникални задачи — например четене на новини, събиране на други данни и анализ на цялата система — изглежда е най-ефективният подход.

Интересното е, че изкуственият интелект все още често изостава от висококвалифицирани експерти, известни като суперпрогнозисти. Сю обяснява, че въпреки че хората не могат да поемат толкова много информация, тяхното разбиране за реалния свят — динамиката зад дадена новина — е по-дълбоко.

Въпреки това има все повече доказателства, че предимството на човешките суперпрогнозисти намалява. Състезание, наречено Metaculus Cup, наскоро показа, че AI понякога може да победи дори най-добрите хора в прогнозите. А бенчмаркът ForecastBench би могъл да предостави допълнителни доказателства, че AI може да се изравни с човешките умения, когато резултатите от текущото състезание приключат скоро. Всъщност смятам, че можем да очакваме големите лаборатории да насочат вниманието си към предсказването на бъдещето като мощен нов начин за измерване на напредъка на машинния интелект.

Всички тези прогнозни експерименти сякаш подсказват, че подобно на математиката, програмирането и правото, индустриите, основани на търговия и пазари, скоро могат да бъдат преобразени от изкуствения интелект. Може би най-добрите трейдъри ще поемат нова роля: да контролират и оркестрират AI агенти, способни да предсказват бъдещето далеч по-добре от тях самите.

За момента предложенията на моя AI все още не изглеждат толкова впечатляващи. Отборът му не успя да надмине средния резултат през последните седмици. Определено няма да използвам нито едно от неговите предложения в собствения си избор.

Но изкуственият интелект несъмнено ще стане по-добър, което вероятно скоро ще направи доминирането във фентъзи лигата твърде лесно. Донякъде се надявам това да не се случи, тъй като би развалило удоволствието от това да спечелиш правото да се похвалиш, че си победил съвсем сам.