IA pode prever o bicho? A análise honesta de machine learning em sorteios

Algoritmos modernos podem identificar padrões em sorteios? O que machine learning realmente acha em dados aleatórios — e por que vendedores de IA preditiva enganam.

📅 Publicado em 06 de maio de 2026 · ⏱ 5 min de leitura · ✍️ Por Herbert C. Morais · 🏷️ Tecnologia

⚖️ Ressalva legal: o Jogo do Bicho é contravenção penal no Brasil pelo Decreto-Lei 6.259 de 1944. Este artigo tem fim educativo, histórico e estatístico, sem incentivo à aposta. Os dados aqui apresentados vêm de fontes públicas e servem ao estudo do fenômeno.

Com o boom de IA generativa, surgem ofertas de "modelos de machine learning para prever o bicho". Análise honesta: aplicar algoritmos de ML a sorteios genuinamente aleatórios não produz capacidade preditiva real. Mas explica por que muita gente é convencida do contrário.

O que ML realmente faz

Algoritmos de machine learning identificam padrões em dados. Quando os dados têm padrão real (preço de imóvel × área, por exemplo), o modelo aprende. Quando os dados são aleatórios (como sorteios honestos), o modelo "aprende" ruído — pega coincidências espúrias e as apresenta como padrão.

Overfitting em dados aleatórios

Em dados de loteria, é perfeitamente possível treinar um modelo que "acerta" muito no conjunto de treinamento. Mas quando testado em dados novos, a performance cai pra exatamente o esperado por acaso (1/25 para grupo, 1/10.000 para milhar). É overfitting clássico — o modelo memorizou ruído passado.

Como vendedores de IA enganam

Mostrando apenas os "acertos passados" do modelo (cherry-picking), criam ilusão de competência. Não publicam previsões prospectivas em data marcada com hora antes do sorteio. Quando confrontados com falhas, atualizam o "modelo" — tipo cintura dura sobre falsificação científica.

Exemplo: tente sozinho

Pegue qualquer série de números aleatórios (digamos, 1.000 dezenas), divida em treino (800) e teste (200), treine qualquer modelo (rede neural, random forest, etc.) e veja a performance no teste. Vai estar próxima de 1/100 — exatamente o esperado por acaso. Esse exercício mata o mito.

ML útil para o jogo

Há aplicações honestas: análise descritiva de distribuições, detecção de viés mecânico (se o sorteio NÃO for aleatório), simulação de cenários para jogadores entenderem variância. Não são "previsões" — são ferramentas de compreensão. É a abordagem que adotamos em nosso sistema e em nossa análise estatística.


Continue explorando

Veja também:

📬 Sugestão de pauta? Quer ver outro tema do Jogo do Bicho ou loterias da Caixa esmiuçado aqui? Manda pelo contato.