人工智能现在已经胜过一些最优秀的人类预测者

“AI” 的范围与结果的新颖性

• 一些评论者认为，“AI 击败人类预测者”并不新鲜，因为统计和机器学习模型几十年来一直在被使用。
• 关于定义也存在争论：有人将预测、建模、统计和 AI 视为一回事；也有人坚持人类判断和“智能”是不同的，把所有建模都标成 AI 是误导。
• 另一些人则反驳说，基于 LLM 的判断式预测（一次性的地缘政治事件等）与经典时间序列模型是不同的问题，而且确实是一个有意义的进步。

预测竞赛以及技能与运气

• 有人担心竞赛可能因为随机性而夸大技能（例如抛硬币的类比）。
• 反驳观点是：参与者会针对许多问题给出概率预测，更像是在估计有偏硬币；随着问题数量增加，运气因素会减弱。
• 有人指出，最优秀的人类“超级预测者”和预测市场的表现出人意料地好，这意味着世界比原本可能的情况更可预测。
• 另一些人则指出，如今的 AI 模型已经能在这类竞赛中胜过顶尖人类，这比许多人预期得更早。

市场、交易与由 LLM 驱动的策略

• 多个推测性的产品点子：
  • 让模型预测“主流” LLM 会如何引导散户投资者，然后抢先交易。
  • 基于 LLM 影响来预测科学、政策或婴儿名字趋势的模型。
• 关于高频交易的讨论：有人把它看作“偷窃”，也有人看作“提供流动性”，但普遍认为这是一场游戏化的军备竞赛。
• 评论强调，优于市场的系统一旦公开就会失效；过拟合和对抗性的市场反应是主要问题。
• 逆向工程顶级量化基金（例如 Medallion 风格）被认为非常困难，因为存在隐藏数据、暗池，以及模型在真实市场交互下的脆弱性。

局限、不稳定性与范式变化

• 有几条评论指出，预测对建模选择极其敏感，而且仍然存在大量未建模的变化。
• 一些人认为 AI 在预测重大破坏性范式变化方面很弱（例如气候转变、重大结构性断裂）。
• 反身性被特别强调：一旦预测影响行为，它们就可能自我失效，而 LLM 也可能在这种反馈回路中“融化”。
• 有人担心，AI 驱动的交易和建议可能会改变市场动态，并导致新的系统性故障形式或“幻觉传染”。

人类—AI 协作与前景

• 一些人预计，最佳结果会来自人类与 AI 协同工作，而不是简单替代。
• 另一些人对此持怀疑态度，认为这只是一个尚未被证明的假设，而不是既成事实。