🪞 Building in Public: Our 48-Hour Reflection
This isn't a feature list — we wrote one of those already. This is a reflection. Two days into the World Cup we've been building fast and out in the open, and we want to be honest about what we're trying to do, what we got right, what we're still figuring out, and why we'd rather show you our misses than bury them.
Why "predictions you can check" is the whole point
Anyone can claim their AI is brilliant after the final whistle. The internet is full of confident voices that quietly forget their bad calls and loudly remember their good ones. We decided early that we didn't want to be one of them. So the core of AlphaPrediction isn't a single magic number — it's a scoreboard you can hold us to. Every prediction is logged before kickoff, tiered by how confident the AI actually is, and graded honestly afterwards. The track record is the product. Everything else is decoration.
What 48 hours actually looked like
Fast, focused, and occasionally messy — the honest version. We shipped roughly ten things in two days: confidence tiers and the LOCK, live AI-vs-reality score chips, a public accuracy ledger, standings and bracket views, a mobile pass, a smarter Telegram bot, automatic result grading, and draw-aware calibration under the hood. Not every step was smooth — building in public means you do your thinking where people can see it — but the direction never wavered: make the AI's judgment legible, so you can decide for yourself how much to trust it.
What we think we got right
- Tiering every call. A LOCK and a coin-flip should never look the same, and now they don't. Honesty about confidence is the first honesty that matters.
- Showing the misses. The live chips put our prediction next to the real score as it happens. No hiding.
- Draw-awareness. Most models under-count draws. Ours doesn't — it'll call a 1–1 even when a favourite is ahead, because that's often the single most likely scoreline. (We wrote a whole preview explaining why.)
- Four languages, everywhere. English, Chinese, Malay, Tamil — the same honesty for everyone reading.
What we're still figuring out
Plenty. We'll say it plainly: our sample is still small, and a small sample is a humble thing. A few good calls don't prove a model, and a few bad ones don't sink it. Our calibration — the work of making "70% confident" actually mean 70% over the long run — is young and improving match by match. And a coin-flip is a coin-flip: when we tier something MED, we mean it, and we won't dress it up as a sure thing to look smarter. The honest path is slower, but it's the only one worth walking.
What's next: a committee of minds
Here's the idea we're most excited about. Right now, a prediction is one voice. But the smartest rooms aren't one voice — they're a panel that argues. So we're building a committee of three different AI models, each analysing every match independently, from its own angle. Where they agree, you'll see real conviction. Where they disagree, you'll see the genuine uncertainty that a single confident voice tends to hide. Three minds, three perspectives, one transparent verdict — that's the next chapter.
Alongside it, we're working on a way to surface where the big money is moving on public prediction markets — because sometimes the most interesting signal isn't what a model thinks, but what people are willing to back with real stakes.
The bottom line
We're building this in public, on purpose. The scoreboard is honest, the confidence is labelled, the misses are visible, and the roadmap is out in the open. If our calls are good, the ledger will say so. If they're not, the ledger will say that too — and we'll keep improving until it reads the way we want it to. Thanks for being here for the first 48 hours. The best part is still ahead.
🧸 Explain like I'm 3
We're making a robot that guesses football games. Instead of only telling you about its good guesses, we keep an honest list of when it's right AND when it's wrong, so you can trust it for real.
In the last two days we made the robot better in lots of ways. And next, instead of just one robot guessing, we're getting THREE different robots to each give their opinion — so you hear more than one voice. More honest, more fun!
