AI開始比人更會預測未來，也讓35美元變成194萬美元

人類從很久以前就開始利用電腦預測天氣等範圍狹窄的領域。但Metaculus上的AI預測師是完全不同的範疇。它們不是針對所要預測問題的相關資料特別訓練，而是建立在支撐這波AI熱潮的同類大型語言模型（LLM）之上。

這些機器人和人類預測者一樣會閱讀新聞、理解資料，只不過涵蓋的範圍廣得多、速度也快得多。它們因而能明確解釋預測背後的推論。這項特質有助於說服決策者認真看待它們的判斷。

從占星家到賽馬報牌人，預言未來的人在人類歷史上從未缺席。不過，現代預測業務會用數字衡量成果，因此更容易淘汰江湖術士和毫無勝算之輩。

AI追平「超級預測師」

賓州大學教授梅勒斯（Barbara Mellers）等人在2015年發表於《心理科學觀點》（Perspectives on Psychological Science）期刊的一項研究發現，所謂「超級預測師」——也就是這個領域最出色的一群人——判斷300天後某件事會不會發生的可靠程度，和一般預測者判斷60天後相同事件發生機率的精準度相當。今年7月，梅勒斯擔任科學顧問的預測研究機構（Forecasting Research Institute）發表分析指出，在一組持續更新的預測問題上，AI系統如今已追平超級預測師。

廣告

這些進步有很大一部分來自推動AI在其他領域前進的同一股力量：少數幾家公司砸下鉅資擴大LLM規模。不過，最出色的系統往往是新創公司和自行鑽研的玩家運用額外技巧打造的。其中一招是結合不同公司的LLM，分頭研究預測問題的不同部分、蒐集所需資料，再彼此辯論出正確答案。

英國新創公司Mantic會提供AI一些冷門資料集；這些資料位於付費牆之後，因此OpenAI、Anthropic等公司推出的公開AI模型不容易取得。Preseen則試圖替新聞評論員的過往預測紀錄評分，再決定哪些人的判斷要納入自己的預測當中。

而且新創公司還能做到一件人類預測者辦不到的事：清除機器人的記憶。業者可以把過去某個時間點的資料快照交給AI，藉此觀察如果改變給機器人的指令與資訊，當時對某項事件的預測會有何不同。如此一來，它們就能針對同一批問題反覆重跑流程，一再從錯誤中學習。

幾千美元打造的AI，贏過千萬美元資本

廣告

即便如此，這些花俏的附加手段究竟是不是AI勝過人類預測者的決定性因素，仍不清楚。最新一屆Metaculus盃真正的冠軍，是住在德州、自稱通才的梁傑弗瑞（Jeffrey Liang，音譯）開發的機器人。據他估計，開發這套AI花了不到150小時，在運算能力和資料上的支出也只有幾千美元。他擊敗了四家合計募資超過1,500萬美元的新創公司；目前，他的機器人還在Metaculus另一場僅限AI參加的比賽中領先，該賽事總獎金為5萬美元。

參加Metaculus競賽的人類預測者未必是全球最頂尖的一群。而且Metaculus盃的預測期只有四個月，並未測試預測數年後情勢的能力。但對許多機構而言，這種長期預測十分重要。

Mantic的預測師里維耶（Yann Riviere）認為，在這個領域，人類判斷目前仍占優勢，不過能力成熟的AI預測師出現時間還不夠久，無法嚴謹驗證這一點。人與機器之間的界線也並非涇渭分明。人類預測者早已利用AI協助完成預測所需的大量研究。以里維耶為例，他說自己把公司的AI當成另一名專業預測師，協助自己改善預測。

廣告

隨著AI持續進步，這種平衡可能會逆轉。人類仍保有在現實世界蒐集資訊的能力；但AI不斷增強的運算能力，將給予機器更強的彙整能力。AI可以綜和整理的資訊將超越人類。

與此同時，AI正讓每個人都更容易預測未來。請人類超級預測師做一次預測，費用可能超過1萬美元，還得等上一星期；FutureSearch只要十分鐘和幾美元。不過，其他把服務賣給避險基金與政府的新創公司，收費想必更高。

這也留下了一個問題：無論人類還是機器，預測者距離「未來可以被探知的程度有多高」的理論極限還有多遠？例如，由於大氣本身具有混沌性，天氣預報大約超過15天後就會變得近似隨機。如果AI繼續進步，它們或許會以一種反直覺的方式揭示：未來有多少事情是真的不可知，又有多少只是迄今尚未被我們知道。

（本文由「經濟學人」獨家授權轉載）

廣告