电竞比分网-中国电竞赛事及体育赛事平台

關(guān)于ZAKER Skills GEO服務(wù) 合作
36氪 昨天

當(dāng) AI 學(xué)會了預(yù)測,發(fā)現(xiàn)馬斯克的預(yù)測不靠譜

AI 預(yù)測是介于量化與主觀投研之間的新物種。

文 | 劉思潔

編輯 | 張薇

封面來源 | Pixabay

2025 年,25 歲的 Henry 重倉了一只十倍股 Nebius??恐@筆投資,他在很長時(shí)間里都不需要工作。

Nebius 是一家做 AI neocloud 也就是新云的公司。這并非是一家當(dāng)時(shí)被普遍看好的公司,有一些持觀望態(tài)度的研究這家公司的人,看的是它每個(gè)季度的利潤,以及用 " 算力二房東 " 的生意模式去判斷價(jià)值,但 Henry 覺得," 這些判斷比較短視,因?yàn)楹茈y準(zhǔn)確預(yù)測每一個(gè)數(shù)字。"

Henry 的視角有所不同。他看好 Nebius,核心看的是公司長期、根本的驅(qū)動(dòng)力,也就是人和組織。

比起他的投資戰(zhàn)績,我們更想說的是,這中間呈現(xiàn)出來的這個(gè)年輕人的一個(gè)更核心、更有趣的視角——

" 選股和預(yù)測本身就是一件事情。" 他說," 不同維度的理解和處理,能幫助我們更好地預(yù)測。"

這個(gè)視角也正是他創(chuàng)業(yè)的基石。本科就讀于上海交通大學(xué)計(jì)算機(jī)專業(yè),研究生在上海高級金融學(xué)院學(xué)習(xí) Fintech,先后做過量化金融和主觀投研后,今年 5 月,Henry 創(chuàng)立了 AI 預(yù)測公司—— ProphetLab,把 AI 預(yù)測和人類專家的經(jīng)驗(yàn)結(jié)合了起來。

" 未來人類實(shí)驗(yàn)室 " 獨(dú)家獲悉,目前公司已經(jīng)獲得常春藤資本在內(nèi)的多方數(shù)千萬元天使輪融資。

在正式創(chuàng)業(yè)前,Henry 有過大半年的 " 蟄伏期 "。他住在上海的出租屋里,獨(dú)自研究 AI 和投資的結(jié)合,正是在這段時(shí)間里,他抓住了后來漲了十多倍的 Nebius。

那半年里,Henry 逐漸形成了一個(gè)判斷:AI 與投資的結(jié)合,不只是把已有的量化方法自動(dòng)化,而可能成為介于量化投資和主觀投研之間的一種 " 新物種 "。

在他看來,量化投資擅長處理結(jié)構(gòu)化數(shù)據(jù)和建立模型,主觀投資則依賴人的經(jīng)驗(yàn)、直覺、產(chǎn)業(yè)理解以及大量難以編碼的非結(jié)構(gòu)化信息。過去,量化和主觀投研之間存在一道很大的鴻溝,人才和方法也很難互通。而大語言模型的出現(xiàn)第一次提供了 " 架橋 " 的可能:它可以理解人的分析過程,把主觀投資者對產(chǎn)業(yè)、公司和趨勢的判斷,以及那些原本難以結(jié)構(gòu)化的非計(jì)劃信息抽象出來,再與量化的數(shù)據(jù)處理能力結(jié)合。

AI 預(yù)測公司正是這個(gè)新物種,過往的經(jīng)歷讓他一再驗(yàn)證,做出準(zhǔn)確的預(yù)測,有跡可循。

他想把這種能力教給 AI。

獲取的信息要足夠多,處理信息的能力也要足夠強(qiáng),AI 在這兩點(diǎn)上都比人類更強(qiáng),畢竟,大模型已經(jīng)越來越擅長搜索、分析、使用工具和完成任務(wù),再加上人類專家的經(jīng)驗(yàn)," 它有可能預(yù)測出別人預(yù)測不出的東西。"Henry 這么表達(dá)。

比如預(yù)測特斯拉銷量,傳統(tǒng)研究員可能只看了網(wǎng)上一小部分評論,AI 能看更多評價(jià),還能找地圖、搜索其他信息,所以很可能預(yù)測得更準(zhǔn)。

ProphetLab 的第一個(gè)產(chǎn)品是世界杯預(yù)測。

最初,他們只是排行各大模型的預(yù)測結(jié)果。隨著融資到賬,團(tuán)隊(duì)開始加入自研預(yù)測框架:通過 API 調(diào)用大模型,結(jié)合歷史比賽、球員傷病、裁判風(fēng)格和天氣等數(shù)據(jù),模擬比賽中連續(xù)發(fā)生的事件,再通過多次模擬統(tǒng)計(jì)比分的概率分布,給出最終的預(yù)測結(jié)果。