🪞 公开构建：我们的 48 小时反思
这不是一份功能清单 —— 那个我们已经写过了。这是一份反思。世界杯进行到第两天，我们一直在快速地、公开地构建，而我们想要诚实地谈谈：我们究竟想做什么、做对了什么、还在摸索什么，以及为什么我们宁愿把失手展示给你看，也不愿把它们埋起来。
为什么"可被核对的预测"才是全部重点
任何人都能在终场哨响之后，宣称自己的 AI 有多神。互联网上满是自信的声音，悄悄忘掉糟糕的判断，大声记住正确的那些。我们很早就决定，不想成为他们当中的一员。所以 AlphaPrediction 的核心，不是某个神奇的数字 —— 而是一个你可以拿来问责我们的记分牌。每一个预测都在开球前被记录、按 AI 真实的信心程度分级，并在赛后被诚实地评定。战绩本身就是产品。其余的一切，都是装饰。
48 小时实际是什么样子
快速、专注，偶尔有些凌乱 —— 这是诚实的版本。两天里我们大约上线了十样东西：信心档位与 LOCK 锁定、实时"AI 对阵现实"比分小标签、公开的准确率账本、积分榜与对阵图、一次移动端梳理、更聪明的 Telegram 机器人、自动结果评定，以及引擎盖下"考虑平局"的校准。并非每一步都顺畅 —— 公开构建，意味着你在众目睽睽之下思考 —— 但方向从未动摇：让 AI 的判断清晰可读，好让你自己决定要信它几分。
我们认为做对了什么
- 给每个判断分级。一个 LOCK 和一个五五开绝不该看起来一样，而现在它们不一样了。关于信心的诚实，是第一重要的诚实。
- 展示失手。实时小标签在比赛进行时，把我们的预测摆在真实比分旁边。绝不藏匿。
- 考虑平局。大多数模型会低估平局。我们的不会 —— 即便一支热门球队领先，它也会预测 1–1，因为那往往是单一最可能的比分。（我们写了一整篇前瞻来解释为什么。）
- 四种语言，处处如此。英文、中文、马来文、泰米尔文 —— 给每一位读者同样的诚实。
我们还在摸索什么
有很多。我们直说：我们的样本仍然很小，而小样本是一件需要谦卑对待的事。几个漂亮的判断证明不了一个模型，几个糟糕的也击沉不了它。我们的校准 —— 那项让"70% 的信心"在长期里真的等于 70% 的工作 —— 还很年轻，正一场接一场地改进。而五五开就是五五开：当我们把某场定为 MED，我们是认真的，绝不会为了显得更聪明，而把它包装成板上钉钉。诚实的路更慢，但那是唯一值得走的路。
接下来：一个智慧的委员会
这是我们最为兴奋的点子。眼下，一个预测就是一个声音。但最聪明的房间里，从来不是一个声音 —— 而是一个会争论的专家组。所以我们正在打造一个由三个不同 AI 模型组成的委员会，每一个都从自己的角度，独立地分析每一场比赛。它们一致的地方，你会看到真正的笃定。它们分歧的地方，你会看到那种单一自信声音往往会掩盖掉的、真实的不确定性。三个头脑、三种视角、一个透明的裁断 —— 这就是下一个篇章。
与此同时，我们正在研究一种方式，去呈现大资金在公开预测市场上的流向 —— 因为有时候，最有意思的信号不是一个模型怎么想，而是人们愿意用真金白银去支持什么。
归根结底
我们刻意地公开构建这一切。记分牌是诚实的，信心是被标注的，失手是可见的，路线图是摊在明面上的。如果我们的判断好，账本会这么说。如果不好，账本也会这么说 —— 而我们会持续改进，直到它读起来是我们想要的样子。谢谢你陪我们走过最初的 48 小时。最精彩的部分，还在前头。
🧸 像跟3岁小孩解释
我们在做一个猜足球比赛的机器人。我们不只告诉你它猜对的那些，还诚实地记下它什么时候对、什么时候错，这样你才能真正信任它。
过去两天，我们从很多方面把机器人变得更好了。接下来，不再只是一个机器人猜，而是让三个不同的机器人各自给出意见 —— 这样你听到的就不止一个声音。更诚实，也更好玩！
🪞 Membina Secara Terbuka: Renungan 48 Jam Kami
Ini bukan senarai ciri — kami sudah tulis satu. Ini renungan. Dua hari ke dalam Piala Dunia, kami telah membina dengan pantas dan secara terbuka, dan kami mahu jujur tentang apa yang cuba kami lakukan, apa yang kami betul, apa yang masih kami fikirkan, dan mengapa kami lebih rela tunjukkan kesilapan kami daripada menyembunyikannya.
