AI-modeller tävlar i att förutsäga fotbolls-VM:s resultat

Ludwig-Maximilians-Universität München (LMU) har lanserat ett nytt projekt, LLM SoccerArena, som utvärderar stora språkmodeller (LLM) i att förutsäga resultaten för fotbolls-VM 2026. Initiativet, som genomförs i samarbete med forskare från universitetet i Köln och universitetet i Paderborn, jämför förmågan hos AI-system som GPT, Claude och Mistral att förutse utgången av matcher och hela turneringen.

Projektets resultat samlas i en dagligen uppdaterad live-resultattavla som ger en transparent jämförelse av modellernas prediktiva förmåga. Professor Stefan Feuerriegel vid LMU:s School of Management, som leder projektet, betonar att varierande prognoser mellan olika AI-modeller, till exempel angående Spaniens eller Frankrikes vinstchanser, ger värdefull insikt i vilken information modellerna baserar sina förutsägelser på och vilka snedvridningar som kan finnas i deras träningsdata eller inlärningsprocess.

Fotbolls-VM används som en realistisk och verifierbar miljö för vetenskaplig forskning. Till skillnad från många abstrakta testuppgifter kan förutsägelser för ett fotbollsturneringsresultat mätas mot konkreta utfall. Detta kräver att AI:n kan hantera komplex och osäker information, såsom lagens form, spelares skador, tränarbeslut och matchstatistik.

Resultaten från LLM SoccerArena-projektet är också relevanta för ledarskapsforskning. Stora språkmodeller används alltmer för att strukturera marknadsinformation, utvärdera scenarier och utarbeta prognoser. Förståelsen som projektet ger hjälper till att bedöma hur tillförlitligt AI kan stödja affärsbeslut i dynamiska och osäkra förhållanden.

Initiativet jämför också olika AI-metoder: modeller som ger förutsägelser baserade på sin interna kunskap, och modeller som kan hämta och bearbeta extern information från internet. Särskilt den senare förmågan att på ett meningsfullt sätt väga samman aktuell information, såsom skador eller bettingodds, ses som en betydande utmaning.