如果能精準(zhǔn)預(yù)測未來，就能在生活中占盡先機(jī)，無論是預(yù)判房價漲跌，還是捕捉下一個產(chǎn)業(yè)風(fēng)口，預(yù)測的魅力都無人可擋。隨著 AI 技術(shù)的蓬勃發(fā)展，一個核心問題開始引發(fā)思考：人工智能能否成為超越人類的超級預(yù)測者？

在這一思潮的推動下，預(yù)測領(lǐng)域正加速構(gòu)建 AI 預(yù)測機(jī)器人。事實上，這類技術(shù)早就已經(jīng)出現(xiàn)在金融市場，比如 DeepSeek就是憑借算法交易模型起家的。但目前業(yè)界的共識是：頂尖人類預(yù)測者仍全面領(lǐng)先于機(jī)器。

以專業(yè)預(yù)測平臺 Metaculus 為例，它定期舉辦季度預(yù)測錦標(biāo)賽。最開始時賽事只允許人類參與，近年新增 AI 機(jī)器人組別。觀察2024 年三季度、四季度及 2025年一季度的預(yù)測結(jié)果，我們可以發(fā)現(xiàn)人類超級預(yù)測者優(yōu)于機(jī)器。

不過 Metaculus CEO 德格?圖蘭（Deger Turan）指出一個關(guān)鍵趨勢：人類預(yù)測的能力基本穩(wěn)定，而 AI 的進(jìn)步肉眼可見，兩者的差距正在縮小。

能否優(yōu)化AI的預(yù)測能力

預(yù)測能力蘊(yùn)含著巨大價值：律師想預(yù)判對手是否接受和解，建筑項目要估算竣工時間，電影制片人想押中爆款劇本，甚至單身者都想知道約會對象更愛咖啡還是啤酒。毫無疑問，人人都想成為預(yù)測大師。

從技術(shù)本質(zhì)看，AI 預(yù)測的邏輯并不復(fù)雜：通過海量數(shù)據(jù)訓(xùn)練大模型，使其具備對未知場景的推演能力。預(yù)測已經(jīng)形成獨(dú)特的知識體系，比如“基礎(chǔ)率”（某現(xiàn)象的歷史發(fā)生概率，以避免過度樂觀或悲觀的預(yù)測偏差）、“布里爾分?jǐn)?shù)”（用于衡量概率預(yù)測準(zhǔn)確性的評估指標(biāo)）、“校準(zhǔn)度”（模型預(yù)測的概率與實際事件發(fā)生概率之間的一致性）已經(jīng)成為預(yù)測學(xué)的基石。人類將終極目標(biāo)指向 “超級預(yù)測者”，它們的準(zhǔn)確率遠(yuǎn)超平均水平，預(yù)測結(jié)果具有持續(xù)可靠性。

2024 年 10 月，國際AI領(lǐng)域非營利組織人工智能安全中心（Center for AI Safety）宣稱，僅通過大語言模型抓取新聞就能實現(xiàn) “超人級” 預(yù)測，但這一結(jié)論很快因 “數(shù)據(jù)污染” 崩塌，模型誤將本不該獲取的信息納入其中，導(dǎo)致結(jié)果無法復(fù)現(xiàn)。

相比之下，加州大學(xué)伯克利分校的方案更具參考價值，它的預(yù)測模型也是基于大模型開發(fā)的，但增加了許多限制，比如，不允許機(jī)器人自動運(yùn)行，而是按特定順序執(zhí)行系列任務(wù)。具體來說就是增加的特定框架，首先要求模型制定一系列問題，根據(jù)問題獲取相關(guān)新聞內(nèi)容；第二步，新聞服務(wù)給出回應(yīng)，大語言模型判斷哪些回應(yīng)最實用；然后根據(jù)相關(guān)度最高的回應(yīng)進(jìn)行匯總。

實驗數(shù)據(jù)顯示，若直接調(diào)用大語言模型進(jìn)行預(yù)測，不做結(jié)構(gòu)化處理，其準(zhǔn)確率經(jīng)常接近甚至低于隨機(jī)猜測水平，這表明單純依賴大模型難以有效捕捉復(fù)雜邏輯關(guān)系。而經(jīng)過結(jié)構(gòu)化訓(xùn)練后，AI 機(jī)器人的預(yù)測準(zhǔn)確率顯著提升。

