الذكاء الاصطناعي

وكلاء الذكاء الاصطناعي يديرون فريق كرة قدم خيالي: أداء متواضع حتى الآن

رغم تعقيد الأنظمة الجديدة، لم تتفوق فرق الذكاء الاصطناعي على متوسط أداء البشر في دوري كرة القدم الخيالي، لكن الخبراء يتوقعون تغييراً جذرياً قريباً.

رضوان عبدالهاديمحرر وكاتب تقني

نُشر: 29 أكتوبر 2026 · آخر تحديث: 29 أكتوبر 2026 · 5 دقائق قراءة

وكلاء الذكاء الاصطناعي يديرون فريق كرة قدم خيالي: أداء متواضع حتى الآن — الصورة: WIRED

الخلاصة

نشر WIRED تجربة عملية لإدارة فريق كرة قدم خيالي باستخدام مجموعة من وكلاء الذكاء الاصطناعي المتخصصين.
أظهرت النماذج الحديثة تحسناً كبيراً في دقة التنبؤات مقارنةً بالأدوات السابقة التي تجاهلت الأخبار الواقعية.
يؤكد خبراء مثل هايفنغ شو أن فهم العالم الحقيقي يظل ميزة تنافسية للبشر رغم قدرة الذكاء الاصطناعي على معالجة كميات هائلة من البيانات.
تشير تجارب أسواق التنبؤ إلى أن الفجوة بين البشر والذكاء الاصطناعي تتقلص تدريجياً، مما قد يعيد تشكيل صناعات التداول والتحليل.

تجربة عملية: عندما يتولى الروبوتون المهمة

قرر محرر تقني في مجلة WIRED اختبار حدود قدرات الذكاء الاصطناعي التنبؤية من خلال إدارة فريق كرة قدم خيالي في الدوري الإنجليزي الممتاز. بدلاً من الاعتماد على الحدس البشري، استعان بمجموعة من وكلاء الذكاء الاصطناعي (AI agents) لتولي مسؤولية اختيار اللاعبين وإدارة التشكيلة. الهدف كان تحديد ما إذا كانت سرب من الروبوتات يمكنه بناء فريق فائز في بيئة تنافسية معقدة تتطلب دقة عالية في التوقعات.

تعود جذور هذه التجربة إلى سنوات مضت عندما جرب الكاتب أدوات من معهد تورينغ البريطاني، لكن النتائج كانت مخيبة للآمال بسبب غياب البيانات الواقعية. هذه المرة، استخدم نموذج Codex من شركة OpenAI لبناء إطار عمل تقني يجمع بين تحليل الأخبار وتشغيل نماذج تنبؤية، مما أتاح للذكاء الاصطناعي الوصول إلى معلومات شاملة لم يكن البشر قادرين على معالجتها يدوياً.

أخطاء البداية: إقصاء هالاند

على الرغم من التعقيد التقني للإطار الجديد، جاءت الاقتراحات الأولية للذكاء الاصطناعي صادمة ومثيرة للسخرية. فاجأ النموذج الكاتب باقتراحه إبقاء النجم النرويجي إرلينغ هالاند على مقاعد البدلاء، متجاهلاً قيمته الهجومية الواضحة. هذا الخطأ كشف عن فجوة في فهم السياق الرياضي، حيث ركز النموذج على بيانات إحصائية جافة دون مراعاة الأهمية التكتيكية للاعب في التشكيلة.

بعد ملاحظة هذا القصور، أعاد الكاتب هيكلة النظام ليشمل فريقاً من الوكلاء المتخصصين. تم توزيع المهام بحيث يقرأ بعض الوكلاء الأخبار والمدونات، بينما يحلل آخرون النتائج الأخيرة، ويعمل ثالث على تشغيل النماذج الرياضية، ويراجع رابع الاقتراحات النهائية. هذا التقسيم للعمل أدى إلى تحسين ملحوظ في جودة التوصيات، مما يعكس قوة التخصص في أنظمة الذكاء الاصطناعي متعددة الوكلاء.

حدود التوسع: هل المزيد يعني الأفضل؟

حاول الكاتب زيادة عدد الوكلاء إلى أكثر من مئة، آملاً في رفع مستوى الذكاء الجماعي للنظام. لكن النتيجة كانت خيبة أمل؛ فلم يحدث أي تحسين جوهري في الأداء، بل ارتفعت تكاليف استخدام واجهات برمجة التطبيقات (API) بشكل حاد. هذا يشير إلى وجود سقف تقني في الكفاءة، حيث لا يؤدي زيادة الحجم بالضرورة إلى زيادة الدقة، بل قد يضيف ضجيجاً تحليلياً يعيق اتخاذ القرار.

