作者｜Moonshot
编辑｜靖宇
9 月 8 日，美国弗吉尼亚州的卡丽·爱德华兹走进州彩票局领奖时，就跟去拿外卖一样平静。
她前几天买了一张彩票，中了 15 万美元（约 106 万元），她决定全部捐出，因为这张彩票，是她随口问 ChatGPT 要来的数字，没想到真中奖了，卡丽并不想贪图这种幸运的「偏财」，她已将奖金捐赠给不同的慈善机构。
ChatGPT 造就的幸运儿｜图片来源：网络
但这则新闻也引发了广泛的关注： 难道 AI 还能预测彩票号码？
人类自古以来都对「预知未来」充满渴望：占星术、算命、预言家……在科学尚未成熟之时，这些就是「窥视未来」的大数据。
到了现代，「预测」这一行为，转向依赖数学、统计学、经济模型与机器学习。
而最擅长做这几件事儿的，不正是 AI 吗？到当下的 2025 年，AI 能不能做一次预言家？
01
AI 预言家
用 ChatGPT 买彩票只是段插曲，真正让业内震动的，是不久前刚结束的 Metaculus 预测杯。
这个平台被称作「互联网最强预言家集散地」，聚集了上万名全球顶尖的预测玩家、量化分析学家、数据科学家，每三个月进行一轮预测，奖金 5000 美元。
这个比赛里有经济走势、地缘政治、科技突破、甚至哪一年会发现外星生命这样的「硬菜」。
该网站预测的题目都很硬核｜图片来源：Metaculus
前几年，就有 Metaculus 参赛者提前两周正确预测了俄罗斯与乌克兰战争的日期。
今年，一支初次参赛的团队 Mantic 靠纯 AI 模型直接冲进前十，拿下第八名，这也是第一次有 AI 在这种综合、开放性的预测赛里进入前十。
Mantic 这成绩把自家 CEO 都惊到了。参赛前，有选手预测「AI 最高分是人类最高分的 40%」，但这个预测失败了—— Mantic 达到了 80% 。
根据 Time 的报道，Mantic 完全没有真人操盘，只有算法，它的系统里融合了大模型、统计学以及历史预测数据。
它的数据来源包括结构化的专业数据（比如经济指标、贸易流量）和媒体报道、社媒情绪等「流动」着的信息。
Mantic 已经完成了 400 万美元的种子轮融资｜图片来源：Mantic
而且 Mantic 还会不断修正预测，能根据最新的新闻、政策、市场变化，重新再「测算一波」。
反观人类选手，鲜有人能做到上知天文，下知地理，有快速、全面的信息捕捉能力，还能做到如此高频的修正，
而且人类预测者再敏锐，也得吃饭睡觉，还会被直觉、经验和情绪左右。但 AI 能 24 小时泡在数据库和互联网上。这种「24 小时都在自我迭代」的节奏，就是 AI 预测的杀手锏，9 年前 AlphaGo 战胜李世石时，用的也是这招。
何况预测未来，本质上就是和不确定性赛跑，AI 在这个赛道上的耐力和反应速度已经领先了人类一个身位。
除了 Mantic，AI 在预测未来的事儿上，已经攒了不少「战绩」。
拿医疗来说，谷歌的 DeepMind 开发的 AlphaFold 模型，已经能通过分析蛋白质折叠结构，预测出阿尔茨海默病或癌症的早期风险，还能更好地理解疾病机理、加速药物研发和诊断方法，能让潜在病人从「晚期就诊」提前到「早期预防」。
AlphaFold 被誉为对人类福祉最有贡献的 AI ｜图片来源：Veritasium
天气预报也是我们最常接触的「预测领域」，谷歌的 GraphCast 模型，已经在多个指标上都超过传统数值模型，能比传统方法提前数天更准确地预测台风路径。
金融市场早被 AI 渗透，机器学习已是量化基金的标配。各公司都开发了自家的封闭式模型，能在毫秒级别预测价格波动，虽然它们未必叫自己「AI」，但核心都是数据驱动下，对未来走势进行预判。
能源公司也都用上了 AI 模型，结合天气预报、卫星云图、历史发电数据和电网负载情况，来动态调度电能。
甚至连治安，都用上了 AI。在洛杉矶、芝加哥的部分警区曾试点使用了一种名叫「预测性警务」（Predictive Policing）的系统。
让 AI 通过分析历史犯罪数据、时间、地点、天气、甚至附近的大型活动，来预测某地点未来的犯罪概率，警方可以据预测部署警力。
看起来 AI 预测时代已经到来了？先别急着马上用 AI 去买彩票，AI
02
测不准原理？
AI 预言家能大显身手的领域有几个共通点： 边界相对清晰、数据充足、规律可循 。
像生物医学遵循严格的物理化学规律，金融和天气领域有海量的观测数据，这些领域历史数据多、连续、数据干净客观，同时规律性强，可及时获取反馈，让预测误差可以快速被观测、校正。
更重要的是，这些领域系统相对封闭、不易受「黑天鹅事件」（难以预测、突然发生，会引起连锁反应，并带来巨大负面影响的小概率事件）的影响，在这种的「可驯服」的环境里，AI 真的能领先人类。
黑天鹅事件成立的前提就是「难以被预测」｜图片来源：维基百科
从技术角度看，「AI 预测」也并不神秘。
以 Mantic 为例，先是用大模型抓取全网信息，再用算法找出趋势，最后给出概率输出，并随信息动态更新。
听上去复杂，其实就是更勤奋、更高速的统计学 ：把人类分析师几十年的工作压缩到几秒钟完成，核心还是统计学与机器学习的结合。
但模型再聪明，也活在训练数据的牢笼里，模型根基始终是「过去」。
而预测未来，本质上是用历史解释明天，当未来与过去的逻辑脱节，模型就会失灵。所以 AI 对从未发生过的突发事件无能为力，训练集之外的黑天鹅，它看不见也抓不住。
还记得 2020 年疫情初期，各类预测模型画出的曲线吗？从「下个月全球清零」到「半年内一半人口感染」，几乎没有一个完全准的。原因很简单： 人类行为的流动性和政策干预的复杂度，让模型无从下手 。
再比如 2016 年的美国总统大选，多数依赖大数据的模型都给希拉里大于 80% 的胜率。结果 AI 和民调分析师一起栽了跟头，因为当时特朗普的支持者大多不会公开发声，因此他们不产生数据，对 AI 来说就是「不存在」。
更微妙的是「反馈效应」：预测本身会改变未来。
比如模型说某支股票要涨，大众跟风买入，这时市场就发生了改变，原本的预测因此失效。
大数定律｜图片来源：维基百科
至于用 AI 买彩票中奖这件事，就像经典的抛硬币问题，只要你抛的次数够多，总有一次硬币会刚好立在地上，它只是概率游戏中最极致的偶然。
归根结底，「预测未来」这个命题是带有哲学意味的：未来有确定性吗？历史是否可被映射？如果未来可以预测，那人类是否真的拥有自由意志？
物理学的边界也告诉我们，观测本身就会扰动结果，人类社会的边界则在于，预测本身就能改变未来。
人类社会充满了非理性、情感、文化和自由意志，其中的混沌与复杂性，是任何算法都难以穷尽的。
只要预测的对象是「人」 ， AI 就永远只能给出概率，而不是定论 。