如果能精准预测未来，就能在生活中占尽先机，无论是预判房价涨跌，还是捕捉下一个产业风口，预测的魅力都无人可挡。随着 AI 技术的蓬勃发展，一个核心问题开始引发思考：人工智能能否成为超越人类的超级预测者？
在这一思潮的推动下，预测领域正加速构建 AI 预测机器人。事实上，这类技术早就已经出现在金融市场，比如 DeepSeek就是凭借算法交易模型起家的。但目前业界的共识是：顶尖人类预测者仍全面领先于机器。
以专业预测平台 Metaculus 为例，它定期举办季度预测锦标赛。最开始时赛事只允许人类参与，近年新增 AI 机器人组别。观察2024 年三季度、四季度及 2025年一季度的预测结果，我们可以发现人类超级预测者优于机器。
不过 Metaculus CEO 德格・图兰（Deger Turan）指出一个关键趋势：人类预测的能力基本稳定，而 AI 的进步肉眼可见，两者的差距正在缩小。
能否优化AI的预测能力
预测能力蕴含着巨大价值：律师想预判对手是否接受和解，建筑项目要估算竣工时间，电影制片人想押中爆款剧本，甚至单身者都想知道约会对象更爱咖啡还是啤酒。毫无疑问，人人都想成为预测大师。
从技术本质看，AI 预测的逻辑并不复杂：通过海量数据训练大模型，使其具备对未知场景的推演能力。预测已经形成独特的知识体系，比如“基础率”（某现象的历史发生概率，以避免过度乐观或悲观的预测偏差）、“布里尔分数”（用于衡量概率预测准确性的评估指标）、“校准度”（模型预测的概率与实际事件发生概率之间的一致性）已经成为预测学的基石。人类将终极目标指向 “超级预测者”，它们的准确率远超平均水平，预测结果具有持续可靠性。
2024 年 10 月，国际AI领域非营利组织人工智能安全中心（Center for AI Safety）宣称，仅通过大语言模型抓取新闻就能实现 “超人级” 预测，但这一结论很快因 “数据污染” 崩塌，模型误将本不该获取的信息纳入其中，导致结果无法复现。
相比之下，加州大学伯克利分校的方案更具参考价值，它的预测模型也是基于大模型开发的，但增加了许多限制，比如，不允许机器人自动运行，而是按特定顺序执行系列任务。具体来说就是增加的特定框架，首先要求模型制定一系列问题，根据问题获取相关新闻内容；第二步，新闻服务给出回应，大语言模型判断哪些回应最实用；然后根据相关度最高的回应进行汇总。
实验数据显示，若直接调用大语言模型进行预测，不做结构化处理，其准确率经常接近甚至低于随机猜测水平，这表明单纯依赖大模型难以有效捕捉复杂逻辑关系。而经过结构化训练后，AI 机器人的预测准确率显著提升。
尽管近年来 AI 能力取得显著进步，但在预测领域仍未能超越人类，更无法企及 "超级预测者" 水平。展望未来，预测模型将更趋 "结构化" 发展，人机协作的深度与广度也将进一步提升。
预测的难点在哪里
开发 AI 预测工具的 FutureSearch 公司 CEO 丹・施瓦茨指出：“从学术层面看，至今没有成果能超越加州大学伯克利分校的论文，而那篇研究已发布超一年。”在 AI 领域，一年时光足以见证技术迭代。这一现状既印证了伯克利团队的突破性，也暴露了 AI 预测的深层困境：语言模型在定量分析与逻辑推理上存在天然缺陷，面对复杂问题时，大模型的预测能力更糟糕。
但伯克利研究团队仍保持乐观。他们强调，尽管 AI 存在局限性，但从 ChatGPT 问世至今不过数年，当前 AI 预测能力已逼近人类平均水平。若能将专业预测概念深度植入 AI 系统，其表现完全有可能超越人类顶尖预测团队。
回望历史，人类本就是极不擅长预测的物种，无论是经济危机还是技术变革，无数误判早已证明这一点。
想拥有良好的预测能力，需要诚实面对错误，不断汲取教训，要不断调整观点，不能被新闻评论或者别人的讨论干扰，还要对所有信息都给予恰当重视，这本来就反人性的。如果让AI来处理，可能效果会更好。
几年前，美国曾出版过一本名叫《超级预测》的书，作者是宾夕法尼亚大学心理学家Philip Tetlock，虽然本书曾引起热议，但几乎没多少人认为有明确的预测策略存在。一个耐人寻味的现象是：当印巴冲突升级或中美关税谈判胶着时，鲜见 “超级预测者” 在媒体头条发表观点；在白宫政策制定过程中，也难觅他们的身影；就连最依赖预测的投资机构也极少将 “超级预测者” 纳入决策链条。
如此现状引出另一个问题：世界对人类超级预测者的需求并不强，但如果是由机器来预测呢，情况会不会改变？
从当前各大科技公司的研发方向看，"超级 AI 预测工具" 尚未成为重点研发领域。即便成功研发出强大的 AI 预测工具，如何获取决策者的信任仍是一大难题。
现代大语言模型本质上是一个 "黑箱" 系统：当人们提出问题并让其预测时，实际上无法知晓大模型是如何通过计算得出最终答案的。
未来，人类可能会要求 AI 对预测结果进行解释，而决策者往往只会在解释合理的情况下才采纳其建议。当工具出现时，我们最开始肯定会保持怀疑态度，随着时间推移，AI需要用令人信服的预测成绩征服人类，然后才能改变人类的决策方式。（小刀）