按照 Henry 的說法,這套系統(tǒng)取得了超過 70% 的預(yù)測勝率,并預(yù)測中了本屆世界杯的四強(qiáng)、冠軍及決賽 1 ∶ 0 的比分。

當(dāng)下,ProphetLab 正在推進(jìn)與基金機(jī)構(gòu)合作,開發(fā)一套面向金融預(yù)測的 benchmark。他們試圖通過公司銷量、收入等需要多步分析的問題,檢驗(yàn)?zāi)P湍芊駥ι形窗l(fā)生的事情作出有依據(jù)的判斷。金融專家參與問題設(shè)計(jì)和模型評判,評測積累的數(shù)據(jù)與反饋,又將被用于后續(xù)模型訓(xùn)練。

他們還做了一個(gè)有趣的小項(xiàng)目,分析 AI 行業(yè)人物預(yù)測。把他們過去的公開言論收集下來,一條條看說對了沒有,看看哪些人容易說大話,哪些人說得比較嚴(yán)謹(jǐn)。這樣,下次再作判斷時(shí),就知道誰的話更值得參考。Henry 把這叫作 " 分析人類專家的分析,預(yù)測人類專家的預(yù)測 "。

目前,預(yù)測準(zhǔn)確率最高的是前 OpenAI 首席科學(xué)家 Ilya Sutskever,最后一名是馬斯克。

他相信預(yù)測的魅力和社會價(jià)值。如果能夠更準(zhǔn)確地預(yù)測未來,人們就能作出正確決策,減少資源浪費(fèi)。

不過,回到他的投資戰(zhàn)績,我們問他,憑投資能力已經(jīng)能賺錢,為什么還要?jiǎng)?chuàng)業(yè)?

Henry 提到了他喜歡的游戲,塞爾達(dá)。" 創(chuàng)業(yè)就像打《塞爾達(dá)》,這里面有一個(gè)一定要攻克的神獸,要想辦法獲得資源、趟出一條路,盡可能接近那個(gè)目標(biāo)。"

探索,是他持續(xù)投入的動(dòng)力。" 預(yù)測是一個(gè)長期十年的課題,我希望打造一個(gè)先知。"

面對一個(gè)尚未發(fā)生的事情,AI 怎樣做到在海量信息和噪音中識別真正重要的信號,形成比人類更準(zhǔn)確的判斷?以及當(dāng)人們開始相信一個(gè)關(guān)于未來的判斷,本身并不會去作出行動(dòng)從而改變未來?

以下是 " 未來人類實(shí)驗(yàn)室 "(以下簡稱 " 未來人 ")和 Henry 的對話。

Henry

AI 怎么預(yù)測一件還沒有發(fā)生的事?

未來人:為什么先從世界杯開始做預(yù)測?你自己很喜歡足球嗎?

Henry:我不踢足球,也不太看球。當(dāng)時(shí)有人開始說世界杯買票的事,我就想,做預(yù)測的公司,是不是能借這個(gè)賽事熱點(diǎn)宣傳一下品牌?當(dāng)時(shí)也有招人的需求。

最開始主要是我和兩個(gè) AI 博士生在做,我自己先花了一些錢。后來每天在社交平臺發(fā)預(yù)測結(jié)果,確實(shí)吸引了一些人。現(xiàn)在團(tuán)隊(duì)里有一位劍橋數(shù)學(xué)背景的同學(xué),看了預(yù)測覺得有趣,從杭州到上海跑了好幾次,跟我聊這些東西,后來加入了。

未來人:我目前在官網(wǎng)看到世界杯預(yù)測好像主要是在展示多個(gè)模型的預(yù)測結(jié)果,你們自己做的是哪一部分?

Henry:一開始準(zhǔn)備做世界杯時(shí),距離第一場比賽很近了,也還沒拿到錢,資源比較匱乏。當(dāng)時(shí)只是想簡單做一個(gè)排行榜,讓每個(gè)模型拿出預(yù)測結(jié)果,每場比賽后能夠排名。

后來有了資源,也有朋友、同學(xué)來幫忙,我們開始開發(fā)自己的一套預(yù)測模型。這里說的 " 模型 " 是算法,是做了一套 Harness,也就是組織模型工作的框架,調(diào)用 API。你看到模擬比賽全流程的那套東西,是調(diào)用 API 做的,關(guān)鍵是框架和原始數(shù)據(jù)。

未來人:這套框架具體怎么預(yù)測一場比賽?