Mengapa "ramalan yang anda boleh semak" ialah keseluruhan maksudnya
Sesiapa boleh mendakwa AI mereka cemerlang selepas wisel akhir. Internet penuh dengan suara yakin yang diam-diam lupa panggilan buruk mereka dan kuat-kuat ingat yang baik. Kami putuskan awal bahawa kami tidak mahu jadi salah seorang daripada mereka. Jadi teras AlphaPrediction bukan satu nombor ajaib — ia ialah papan markah yang anda boleh pertanggungjawabkan kami. Setiap ramalan dicatat sebelum mula, ditahap mengikut betapa yakin AI sebenarnya, dan digred dengan jujur selepasnya. Rekod prestasi itulah produknya. Selebihnya hiasan.
Bagaimana 48 jam sebenarnya kelihatan
Pantas, fokus, dan kadangkala berselerak — versi jujurnya. Kami lancarkan kira-kira sepuluh perkara dalam dua hari: tahap keyakinan dan LOCK, cip skor AI-lwn-realiti langsung, lejar ketepatan awam, paparan kedudukan dan kelompok, pemeriksaan mudah alih, bot Telegram lebih bijak, penggredan keputusan automatik, dan penentukuran sedar-seri di sebalik tudung. Bukan setiap langkah lancar — membina secara terbuka bermakna anda berfikir di tempat orang boleh lihat — tetapi hala tuju tidak pernah goyah: jadikan pertimbangan AI boleh dibaca, supaya anda boleh tentukan sendiri sejauh mana untuk mempercayainya.
Apa yang kami rasa kami betul
- Menahap setiap panggilan. Satu LOCK dan satu lambungan syiling tidak sepatutnya kelihatan sama, dan kini ia tidak. Kejujuran tentang keyakinan ialah kejujuran pertama yang penting.
- Menunjukkan kesilapan. Cip langsung meletakkan ramalan kami di sebelah skor sebenar ketika ia berlaku. Tiada sorok.
- Kesedaran-seri. Kebanyakan model mengira seri terlalu rendah. Model kami tidak — ia akan panggil 1–1 walaupun pilihan mendahului, kerana itu selalunya skor tunggal paling mungkin. (Kami tulis satu pratonton penuh menerangkan sebabnya.)
- Empat bahasa, di mana-mana. Inggeris, Cina, Melayu, Tamil — kejujuran sama untuk semua yang membaca.
Apa yang masih kami fikirkan
Banyak. Kami akan kata terus terang: sampel kami masih kecil, dan sampel kecil ialah perkara yang merendah diri. Beberapa panggilan baik tidak membuktikan model, dan beberapa yang buruk tidak menenggelamkannya. Penentukuran kami — kerja menjadikan "70% yakin" benar-benar bermakna 70% dalam jangka panjang — masih muda dan bertambah baik perlawanan demi perlawanan. Dan lambungan syiling ialah lambungan syiling: apabila kami tahap sesuatu MED, kami maksudkannya, dan kami tidak akan hiaskannya sebagai perkara pasti untuk kelihatan lebih bijak. Jalan jujur lebih perlahan, tetapi ia satu-satunya yang berbaloi dilalui.
Apa yang bakal datang: jawatankuasa minda
Inilah idea yang paling kami teruja. Sekarang, ramalan ialah satu suara. Tetapi bilik paling bijak bukan satu suara — ia panel yang berhujah. Jadi kami membina jawatankuasa tiga model AI berbeza, setiap satu menganalisis setiap perlawanan secara bebas, dari sudutnya sendiri. Di mana mereka bersetuju, anda nampak keyakinan sebenar. Di mana mereka tidak bersetuju, anda nampak ketidakpastian tulen yang suara yakin tunggal cenderung sembunyikan. Tiga minda, tiga perspektif, satu keputusan telus — itulah bab seterusnya.
