Weekendowe typowanie z AI: o co chodzi z prognozami meczów A‑Klasy i B‑Klasy
Piątek wieczór, praca odhaczona, kanapka gotowa, telefon w dłoń. Zamiast przeklikiwać się przez tabele i fora, kibic niższych lig otwiera okienko z ChatGPT i pyta wprost: „No dobra, jakie wyniki padną w A‑Klasie i B‑Klasie w ten weekend?”. Brzmi trochę jak science fiction, a to już codzienność.
W jednym z regionalnych serwisów sportowych dziennikarz zrobił z tego stałą zabawę redakcyjną. „Jak co tydzień o pomoc w wytypowaniu prosimy sztuczną inteligencję” – napisał i wrzucił całą serię typów z komentarzami. Nie był to suchy kupon z suchymi liczbami. Każdy mecz miał swój mini felieton: o formie gospodarzy, o problemach w defensywie gości, o atucie własnego boiska. Na końcu padał konkretny rezultat: 3:1, 2:2, 6:0, 7:0. Czasem bardzo odważny.
W tekście pojawiły się pary z A‑Klasy Bielsko‑Biała, Skoczów, Żywiec oraz z B‑Klasy. Schemat był podobny: krótka charakterystyka stylu gry („grają ofensywnie”, „mają problemy w defensywie”) i jasny wyrok: „gospodarze powinni kontrolować przebieg meczu, typ: 3:0”. Fajne do czytania, przyznaję – sam się wciągnąłem.
Trzeba jednak powiedzieć to głośno: ChatGPT nie ma dostępu ani do bieżących kursów bukmacherskich, ani do wewnętrznych baz klubów, ani do zamkniętych systemów z danymi medycznymi czy treningowymi. Model pracuje na tym, co miał w danych treningowych i na tym, co dostaje w pytaniu. Cała reszta to układanie opowieści opartej na prawdopodobieństwach.
Dlatego ten tekst traktuję raczej jako okazję, żeby spokojnie pokazać, jak takie prognozy w ogóle powstają i dlaczego są ciekawostką dla kibiców, a nie gotowym kuponem do okienka. Jeśli kochasz niższe ligi, lubisz typować albo po prostu interesuje cię, co potrafi – i czego nie potrafi – ChatGPT, to jesteś w dobrym miejscu.
Jak zadano pytania ChatGPT i skąd wzięły się konkretne typy wyników
Wyobraź sobie, że jesteś tym dziennikarzem. Masz listę par meczowych A‑Klasy i B‑Klasy, dopisujesz: lider gra z zespołem z dołu tabeli, ktoś ma najsłabszą defensywę w lidze, ktoś inny u siebie wygrywa prawie wszystko, a hit kolejki może ustawić czołówkę. Wrzucasz to do ChatGPT z prośbą: „Podaj prawdopodobny wynik i krótki komentarz”.
Tak właśnie to wyglądało. W opisach meczów A‑Klasy Bielsko‑Biała czy Skoczów AI najpierw streszczała sytuację: że lider imponuje skutecznością, że goście seryjnie tracą bramki na wyjazdach, że gospodarze są „mocni u siebie”, a spotkanie to „hit kolejki”. Potem pojawiał się odważny typ: 6:1 dla faworyta, 2:2 w meczu drużyn grających „bez kalkulacji”, 5:0, gdy zderzała się najlepsza ofensywa z dziurawą obroną.
Te wyniki nie biorą się z magii. ChatGPT nie widzi przyszłości. Model składa historię na bazie schematów: jeśli w opisie pada, że gospodarz jest liderem, ma świetny bilans domowy, a goście „mają duże problemy defensywne”, to logiczną kontynuacją staje się wysoka wygrana gospodarzy. Gdy obie strony są nieregularne, pojawia się remis z bramkami.
To trochę jak rozmowa z kumplem przy piwie, który zna tabelę, kojarzy bilans bramkowy, ale nie ma pojęcia, że w piątek najlepszy napastnik skręcił kostkę na treningu, a bramkarz jedzie na wesele brata. Opowieść brzmi sensownie, liczby są przekonujące, tylko życie robi swoje.
I teraz najfajniejszy wątek dla geeków: to da się całkowicie zautomatyzować. Jeśli ktoś ma odrobinę obycia z programowaniem, może napisać prosty skrypt w Node.js, który co tydzień odczyta pary meczowe z pliku albo bazy, wyśle je do API i zwrócone prognozy wrzuci na stronę. Dokładnie w takim kierunku idzie mój tekst A Step-by-Step Tutorial on How to Use OpenAI API in Node.js – tam krok po kroku pokazuję, jak gadać z API w Node, tu wystarczyłoby tylko podmienić treść pytań.
Co ChatGPT „wie” o piłce, a czego nigdy nie przewidzi: ograniczenia danych i iluzja pewności
Od strony kuchni sprawa jest prosta, choć mało romantyczna. ChatGPT nie śledzi na żywo każdej A‑Klasy i B‑Klasy. Nie ogląda skrótów w niedzielę wieczorem, nie odświeża nałogowo tabel podokręgu Bielsko‑Biała. Jest model matematyczny uczony na ogromnych zbiorach tekstów, do tego dochodzi to, co wkleisz w okienko.
W niższych ligach robi się to szczególnie odczuwalne. Statystyki są porozrzucane po różnych serwisach, aktualizowane z opóźnieniem, kadry zmieniają się błyskawicznie. Pół drużyny wyjeżdża do pracy za granicę, ktoś zawiesza buty na kołku, ktoś wraca po kontuzji i nagle zespół, który „od lat walczy o utrzymanie”, gra jak kandydat do awansu.
