我通过AI驱动的“水晶球”预测,前沿模型在不久的将来会在预测能力上有显著提升。就拿我的英超虚拟足球队来说吧。
几周前,我部署了一批AI代理来组建和管理一支实验性质的球队。鉴于AI代理几乎渗透到生活的各个方面,我想知道一群机器人是否能组建出一支获胜的队伍。
几年前,我曾尝试过英国图灵研究所的一个工具,它通过模拟过去的虚拟联赛数据来选队。那个工具的建议非常离谱,因为它没有考虑现实世界的信息,比如球员受伤或球队管理层变动。
这次,在飞往家乡的航班上,我请求Codex帮忙。首先,我给模型输入了几篇相关的研究论文,然后让它构建一个“控制框架”——一套指导不同代理执行各步骤的指令和代码,用于检查最新新闻并运行预测模型。
它很快搭建了一个看似能汇集和分析远超我能力范围内信息的系统。然而,初始的球队建议却让我大跌眼镜——居然把埃尔林·哈兰德放在替补席上?真是让人难以置信。
随后,我让Codex创建了一个多代理团队:一些负责阅读新闻和博客,另一些分析近期比赛结果,还有的运行预测模型,最后一批负责批判性评估建议。这个方法显著提升了建议质量。我甚至尝试将代理数量增加到100多个,希望系统能更智能,但结果除了API费用飙升外,变化不大。
不过,相比几年前的尝试,进步还是非常明显的。芝加哥大学计算机科学家徐海峰研究AI在市场预测中的应用,他认为新一代模型能更好地做出预测,因为它们能够处理和分析海量现实信息,并能协调更复杂的系统进行推断。
“AI在理解世界方面越来越聪明——我觉得这是它们进步的根本原因,”徐海峰告诉我。
去年年底,徐海峰对Kalshi和Polymarket等预测市场的兴起感到惊讶。他和同事们开始测试商业模型在这些市场上的预测能力,比如预测NBA冠军归属和特朗普总统会见对象。

“我们很快发现模型表现非常出色,”徐说。模型有时甚至能超越普通人,无需特别指导。在测试中,GPT-5的预测能力最强,其次是Grok 4、Claude Sonnet、Gemini和Llama。
团队还开发了Prophet Arena,这是一个衡量模型预测能力的基准测试。类似的还有哈佛大学和Arcada Labs推出的Prediction Arena,后者曾用1万美元让前沿模型在57天内参与预测市场下注。虽然模型在实验中持续亏损,但研究人员观察到它们的表现稳步提升。
徐海峰指出,AI最有效的预测方式是使用定制的控制框架,并且让不同代理承担独特任务——比如阅读新闻、收集数据、整体分析等,这种方法最为高效。
有趣的是,AI仍然常常落后于被称为超级预测者的顶尖专家。徐解释说,尽管人类无法处理如此庞大的信息量,但他们对现实世界的理解更深刻,能洞察新闻背后的动态。
不过,越来越多证据表明人类超级预测者的优势正在减弱。最近的Metaculus杯比赛显示,AI有时能击败最优秀的人类预测者。另一个名为ForecastBench的基准测试也可能进一步证明AI能与人类匹敌,相关比赛结果即将揭晓。事实上,我认为大型实验室将把未来预测能力作为衡量机器智能进步的重要方向。
所有这些预测实验表明,像数学、编程和法律一样,基于交易的行业很快可能被AI颠覆。也许最优秀的人类交易员将转型为监督和协调AI代理的新角色,这些代理能比人类更准确地洞察未来。
目前,我的AI建议仍不够出色,过去几周它的队伍得分未能超过平均水平。我肯定不会用它的建议来选队。
但AI无疑会变得更强,或许很快就能轻松主宰虚拟联赛。不过我倒希望不会这样,因为那样会破坏靠自己赢得吹牛权的乐趣。