Bersamanya, kami sedang usahakan cara untuk menonjolkan ke mana wang besar bergerak di pasaran ramalan awam — kerana kadangkala isyarat paling menarik bukan apa yang model fikir, tetapi apa yang orang sanggup sokong dengan pertaruhan sebenar.
Kesimpulannya
Kami membina ini secara terbuka, dengan sengaja. Papan markah jujur, keyakinan dilabel, kesilapan kelihatan, dan peta jalan terbuka. Jika panggilan kami baik, lejar akan kata begitu. Jika tidak, lejar akan kata itu juga — dan kami akan terus bertambah baik sehingga ia berbunyi seperti yang kami mahu. Terima kasih kerana berada di sini untuk 48 jam pertama. Bahagian terbaik masih di hadapan.
🧸 Terangkan macam saya umur 3 tahun
Kami membuat robot yang meneka perlawanan bola sepak. Daripada hanya beritahu anda tekaan baiknya, kami simpan senarai jujur tentang bila ia betul DAN bila ia salah, supaya anda boleh percayainya betul-betul.
Dalam dua hari lepas kami jadikan robot lebih baik dalam banyak cara. Dan seterusnya, daripada hanya satu robot meneka, kami dapatkan TIGA robot berbeza untuk masing-masing beri pendapat — jadi anda dengar lebih daripada satu suara. Lebih jujur, lebih seronok!
🪞 பகிரங்கமாக கட்டமைத்தல்: எங்கள் 48 மணி நேர சிந்தனை
இது ஒரு அம்ச பட்டியல் அல்ல — அதை ஏற்கனவே எழுதிவிட்டோம். இது ஒரு சிந்தனை. உலகக் கோப்பையின் இரண்டு நாட்களில், நாங்கள் வேகமாகவும் பகிரங்கமாகவும் கட்டமைத்து வருகிறோம், மற்றும் நாங்கள் என்ன செய்ய முயற்சிக்கிறோம், எதைச் சரியாகச் செய்தோம், எதை இன்னும் யோசித்துக் கொண்டிருக்கிறோம், மற்றும் எங்கள் தவறுகளை மறைப்பதை விட ஏன் உங்களுக்குக் காட்ட விரும்புகிறோம் என்பதைப் பற்றி நேர்மையாக இருக்க விரும்புகிறோம்.
ஏன் "நீங்கள் சரிபார்க்கக்கூடிய கணிப்புகள்" தான் முழு நோக்கம்
இறுதி விசில்க்குப் பிறகு தங்கள் AI அற்புதமானது என்று யார் வேண்டுமானாலும் கூறலாம். இணையம் நம்பிக்கையான குரல்களால் நிறைந்துள்ளது, அவை அமைதியாக தங்கள் மோசமான முடிவுகளை மறந்து, உரத்த குரலில் நல்லவற்றை நினைவில் கொள்கின்றன. அவர்களில் ஒருவராக இருக்க விரும்பவில்லை என்று நாங்கள் ஆரம்பத்திலேயே முடிவு செய்தோம். எனவே AlphaPrediction-இன் மையம் ஒரு மாய எண் அல்ல — அது எங்களைப் பொறுப்பாக்கக்கூடிய ஒரு மதிப்பெண் பலகை. ஒவ்வொரு கணிப்பும் தொடக்கத்திற்கு முன் பதிவு செய்யப்படுகிறது, AI உண்மையில் எவ்வளவு நம்பிக்கையுடன் உள்ளது என்பதன்படி தரப்படுத்தப்படுகிறது, மற்றும் பின்னர் நேர்மையாக மதிப்பிடப்படுகிறது. அந்த சாதனைப் பதிவே தயாரிப்பு. மற்ற அனைத்தும் அலங்காரம்.