盡管近年來 AI 能力取得顯著進(jìn)步，但在預(yù)測領(lǐng)域仍未能超越人類，更無法企及 "超級預(yù)測者" 水平。展望未來，預(yù)測模型將更趨 "結(jié)構(gòu)化" 發(fā)展，人機(jī)協(xié)作的深度與廣度也將進(jìn)一步提升。

預(yù)測的難點(diǎn)在哪里

開發(fā) AI 預(yù)測工具的 FutureSearch 公司 CEO 丹?施瓦茨指出：“從學(xué)術(shù)層面看，至今沒有成果能超越加州大學(xué)伯克利分校的論文，而那篇研究已發(fā)布超一年?！痹?AI 領(lǐng)域，一年時光足以見證技術(shù)迭代。這一現(xiàn)狀既印證了伯克利團(tuán)隊的突破性，也暴露了 AI 預(yù)測的深層困境：語言模型在定量分析與邏輯推理上存在天然缺陷，面對復(fù)雜問題時，大模型的預(yù)測能力更糟糕。

但伯克利研究團(tuán)隊仍保持樂觀。他們強(qiáng)調(diào)，盡管 AI 存在局限性，但從 ChatGPT 問世至今不過數(shù)年，當(dāng)前 AI 預(yù)測能力已逼近人類平均水平。若能將專業(yè)預(yù)測概念深度植入 AI 系統(tǒng)，其表現(xiàn)完全有可能超越人類頂尖預(yù)測團(tuán)隊。

回望歷史，人類本就是極不擅長預(yù)測的物種，無論是經(jīng)濟(jì)危機(jī)還是技術(shù)變革，無數(shù)誤判早已證明這一點(diǎn)。

想擁有良好的預(yù)測能力，需要誠實面對錯誤，不斷汲取教訓(xùn)，要不斷調(diào)整觀點(diǎn)，不能被新聞評論或者別人的討論干擾，還要對所有信息都給予恰當(dāng)重視，這本來就反人性的。如果讓AI來處理，可能效果會更好。

幾年前，美國曾出版過一本名叫《超級預(yù)測》的書，作者是賓夕法尼亞大學(xué)心理學(xué)家Philip Tetlock，雖然本書曾引起熱議，但幾乎沒多少人認(rèn)為有明確的預(yù)測策略存在。一個耐人尋味的現(xiàn)象是：當(dāng)印巴沖突升級或中美關(guān)稅談判膠著時，鮮見 “超級預(yù)測者” 在媒體頭條發(fā)表觀點(diǎn)；在白宮政策制定過程中，也難覓他們的身影；就連最依賴預(yù)測的投資機(jī)構(gòu)也極少將 “超級預(yù)測者” 納入決策鏈條。

如此現(xiàn)狀引出另一個問題：世界對人類超級預(yù)測者的需求并不強(qiáng)，但如果是由機(jī)器來預(yù)測呢，情況會不會改變？

從當(dāng)前各大科技公司的研發(fā)方向看，"超級 AI 預(yù)測工具" 尚未成為重點(diǎn)研發(fā)領(lǐng)域。即便成功研發(fā)出強(qiáng)大的 AI 預(yù)測工具，如何獲取決策者的信任仍是一大難題。

現(xiàn)代大語言模型本質(zhì)上是一個 "黑箱" 系統(tǒng)：當(dāng)人們提出問題并讓其預(yù)測時，實際上無法知曉大模型是如何通過計算得出最終答案的。

未來，人類可能會要求 AI 對預(yù)測結(jié)果進(jìn)行解釋，而決策者往往只會在解釋合理的情況下才采納其建議。當(dāng)工具出現(xiàn)時，我們最開始肯定會保持懷疑態(tài)度，隨著時間推移，AI需要用令人信服的預(yù)測成績征服人類，然后才能改變?nèi)祟惖臎Q策方式。（小刀）