AI能预测未来吗？这个实验给出了一个意外答案

最近看到一个很有意思的实验，实验来自澳大利亚广播公司ABC的一档播客节目《If You‘re Listening》。

他们做了一件听起来有点绕的事：把几个顶级的AI模型停在了一个时间点之前，不让它们联网，然后让它们去预测未来发生的事。

结果还挺让人感到意外。

先给小伙伴们详细介绍一下实验过程。

实验的核心逻辑是建立在大模型的一个技术特性上，这个特性就是知识截止日期。

简单说，每个大模型训练完后，它的知识就停在了一个固定时间点：

比如Claude Opus 4.8的训练数据在2026年1月；Grok 4.5截止在2026年2月1日。

对模型来说，截止日期之后发生的事儿只要不联网，不让它搜索，那么对它来说都属于未来。

基于这个逻辑，他们把测试时间定格在2026年的2月底，也就是美国和以色列对伊朗发动军事行动之前。

然后把当时能获得的军事部署、双方实力、情报信息打包给AI，同时严格屏蔽任何后续才知道的结果。

接着让AI判断：如果行动真的开始，接下来会发生什么？

等现实实际发生后，再看看跟AI的判断是否一致。

结果发现~

几个AI模型在很多关键判断上表现出了一致性。比如：

伊朗政权不会因此垮台

革命卫队不会投降

伊朗海军遭到重创的可能性很高

多个判断，后来基本都被现实验证了。

为什么AI会在这种复杂场景下预测的不错？分析后发现其实原因很简单，它是在推演，而不是在猜测。

团队在初始阶段给了它足够充分的条件，比如双方有多少军力，什么装备，可能采用什么战略，过去类似冲突是怎么发展的等等。

这么多的信息在模型那里成了推理素材，他把给的这些初始知识放在一起，顺着逻辑往下推理。

而且，军事分析有一个特点，它更接近“如果A发生，B大概率会怎样”的链条式推演。

团队给他提出的问题正好是大模型擅长的。它可以同时处理大量文本信息，找出历史案例中的相似模式，然后给出一个基于逻辑的后果推演。

说白了就是大模型不是在预测，而是在做一道信息量很大的应用题。

接着，团队又换了一个场景~

既然战争都能推，那体育比赛、股票走势是不是更简单？

实验完后发现结果完全相反。

他让AI预测NFL、NBA、英超，没有一个模型的准确率超过50%。

去预测黄金、比特币、石油和标普500，结果同样混乱。

模型认为比特币会明显上涨，后来却大跌；认为标普会下跌，实际却相反。

经过分析后发现，结果差距这么大也很好理解。

体育和金融市场有一个共同特征：真正的随机性，以及人的决策会突然改变。

就比如一场足球比赛，可能因为一个裁判的判罚，球员意外受伤，甚至天气变化等因素突然改天比赛走向。

在金融市场，也可能因为一条突发的新闻、一个决策者的临时变卦，在几分钟内逆转方向。

通过历史知识或案例可以告诉AI大概率会发生什么，但没法保障下一秒还会按着过去的规律走。

当变量中包含了大量不可预测的人类行为和随机事件时，AI的推演链条就断了。

这两种场景的实验其实都指向一个核心区别：AI更擅长预测“后果”，而不是“决策”。

它可能无法预测一个人或者一群人能做出啥选择，但它擅长推演，一旦做了某个选择后，可能会产生什么后果。

有了上面的逻辑后咱们也可以让AI来给咱们判断一下。

比如你在纠结要不要换工作，AI肯定不知道你将怎么选择，但你可以把收入、行业前景、职业路径告诉他，让他推理跳槽后可能会发生什么。

它替不了你做决定，但可以帮你提前看一眼不同决定的后果。

在企业里做项目也差不多。产品降价，竞争对手可能怎么反应？一项新政策推出，物价和就业可能受到什么影响？这些问题同样属于推演后果的范畴。

过去咱们问AI最多的是想直接知道答案，以后可能会变成“如果我这么做，接下来会发生什么？”

AI不会真正预测未来，但它具备一种同样重要的能力：在你做出决定之前，先把不同的未来推演一遍。

回到上面说的两个实验，AI猜中的本质上是推演，不是预测。

推演的逻辑基础是人给它的，历史规律是数据里有的，它只是把这两样东西拼在了一起。

所以下次遇到重大选择，不妨把它当成一个帮你推演后果的工具，而不是一个替你算命的先生