48 மணி நேரம் உண்மையில் எப்படி இருந்தது
வேகமாக, கவனம் குவிந்து, மற்றும் அவ்வப்போது குழப்பமாக — நேர்மையான பதிப்பு. இரண்டு நாட்களில் சுமார் பத்து விஷயங்களை வெளியிட்டோம்: நம்பிக்கை நிலைகள் மற்றும் LOCK, நேரடி AI-எதிராக-யதார்த்த மதிப்பெண் சிப்கள், ஒரு பொது துல்லியப் பேரேடு, தரவரிசை மற்றும் அடைப்புக்குறி காட்சிகள், ஒரு மொபைல் சீரமைப்பு, ஒரு புத்திசாலித்தனமான Telegram பாட், தானியங்கி முடிவு மதிப்பீடு, மற்றும் மூடிக்குக் கீழே சமநிலை-அறிந்த அளவீடு. ஒவ்வொரு படியும் சீராக இல்லை — பகிரங்கமாக கட்டமைப்பது என்றால் மக்கள் பார்க்கக்கூடிய இடத்தில் நீங்கள் சிந்திக்கிறீர்கள் — ஆனால் திசை ஒருபோதும் தடுமாறவில்லை: AI-யின் தீர்ப்பை படிக்கக்கூடியதாக ஆக்குங்கள், அதனால் அதை எவ்வளவு நம்புவது என்பதை நீங்களே தீர்மானிக்கலாம்.
நாங்கள் சரியாகச் செய்ததாக நினைப்பது
- ஒவ்வொரு முடிவையும் தரப்படுத்துதல். ஒரு LOCK-ம் ஒரு நாணயச் சுண்டலும் ஒருபோதும் ஒரே மாதிரி தெரியக்கூடாது, இப்போது அவை இல்லை. நம்பிக்கை பற்றிய நேர்மையே முதன்மையான நேர்மை.
- தவறுகளைக் காட்டுதல். நேரடி சிப்கள் நிகழும்போதே எங்கள் கணிப்பை உண்மையான மதிப்பெண்ணுக்கு அருகில் வைக்கின்றன. மறைப்பதில்லை.
- சமநிலை-விழிப்புணர்வு. பெரும்பாலான மாதிரிகள் சமநிலைகளை குறைவாக எண்ணுகின்றன. எங்களுடையது இல்லை — ஒரு விருப்ப அணி முன்னணியில் இருந்தாலும் 1–1 என்று சொல்லும், ஏனெனில் அது பெரும்பாலும் ஒற்றை மிக சாத்தியமான மதிப்பெண். (ஏன் என்பதை விளக்க ஒரு முழு முன்னோட்டத்தை எழுதினோம்.)
- நான்கு மொழிகள், எல்லா இடங்களிலும். ஆங்கிலம், சீனம், மலாய், தமிழ் — படிக்கும் அனைவருக்கும் அதே நேர்மை.
நாங்கள் இன்னும் யோசித்துக் கொண்டிருப்பது
நிறைய. வெளிப்படையாகச் சொல்கிறோம்: எங்கள் மாதிரி இன்னும் சிறியது, மற்றும் ஒரு சிறிய மாதிரி ஒரு பணிவான விஷயம். சில நல்ல முடிவுகள் ஒரு மாதிரியை நிரூபிக்காது, மற்றும் சில மோசமானவை அதை மூழ்கடிக்காது. எங்கள் அளவீடு — "70% நம்பிக்கை" நீண்ட காலத்தில் உண்மையில் 70% என்று பொருள்படும்படி செய்யும் வேலை — இளமையானது, போட்டிக்கு போட்டி மேம்பட்டு வருகிறது. மற்றும் நாணயச் சுண்டல் என்பது நாணயச் சுண்டல்: நாங்கள் எதையாவது MED என்று தரப்படுத்தும்போது, அதை நாங்கள் கருதுகிறோம், புத்திசாலியாகத் தெரிய அதை உறுதியான விஷயமாக அலங்கரிக்க மாட்டோம். நேர்மையான பாதை மெதுவானது, ஆனால் அதுவே நடக்கத் தகுந்த ஒரே பாதை.
