当AI也开始“猜未来”:预测工具的边界在哪里?

我们生活在一个热衷于预测的时代——经济走势、股市涨跌、天气变化，甚至下一次全球性风险，都有人试图用模型算出来。但细心的人会发现，许多预测要么模糊得像“明天可能下雨也可能不下”，要么在事后被现实打得粉碎。这让我想到一个问题：我们今天依赖的人工智能预测工具，是否也存在类似的结构性短板？

1、AI的“下一步”思维，其实是一种“近视眼”

 AI预测未来，为什么常常“看得近、看不远”？当前主流的生成式AI，本质上是一个“接龙高手”。它根据你给的上下文，通过海量统计规律，算出下一个词“最可能”是什么。

这种方法的优点立竿见影：它能让对话流畅、回答像模像样。但它的代价也很明显——它没有真正的“远见”。它并不理解全局目标，只是在一环扣一环地做局部最优选择。比如，你让它写一篇长篇小说，它很可能在开头非常精彩，但到后半部分人物关系矛盾、情节逻辑断裂，因为它缺乏对整个故事结构的长期规划。这种“短视”并非缺陷，而是算法设计本身的局限——它依赖过去的概率分布，而非对未来的因果推演。

2、预测的真正难题：不是“说中”，而是“敢说错”

能“认错”的AI，才值得你信赖——为什么？

科学哲学家波普尔曾提出一个经典观点：一个理论要有科学价值，必须能被证伪——也就是说，它能做出明确的风险性预测，如果现实不符，就承认自己错了。对照这一标准，当前很多AI预测系统恰恰缺乏“证伪”机制。它们给出的答案往往圆滑周全，既说“可能涨”又说“可能跌”，让用户觉得永远正确，但实际指导意义有限。

真正的预测能力，不是堆砌所有可能性，而是敢于基于核心逻辑，预言某一个具体结果，然后接受现实的检验。就像气象预报说“明早8点下雨，概率80%”——这句话可以被验证，错了就是错了，这才有价值。

3、为什么“长距离预测”比想象中更难？

一个优秀的预测系统，需要具备两个能力：一是对遥远未来节点的推演能力，二是在过程中根据新信息不断修正路径的反馈能力。

这就像下围棋，高手不仅看下一步，还要算到几十手后的局势，并在对手落子后重新计算。而目前的AI大多缺乏这种“回溯修正”的闭环——它生成答案后，不会主动反思“我之前的推理是否还成立”。

如果你追问它前后矛盾之处，它能圆回来，但那是临时补救，而非内置的纠错机制。因此，当我们需要AI预测经济周期、人口结构变化或气候长期趋势时，它常常显得力不从心。

4、给预测留一份“被推翻”的余地

回到我们日常接触的经济分析、政策解读或股市评论，许多人容易把专家意见或AI结论当作“定数”。但真正可靠的预测，应该像科学实验一样，清晰说明“如果A发生，则B大概率发生；否则我认错”。这种精神与古代谶纬之术截然相反——后者用模糊晦涩的语言让你怎么解释都通，从而营造“神准”假象。

我们要警惕的，不是AI偶尔犯错，而是它用流畅的语言掩盖了自身的不确定性。使用任何预测工具时，最聪明的做法不是完全信任它，而是不断反问：“它这个判断的边界条件是什么？什么情况下它会错？”只有当我们把“证伪”意识注入每一次使用中，AI才可能从“圆滑的回答者”进化为“有价值的思考伙伴”。

（图片来源网络，如有侵权联系删除！）

霍卜思，侨居美国华人，政治学学者，人力资源部经理。

请点亮“在看”，谢谢支持！