對於這種預測比賽奪冠的機率，的確有出現過，比如在2010年世界盃上的“章魚哥”保羅，它就曾在比賽中預測哪支球隊能贏，這只是存在的機率問題。

世界盃開戰在即，在金融業頗有權勢的投行高盛，還沒等比賽開始就再一次預測了最終結果。高盛人工智慧演算法預測的結果顯示，法國、巴西、葡萄牙和德國將打入半決賽，巴西最終將在決賽中擊敗德國。的確，這充滿了未知，但是作為南美足球的一檔球隊，巴西的確具備奪冠實力，利用AI和大資料計算和預測，難道會更加證實巴西奪冠的機率？

高盛的人工智慧演算法吸收了各個球隊的球員特點、個人資料和最近的表現，利用4個機器學習模型將這些資料與2005年以來的世界盃和歐洲盃比賽得分進行對比，模擬100萬次，最終才得出比賽結果，當然，不可能把所有可能產生影響的變數都計算在內——這一點已經在2014年明確體現出來。高盛當時預計巴西將會最終奪冠，還有一些預測給出了不同結果，但卻沒有幾個預測到巴西在半決賽中慘敗德國。

所以這種主觀機率的問題，應用AI和大資料來分析終究只是一種參考意義。

如何看待AI、大資料分析顯示巴西最有實力奪冠？大資料分析主要在於機率和趨勢性的分析，而真正落實到單次場景，不一定完全正確。真正在冠亞軍的決賽相遇的都不是弱隊，是實力的對撞，還有比賽的場內場外因素，偶然因素等，所以，單單把這個分析看為一種預測而已即可。

近日高盛釋出了一個他們對於“2018年俄羅斯世界盃冠軍”的分析預測。高盛運用了區別於“情感預測”的高深的大資料技術，使用了20萬個統計模型，包括單個球員的資料，到近期巴西隊的表現，再到100萬次的模擬比賽，從而得出巴西將贏得俄羅斯世界冠軍、法國將奪得亞軍、德國屈居季軍、葡萄牙第四的結論，而阿根廷則無法進入四強。

對於大資料分析結果，往往也是具有相當的準確性的。所以現在很多行業也利用大資料分析來尋找趨勢和機率，從而為應對未來可能發生的事情作好相應的準備。比如：

谷歌的資料分析師分析了幾十億條關於流感的檢索記錄，處理了4.5億個不同的數字模型，構造出一個流感預測指數，準確地預判了H1N1流感的發展趨勢和爆發的地區，比政府的官方播報提前兩週，有力地協助衛生當局控制流感疫情。這確實是一件非常神奇的事情。

所以對於大資料分析結果應該有相當大機率發生。但恰恰比賽又具有偶然性，從而使得結果偏離正常的軌道。比如1998年世界盃，如日中天的羅納爾多如夢遊一般跌落而失落冠軍？2006年世界盃，齊達內如魔鬼附身般就因為一句話突然頭撞馬特拉齊而直接被紅牌罰下，導致佔據主動的法國雙手雙腳把冠軍獎盃奉上給義大利？

巴西是個典型的對足球有迷之般迷戀的國度，上至總統下至平民。也可以說是世界盃歷史上最成功的球隊，1958年、1962年、1970年、1994年、2002年。。。這個以藝術足球贏得眾多球迷瘋狂的桑巴足球隊以多次奪得世界盃冠軍而熠熠生光。而且巴西出產的足球明星也是個個聲名顯赫，在全世界贏得眾多的擁躉。

這個跳著桑巴舞，踢著足球的過度盛產的足球明星一大籮筐。“小鳥”加林查曾經最炙手可熱的天皇巨星；“獨狼”羅馬尼奧經常洞穿對方的十指關；腳法細膩全能技術的卡卡；被稱為二代貝利的”不可思議的足球天才“內馬爾；一代”球王“”黑珍珠“貝利在世界足球歷史上具有崇高的地位；”外星人“經常如入無人之境般的過人與盤帶技術及屌屌的射門讓球迷瘋狂揮舞雙手。。。。。太多了，桑巴足球隊給球迷帶來了太多的歡樂與瘋狂，奪冠也可以說是不意外，情理之中吧。