رغم ذلك، يبقى التقدم مقارنةً بالأدوات القديمة مثيراً للإعجاب. يعتمد النظام الجديد على استهلاك كميات ضخمة من المعلومات الواقعية، مما يمنحه فهماً أوسع للبيئة المحيطة. هذه القدرة على دمج البيانات المتعددة المصادر هي ما يميز الجيل الحالي من النماذج التنبؤية عن سابقاتها التي كانت تعتمد على أنماط تاريخية معزولة.

رؤية الخبراء: فهم العالم الحقيقي

يؤكد هايفنغ شو، عالم الحاسوب في جامعة شيكاغو، أن التحسن في قدرات التنبؤ يعود إلى قدرة النماذج الحديثة على استيعاب وتحليل كميات هائلة من المعلومات الواقعية. يرى شو أن الذكاء الاصطناعي يصبح أذكى في فهم العالم، وهو السبب الجوهري وراء تحسن أدائه. هذا الفهم يتجاوز مجرد معالجة الأرقام ليشمل استيعاب الديناميكيات التي تقف وراء الأحداث الإخبارية والرياضية.

في تجارب أجراها شو وزملاؤه على أسواق التنبؤ مثل Kalshi و Polymarket، أظهرت النماذج التجارية أداءً متفوقاً على المتوسط البشري في توقعات متنوعة، من بطل الدوري الأمريكي لكرة السلة إلى لقاءات سياسية. تصدر نموذج GPT-5 قائمة الأفضل أداءً، تليه نماذج Grok 4 و Claude Sonnet و Gemini و Llama، مما يعكس تنافساً محتدماً بين الشركات الكبرى في هذا المجال.

معيار Prophet Arena: قياس الدقة

لتقييم هذه القدرات بشكل منهجي، طور فريق شو معياراً جديداً يسمى Prophet Arena، يقيس قدرة النموذج على التنبؤ بدقة. وهو واحد من عدة معايير مصممة لاختبار قدرات الذكاء الاصطناعي في استشراف المستقبل. في تجربة موازية، منح باحثون من جامعة هارفارد وشركة Arcada Labs نماذج حدودية مبلغ 10,000 دولار للمراهنة في أسواق التنبؤ لمدة 57 يوماً.

على الرغم من أن النماذج خسرت المال باستمرار في تجربة هارفارد، لاحظ الباحثون تحسناً مستقراً في أدائها مع مرور الوقت. هذا يشير إلى أن الذكاء الاصطناعي يتعلم من أخطائه ويحسن استراتيجياته التنبؤية تدريجياً، مما يعزز الثقة في إمكانية استخدامه كأداة تحليلية موثوقة في المستقبل القريب.

الميزة البشرية: العمق مقابل السرعة

رغم التقدم التقني، لا يزال الذكاء الاصطناعي يتخلف عن الخبراء البشريين المتمرسين المعروفين بـ'المنبئين الخارقين'. يوضح شو أن البشر، رغم عدم قدرتهم على استهلاك كميات هائلة من البيانات، يمتلكون فهماً أعمق للعالم الحقيقي. فهم يدركون الديناميكيات الخفية وراء القصص الإخبارية، وهي معرفة يصعب على النماذج الرياضية التقاطها بالكامل.

ومع ذلك، تشير الأدلة المتزايدة إلى أن هذه الميزة البشرية تتآكل. أظهرت مسابقة Metaculus Cup أن الذكاء الاصطناعي يمكنه أحياناً التفوق على أفضل المنبئين البشر. كما يوفر معيار ForecastBench دليلاً إضافياً على قدرة الذكاء الاصطناعي على مواكبة المهارات البشرية، خاصة عندما تقترب نتائج المسابقات الجارية من نهايتها.

مستقبل الصناعات التنبؤية

تشير هذه التجارب إلى أن الصناعات القائمة على التداول والتحليل قد تشهد زلزالاً تقنياً قريباً، على غرار ما حدث في مجالات الرياضيات والبرمجة والقانون. قد يتحول أفضل المتداولين البشر إلى مشرفين على وكلاء ذكاء اصطناعي قادرين على استشراف المستقبل بدقة تفوق قدراتهم الفردية.

في الوقت الحالي، لا تزال اقتراحات الذكاء الاصطناعي في فريق كرة القدم الخيالي متواضعة، حيث لم يتفوق الفريق على متوسط الأداء العام خلال الأسابيع الماضية. ومع ذلك، يتوقع الكاتب أن تصبح هذه الأدوات سائدة قريباً، مما قد يقلل من متعة المنافسة الشخصية في الدوريات الخيالية، لكنه يفتح آفاقاً جديدة للكفاءة التحليلية في عالم البيانات.