引度侵刪：

    除了高盛外，德國商業銀行稱經過數據建模工具上萬次的隨機模擬，德國隊是本屆世界杯的奪冠大熱門，丹麥銀行分析了“成千上萬的數據模擬同時考慮經濟學變量”，稱德國會成為決賽球隊的一支。而瑞銀集團則在使用了“用以幫助客戶挑選股票的計量經濟學工具”後得到了“高度精準的模型”，認為德國隊將再次捧起大力神杯。

    與高盛一樣，這些金融機構利用一係列數據模型模擬出來的比賽結果與實際進展並不一致。AI真的懂球嗎？或許我們該打上一個大大的問號。

    值得一提的是，據介紹，微軟的人工智能和數據科學專家Sorin Peste通過結合泊鬆回歸、排序算法以及隨機森林等常用模型進行預測。他采用隨機森林模型，在預測過程中建立很多決策樹以獨立預測世界杯每場比賽的結果。在讓每一棵決策樹獨立生長後，最終將它們的判斷進行整合，從而實現比分的預測。

    然而需要指出的是，這些預測模型實際上都麵臨著一個本質性的困難——那就是缺乏真正有效的數據支撐，同時球賽的影響因素充滿著不確定性，要想提前準確預測實在是困難重重。

    眾所周知，各國國家隊之間的交手並不頻繁，因此同職業聯賽相比，國家隊賽事往往無法從遙遠的記憶中為近期比賽提供足夠多的經驗支持。以俄羅斯世界杯揭幕戰東道主5比0擊敗沙特阿拉伯的比賽為例，兩隊上一次交手已經過去了整整25年之久。此外，根據俄羅斯在此前熱身賽上的種種表現與陣容配置，人們很難想象他們可以取得這樣的大勝，甚至淘汰西班牙這樣的豪強。

    此外，就像我們常常強調的那樣，競技體育的魅力就在於它的不確定性，這也造就了一個個傳奇故事。冰島逼平阿根廷，韓國爆冷擊敗德國，俄羅斯點球大戰淘汰西班牙……從數據上來看，這些小概率事件恰恰構成了競技體育與世界杯的魅力所在。

    無論是選手的身體狀態，精神品質，球隊士氣還是教練的排兵布陣，球員的臨場發揮，亦或是裁判的爭議吹罰，甚至家庭突發事件，能夠影響勝負的要素實在太多。正是綠茵場內外種種紛繁複雜的要素造就了那句名言，“足球是圓的”。

    另一方麵，數據本身也具有一定的欺騙性，畢竟在統計時，一腳世界波進球和對方的烏龍球都會成為比分牌上的數字“1”，但這個數字卻無法完全真實反映場上的情況。

    例如，上一屆世界杯德國送給了巴西一個恥辱的比分——7-1。如果拋開比分，從其他各項數據來看，這並不是一場一邊倒的比賽——巴西射門18次，射正13次；德國射門14次，射正12次。從控球率來看，巴西也要超過德國4個百分點。

    然而就像新浪體育在當時的報道中所說的那樣，“隻能說這是一場驚人的比賽，而數據有時候是騙人的……下半場開始時德國隊已經‘收手’，而巴西依然在‘頑強抵抗’，一定程度上造成了這樣的數據對比。”

    結合以上種種，無論是高盛、微軟還是博彩公司、媒體平台。至少從目前來看，要通過人工智能進行數據整合分析並成功預測球賽比分，仍不太現實。

    不過，也幸好人工智能無法預測比賽，要不然這個世界的無趣或許會再添一分。

    任何品牌與企業，都不能忽視年輕人的存在。我們可能已經習慣了過度觀察“千禧一代”的消費習慣，這還不夠，因為“Z世代”也已經走到了市場主流。