一個貼磚工人的“第六感”,給AI預測上了一課
重點摘要
2026年世界盃小組賽結束後,聯想集團與咪咕視頻發起的“世界盃預測人機大戰”出現了一個足夠戲劇化的結果。在同一張32強答卷上,12大AI大模型、專業解說、運動員、名人嘉賓和超2500萬參與用戶共同預測32支晉級球隊。最終,AI陣營最高分停在29中,30以上無人也無AI抵達。一位來自重慶彭水的29歲貼磚工人李先生,成為唯一32中31的人。
### 貼磚工人碾壓AI:世界盃預測中的「第六感」勝出
一場由聯想集團與咪咕視頻聯手舉辦的「世界盃預測人機大戰」,在小組賽落幕後迎來了令人跌破眼鏡的結局。這場活動邀請了12個AI大模型、專業球評、退役運動員、名人嘉賓,以及超過2500萬名線上用戶,共同針對32支晉級球隊進行預測。最終,AI陣營最高得分止步於29分,沒有任何一方(無論人類或機器)能達到30分以上。然而,一位來自重慶彭水的29歲貼磚工人李先生,竟在萬眾中脫穎而出,獨自拿下32中31的驚人成績。
這個結果之所以戲劇性,在於AI大模型向來被視為能處理大量數據、分析歷史戰績與即時賠率的利器,理應在預測賽事上佔有優勢。但現實卻狠狠打了專家們的臉:即便集結了運算能力最強的模型,仍無法突破「人類直覺」所創下的天花板。李先生的「第六感」不僅勝過所有AI,也超越了專業解說員與運動員的判斷,成為本屆預測活動的最大黑馬。
從背景脈絡來看,這類「人機對決」並非首次出現,但過去多是棋類或結構化遊戲(如圍棋、電競)的勝負;而世界盃足球賽屬於高度不確定性的事件,充滿傷病、裁判尺度、運氣與臨場心理等變數。AI雖然能快速篩選歷史數據與賠率波動,卻難以掌握這些非線性因子,反觀人類有時能憑藉直覺、生活經驗甚至「球感」做出意想不到的準確判斷。
更具深意的是,李先生只是一名普通的貼磚工人,並非足球專業人士或數據分析師。這點凸顯了人類直覺的不可取代性——在某些高隨機性的場景中,過度依賴理性計算可能反而錯失正確方向。這也提醒我們,AI的真正限制不僅在於算力或演算法,更在於它缺乏人類那種「模糊推理」與「情境感知」的能力,尤其是當事件的本質帶有強烈的主觀或隨機成分時。
此番結果對未來AI應用可能帶來兩層影響。其一,在體育賽事、金融市場、天氣預測等領域,AI不該被當成萬能解答機,開發者應重新審視模型對「黑天鵝事件」的韌性。其二,企業在推廣AI工具時,也許該放下「機器一定比較強」的宣傳話術,轉而強調人機協作——讓工人、農民、工匠這些第一線工作者的經驗成為AI學習的輔助資料,而非僅靠歷史數據訓練。
讀者後續可以關注幾個方向:聯想與咪咕是否會公布李先生的預測邏輯,或者後續舉辦類似競賽時引入「人類直覺加分機制」;AI公司是否會調整模型設計,試圖嵌入更多非結構化因素;以及我們自己,是否該更信任那種說不出理由的「感覺」,尤其在面對不確定性極高的抉擇時。畢竟,這次貼磚工人的勝利,某種程度也是在提醒科技圈:不要忘了,真正厲害的「預測」,有時來自手上沾滿水泥的人。
Related
相關文章
Google AI 推出 TabFM:混合注意力表格基礎模型,實現零樣本分類與回歸
Google Research 發表 TabFM,這是一個專為表格資料設計的基礎模型。TabFM 無需針對特定資料集進行訓練,即可執行分類與回歸任務,每次預測僅需一次前向傳遞。該模型將表格預測重新定義為情境學習問題,現已於 Hugging Face 和 GitHub 上架。簡而言之,TabFM 能在未見過的表格上進行預測,無需訓練、調參或特徵工程。它將整個資料集視為一個提示,透過情境學習進行預測。其架構結合了 TabPFN 風格的行/列注意力機制與 TabICL 風格的情境學習,訓練過程使用了數億個來自結構因果模型的合成資料集。Google BigQuery 也將很快透過 AI.PREDICT SQL 指令開放 TabFM 功能。什麼是 TabFM?表格資料構成了……
庫克破冰會談:蘋果與歐盟就新版Siri AI入歐展開建設性磋商
庫克與歐盟監管負責人就延遲推出的新版Siri展開“建設性”會談,重點探討在遵守《數字市場法》互操作性等競爭規則下引入AI功能。雙方試圖通過對話解決歐盟市場的准入爭端。

華為官宣全球首個商用多模態文旅大模型規模化應用
華為中國宣佈,2026 年 6 月 29 日,全球首個商用多模態文旅大模型 ——“博觀文旅大模型”在西安規模應用。截至今年 3 月,“博觀”支撐開發的 AI 伴遊智能體已覆蓋超 400 萬用戶。#博觀文旅大模型# #AI文旅#

AI招聘對上AI求職,一場“魔法對轟”
AI招聘工具與AI求職軟體正展開一場「魔法對轟」,雙方皆運用人工智慧優化「人崗匹配」的流程。求職者透過AI生成履歷、模擬面試,而企業則用AI篩選履歷、解讀面試表現,形成新一輪技術競賽。這場對決正重新定義招聘與求職的底層邏輯,引發業界對效率與公平性的關注。

頂刊生物實驗難復現?統一操作話術來了!編譯通過率98.6%
一項新研究指出,頂尖期刊發表的生物實驗常難以重複,因此提出統一的操作話術,讓編譯通過率高達98.6%。AI進入生物製造領域後,最缺乏的不是更先進的演算法,而是銜接數位模型與實體實驗的標準化接口。
跨越智能終端“體驗鴻溝”,網宿科技全鏈路AI方案加速場景落地
隨著大模型加速向端側滲透,AI PC、AI玩具、可穿戴設備、具身智能機器人等智能終端呈指數級增長。然而,行業爆發背後,用戶體驗與技術實現之間的鴻溝日益凸顯——語音交互效果差、穩定性不足、安全風險等問題,成為制約智能終端滲透市場的關鍵瓶頸。