Các Agent AI Thử Quản Lý Đội Bóng Giả Tưởng, Vẫn Chưa Hơn Người

Vài tuần trước, tác giả thả một nhóm nhỏ agent AI vào việc xây đội hình thử nghiệm. Trước đó, từng thử một công cụ của Turing Institute ở Vương quốc Anh vài năm trước, nhưng các gợi ý rất lạ và không tính đến chấn thương của cầu thủ hay thay đổi ban huấn luyện.

Lần này, trong chuyến bay đi thăm gia đình, tác giả nhờ Codex giúp. Đầu tiên, model được nạp một vài tài liệu nghiên cứu liên quan, rồi được yêu cầu tạo ra một bộ hướng dẫn và code để điều phối các agent qua nhiều bước, kiểm tra tin mới và chạy model để dự đoán.

Thiết lập đó đã tổng hợp và phân tích nhiều thông tin hơn trước, nhưng gợi ý ban đầu vẫn rất ngớ ngẩn. Một ví dụ là để Erling Haaland ngồi dự bị.

Sau đó, Codex được yêu cầu tạo một nhóm agent làm việc khác nhau: có nhóm đọc tin và bài đăng trên nhật ký mạng, nhóm phân tích kết quả gần đây, nhóm chạy model và nhóm chê các đề xuất. Cách này cải thiện đáng kể các gợi ý, nhưng khi tăng số agent lên hơn 100 thì kết quả hầu như không đổi, ngoài việc hóa đơn API tăng lên.

Haifeng Xu, nhà khoa học máy tính tại University of Chicago, nói các model mới có thể tốt hơn trong dự đoán vì chúng xử lý được khối lượng lớn thông tin đời thực và điều phối các hệ thống phức tạp hơn. Xu nói AI đang ngày càng thông minh hơn trong việc hiểu thế giới.

Cuối năm ngoái, Xu chú ý đến sự phổ biến của các thị trường dự đoán như Kalshi và Polymarket. Ông cùng một số đồng nghiệp bắt đầu thử khả năng dự đoán của các model thương mại, trong đó có việc đoán ai sẽ vô địch NBA Championship và President Trump sẽ gặp ai.

Trong thử nghiệm đó, các model làm khá tốt, đôi khi tốt hơn mức trung bình của một người mà không cần chỉ dẫn hay hướng dẫn đặc biệt. GPT-5 đứng đầu, sau đó là Grok 4, Claude Sonnet, Gemini và Llama.