Kiedy próbowałem kiedyś złożyć sobie „profil” jednej drużyny z B‑Klasy, skończyło się na telefonie do znajomego trenera. W sieci znalazłem parę wyników, jedno składowe zdjęcie, trochę plotek na Facebooku. O ustawieniu i formie konkretnych zawodników dowiedziałem się dopiero od człowieka, który z nimi pracuje.
Model w takiej sytuacji robi jedną rzecz: dosztukowuje brakujące szczegóły. Nie powie „nie wiem”, tylko sięgnie po schematy. Lider pewnie wygra. Najsłabsza obrona znów straci kilka bramek. Drużyna z najlepszą ofensywą „powinna kontrolować przebieg meczu”. Stąd w prognozach tyle jednostronnych wyników i tak dużo goli. To się po prostu dobrze klei jako opowieść.
Do tego dochodzi ton. Tekst generowany przez AI rzadko brzmi niepewnie. „Wszystko wskazuje na jednostronne widowisko” czy „lider powinien potwierdzić dominację” to zdania napisane z pełnym przekonaniem. Tylko że ten sam mecz może skończyć się 0:1 po jednym stałym fragmencie. Sam raz byłem święcie przekonany, że prowadzący w tabeli rozjedzie przedostatnią drużynę. Skończyło się tym, że lider walił głową w mur, spóźniłem pociąg, a gospodarze przegrali w 90. minucie po kontrze.
Tu wchodzi wątek bezpieczeństwa i odpowiedzialności. Geoffrey Hinton, jeden z pionierów uczenia głębokiego, w głośnym wywiadzie, o którym pisałem szerzej w tekście AI Pioneer Geoffrey Hinton Leaves Google, Warns of Potential Dangers, ostrzegał przed nadmiernym zaufaniem do systemów, których działania do końca nie rozumiemy. W piłce konsekwencje są stosunkowo niewielkie – ktoś przegra kupon. Ale mechanizm jest ten sam co w medycynie czy polityce: my czytamy pewny ton i podświadomie podnosimy wagę tego, co widzimy na ekranie.
To nie dotyczy tylko piłki. Ten sam model, który dziś „przewiduje” wyniki A‑Klasy, jutro może opowiadać ci o kosztach życia w innym kraju, o tym, czy warto się przeprowadzić, albo gdzie pojechać na urlop. Dlatego ja lubię zestawiać takie opowieści z twardszymi danymi. Gdy planuję wyjazd, zerkam na realne liczby dotyczące kosztów życia czy noclegów, choćby w serwisie HikersBay, który zbiera informacje o cenach i warunkach podróży w różnych miejscach. AI może podsunąć inspirację, ale rachunek robię już na podstawie konkretów.
Dlaczego prognozy ChatGPT to ciekawostka dla kibica, a nie porada bukmacherska
Teraz najważniejsze pytanie: wrzuciłbyś całe weekendowe wynagrodzenie na kupon oparty na typach modelu uczonego na tekstach z internetu? Ja nie.
Prognozy z naszego case’u to świetne paliwo do rozmów. Kibice mogą porównać własne typy z tym, co „napisał” ChatGPT, po kolejce policzyć, ile trafił, a gdzie kompletnie przestrzelił. Dla redakcji to też złoto – każdy mecz dostaje dodatkową narrację, nawet starcie z dołu tabeli brzmi nagle jak mały finał.
Tylko że to coś zupełnie innego niż porada bukmacherska. Model nie zna kursów, limitów stawek ani promocji operatorów. Nie ma pojęcia, że trener wystawi juniorów, bo w środku tygodnia trzeba grać o puchar. Nie wie, że obrońca pauzuje za kartki, bo w poprzedniej kolejce pokłócił się z sędzią. Albo że bramkarz nie przyjedzie na mecz, bo właśnie siedzi na weselu brata.
Zakłady to sfera, w której drobne zmienne robią gigantyczną różnicę. Jeden źle odśnieżony fragment boiska, jeden błąd przy ustawieniu muru, jedna głupia czerwona kartka w 5. minucie. Tego żadna ogólna opowieść nie przewidzi.
Dlatego sensowne korzystanie z takich narzędzi polega na traktowaniu ich jako dodatkowego głosu w dyskusji. Widziałem już typerów, którzy łączą własne analizy z tym, co podpowie AI, ale decyzja zostaje po ich stronie. Można poprosić ChatGPT o opis stylu obu drużyn, zarys historii spotkań, albo nawet o lekką, dowcipną zapowiedź meczu na klubowy fanpage. Tylko że ostateczna stawka na kuponie to już wyłącznie twoja odpowiedzialność.
Co ciekawe, ChatGPT zaczyna nam towarzyszyć w coraz bardziej codziennych sytuacjach. W osobnym tekście opisywałem, jak działa ChatGPT w samochodzie w połączeniu z iOS 26.4 i nowym CarPlay – tam asystent pomaga w trasie, dyktujesz mu notatki, prosisz o szybkie podsumowania. W pracy generuje maile, przy planowaniu wyjazdu podpowiada kierunki, a wieczorem komentuje mecze B‑Klasy. Im częściej mamy go pod ręką, tym bardziej przydaje się trzeźwa głowa i jasna granica między zabawą a decyzjami z realnymi konsekwencjami finansowymi.
Na koniec coś bardzo osobistego. Sam lubię porównać swoje przewidywania z tym, co „wymyśli” AI na temat A‑Klasy czy B‑Klasy. Czasem model mnie zaskakuje, czasem potwierdza intuicję. Ale jeśli mam postawić choćby symboliczne 10 zł, to wolę zadzwonić do kumpla, który od lat stoi z bębnem na sektorze gości, niż do bezosobowego modelu, który zna te mecze głównie z opisów w sieci. I tego się na razie trzymam.