Predicciones de la Copa del Mundo: el nuevo campo de batalla de la IA china

(Foto: VCG)

Con la Copa Mundial de la FIFA 2026 en acción con 48 equipos y más balones por rodar, las emociones de los aficionados se intensifican. Dentro del escenario mundialista, también la competencia fuera del campo gana relieve entre los principales modelos chinos de inteligencia artificial que buscan predecir con mayor exactitud los resultados de los partidos.

La 23ª edición de la Copa Mundial de la FIFA 2026 inaugurada el pasado jueves, se está celebrando en Estados Unidos, Canadá y México, y se extenderá hasta el 19 de julio.

Varios modelos chinos de lenguaje grandes, incluidos Qwen, DeepSeek, Kimi y MiniMax han lanzado sus funciones de predicción, convirtiendo el torneo en un nuevo terreno de pruebas para el razonamiento y análisis de datos impulsados por IA.

"Al ser uno de los eventos deportivos más vistos en todo el mundo, la Copa del Mundo ofrece a las empresas de IA una oportunidad única para mostrar el poder de computación y las habilidades analíticas de sus modelos de lenguaje a una audiencia más amplia", precisa Guo Tao, experto en IA y miembro de la Asociación de Inteligencia Artificial de China.

Varias plataformas de IA ya han lanzado campañas interactivas. Kimi, de Moonshot AI, ha creado un fondo de recompensas de un billón de tokens, permitiendo a los usuarios compartir premios al predecir correctamente los ganadores de los partidos y el campeón final. Un token se refiere a la unidad básica de datos que procesan los modelos de IA.

Qwen, de Alibaba, ha introducido un asistente dedicado a la predicción de partidos, además de ofrecer desafíos de predicción humanos versus IA.

Sin embargo, la Copa del Mundo también ha puesto de manifiesto las limitaciones de los modelos de IA actuales cuando se trata de analizar y predecir los resultados de eventos deportivos. Antes del partido inaugural del Grupo C entre Brasil y Marruecos, celebrado este domingo, los principales modelos IA emitieron predicciones a favor de Brasil, basándose en estadísticas y datos históricos. Sin embargo, el resultado fue un empate 1-1, dejando en evidencia las limitaciones de las predicciones.

Guo considera que, aunque la IA puede analizar datos históricos y modelos estadísticos, todavía le cuesta lograr precisión en resultados venideros del mundo real, especialmente en el área deportiva.

“Los partidos de fútbol están influenciados por una amplia gama de factores en el mundo físico”, recordó Guo. “De hecho, hay variables que son altamente inciertas y difíciles de cuantificar usando modelos de IA fijos, lo que hace que las predicciones precisas sean muy desafiantes”.

Estas limitaciones no solo fueron visibles en el terreno, sino que también han sido objeto de reflexión entre los principales académicos chinos. En la reciente Conferencia BAAI, Wang Zhongyuan, presidente de la Academia de Inteligencia Artificial de Beijing, señaló que, aunque los LLMs se han vuelto cada vez más capaces de resolver problemas en el mundo digital, hay muchos desafíos en el mundo físico que siguen estando fuera de su alcance. Como resultado, la próxima etapa del desarrollo de la IA se irá desplazando gradualmente de predecir el siguiente token a predecir el siguiente estado físico.

Sin embargo, ¿por qué las empresas tecnológicas están lanzando funciones de predicción de IA para deportes, a pesar de que la tasa de precisión es relativamente baja? Guo reconoce que la tendencia refleja la creciente presión de la competencia que se vive en toda la industria IA.

“A medida que la competencia en el mercado de LLM se intensifica, cada vez es más difícil diferenciarse tecnológicamente. En este sentido, las empresas buscan con entusiasmo nuevos canales que los distinga de sus competidores”, indicó Guo.

“En la medida que la tecnología de IA madura, solo competir por el tamaño del modelo no es suficiente”, sostiene Guo. "El mercado presta menos atención a cuán grande es un modelo y más a si puede ofrecer servicios valiosos en escenarios del mundo real y resolver problemas prácticos para los usuarios".

Esta visión es compartida por Hu Yanping, profesor de la Universidad de Finanzas y Economía de Shanghai, quien considera que los grandes modelos de lenguaje y los agentes de IA, mientras avanzan más allá del preentrenamiento hacia el aprendizaje continuo y una percepción más amplia del mundo real, ya están evolucionando de sistemas orientados a la conversación a sistemas orientados a tareas.

“Los proyectos exploratorios, como las predicciones de partidos de la Copa del Mundo, pueden ayudar a acelerar esta evolución”, asegura Hu.

“Estos proyectos demuestran que la verdadera madurez de la IA no se medirá solo por el tamaño de los modelos, sino por su capacidad para interactuar de forma útil con el mundo real”, concluyó.