அடுத்து என்ன: மனங்களின் ஒரு குழு
இதோ நாங்கள் மிகவும் உற்சாகமாக இருக்கும் யோசனை. இப்போது, ஒரு கணிப்பு ஒரு குரல். ஆனால் புத்திசாலித்தனமான அறைகள் ஒரு குரல் அல்ல — அவை வாதிடும் ஒரு குழு. எனவே நாங்கள் மூன்று வெவ்வேறு AI மாதிரிகளின் ஒரு குழுவை கட்டமைக்கிறோம், ஒவ்வொன்றும் ஒவ்வொரு போட்டியையும் தனது சொந்தக் கோணத்திலிருந்து சுயாதீனமாக பகுப்பாய்வு செய்கிறது. அவை ஒத்துப்போகும் இடத்தில், நீங்கள் உண்மையான உறுதியைப் பார்ப்பீர்கள். அவை உடன்படாத இடத்தில், ஒற்றை நம்பிக்கையான குரல் மறைக்க முனையும் உண்மையான நிச்சயமற்ற தன்மையைப் பார்ப்பீர்கள். மூன்று மனங்கள், மூன்று கண்ணோட்டங்கள், ஒரு வெளிப்படையான தீர்ப்பு — அதுவே அடுத்த அத்தியாயம்.
அதனுடன், பொது கணிப்பு சந்தைகளில் பெரிய பணம் எங்கு நகர்கிறது என்பதை வெளிப்படுத்தும் ஒரு வழியில் வேலை செய்கிறோம் — ஏனெனில் சில நேரங்களில் மிகச் சுவாரஸ்யமான சமிக்ஞை ஒரு மாதிரி என்ன நினைக்கிறது என்பது அல்ல, மக்கள் உண்மையான பந்தயத்துடன் எதை ஆதரிக்கத் தயாராக உள்ளனர் என்பதே.
முடிவாக
நாங்கள் இதை வேண்டுமென்றே பகிரங்கமாக கட்டமைக்கிறோம். மதிப்பெண் பலகை நேர்மையானது, நம்பிக்கை லேபிளிடப்பட்டுள்ளது, தவறுகள் தெரியும், மற்றும் வழித்திட்டம் வெளிப்படையாக உள்ளது. எங்கள் முடிவுகள் நன்றாக இருந்தால், பேரேடு அப்படிச் சொல்லும். இல்லையென்றால், பேரேடு அதையும் சொல்லும் — மற்றும் அது நாங்கள் விரும்பும் விதத்தில் படிக்கும் வரை நாங்கள் தொடர்ந்து மேம்படுத்துவோம். முதல் 48 மணி நேரத்திற்கு இங்கே இருந்ததற்கு நன்றி. சிறந்த பகுதி இன்னும் முன்னால் உள்ளது.
🧸 3 வயது குழந்தைக்கு விளக்குவது போல
கால்பந்து போட்டிகளை யூகிக்கும் ஒரு ரோபோவை உருவாக்குகிறோம். அதன் நல்ல யூகங்களை மட்டும் உங்களுக்குச் சொல்வதற்குப் பதிலாக, அது எப்போது சரி எப்போது தவறு என்பதன் நேர்மையான பட்டியலை வைத்திருக்கிறோம், அதனால் நீங்கள் அதை உண்மையாக நம்பலாம்.
கடந்த இரண்டு நாட்களில் ரோபோவை பல வழிகளில் சிறப்பாக்கினோம். அடுத்து, ஒரே ரோபோ யூகிப்பதற்குப் பதிலாக, மூன்று வெவ்வேறு ரோபோக்கள் ஒவ்வொன்றும் தங்கள் கருத்தைச் சொல்ல வைக்கிறோம் — அதனால் நீங்கள் ஒன்றுக்கு மேற்பட்ட குரலைக் கேட்கிறீர்கள். மிகவும் நேர்மையானது, மிகவும் வேடிக்கையானது!