Henry:首先收集很多足球比賽相關(guān)的信息,也購買數(shù)據(jù),包括球員的傷病情況、比賽的主客場、裁判風(fēng)格、天氣和濕度等。這些原始信息會進(jìn)入我們的框架,映射到模擬器里。

模擬器會做很細(xì)粒度的預(yù)測,比如每一分鐘或者每幾分鐘出現(xiàn)一個(gè)事件:邊路傳中、被后衛(wèi)頂出、轉(zhuǎn)身掃射。事件結(jié)合在一起,就是一場比賽。

我們會把比賽重復(fù)很多遍,有些是 1 比 0,有些是 2 比 1,最終得到概率分布。比如模擬 30 場,有 5 場是 1 比 0,我們就認(rèn)為這個(gè)比分的概率是六分之一。把所有獲勝比分的概率加在一起,就是獲勝的概率。

未來人:這些動(dòng)作是模擬出來的,還是過去比賽里發(fā)生過的?

Henry:都是模擬出來的。但我們會使用過去比賽的信息。比如過去十年球賽中,每一分鐘觸發(fā)了什么事件,Agent 讀取這些歷史信息后,再做出模擬中的行為。

我們還引入了一位人類專家。因?yàn)槲也惶辞?,也發(fā)現(xiàn) AI 有很多錯(cuò)誤,就找了一位中國足協(xié)裁判,幫我們分析足球多步推理中的謬誤。哪里錯(cuò)了、應(yīng)該怎樣,請他圈出來,放進(jìn)我們的 memory,也就是記憶里。

每場比賽結(jié)束,新的比賽開始時(shí),系統(tǒng)會讀取這些記錄,提醒自己不要再犯同樣的錯(cuò)誤,然后做后續(xù)預(yù)測。

未來人:一位真人裁判?他具體糾正什么?

Henry:舉個(gè)例子,模擬日本和荷蘭的比賽時(shí),模型經(jīng)常出現(xiàn)日本球員高高躍起、頭球破門的情節(jié)。裁判認(rèn)為這種情況不應(yīng)該這么常見,他的判斷是雙方球員的身高和頭球?qū)骨闆r沒有被合理考慮。

我們把這個(gè)信息記下來,放進(jìn)下一次預(yù)測,模型就不會再輕易做出同樣的判斷。

未來人:在預(yù)測時(shí),不同信息的權(quán)重怎么分配?

Henry:這些由 AI 判斷。比如在投研里,財(cái)報(bào)和公司公告的權(quán)重、置信度最高,往后是好的機(jī)構(gòu)的分析師研報(bào),再往后是大眾研報(bào)、新聞,最差是社交平臺上的傳言。

置信度設(shè)計(jì)得好不好,AI 判斷得好不好,我們也會檢查,這就是人類專家的經(jīng)驗(yàn)。具體判斷我們不會直接改,但會判斷 Agent 做得好不好。

未來人:世界杯預(yù)測中出現(xiàn)過讓你印象深刻的預(yù)測錯(cuò)誤嗎?

Henry:當(dāng)然有。世界杯有幾天錯(cuò)得比較多,評論區(qū)就說沒一個(gè)對的、亂猜。也有連續(xù)三天每場都對的時(shí)候,評論區(qū)就說太強(qiáng)了,各種 " 神 "。

足球本身有隨機(jī)性,會有逆轉(zhuǎn)。即使過程很準(zhǔn)確,也可能預(yù)測出錯(cuò)。我們說預(yù)測得準(zhǔn),也是希望比市場更準(zhǔn)一些。

未來人:那你們只關(guān)心過程中的錯(cuò)誤,不關(guān)心結(jié)果對錯(cuò)?

Henry:結(jié)果也會存進(jìn) memory,過程會有一個(gè)分?jǐn)?shù),結(jié)果也會有一個(gè)分?jǐn)?shù)。但我們不會因?yàn)橐粓霰荣惒洛e(cuò)了,就直接懲罰它。像剛才日本和荷蘭那個(gè)例子,過程里出了問題,我們會去糾正。

未來人:如果預(yù)測之后又出現(xiàn)了新信息,怎么更新?

Henry:通過 memory 持續(xù)更新。比如在 T 時(shí)刻做了一次預(yù)測,T+1 時(shí)刻有了新的原始數(shù)據(jù)、新的信息,就通過記憶系統(tǒng),用更新后的系統(tǒng)重新預(yù)測一次。

未來人:其他事件也用這套模擬比賽的方式預(yù)測嗎?

Henry:足球是專門做的架構(gòu),其他事件用通用框架,采用 Deep Research 的方式。它會做分析,最后得出一份報(bào)告,包括人類分析師的信息,也包括 AI 自己分析的內(nèi)容,再匯總。

AI 能像優(yōu)秀研究員一樣 " 判斷未來 " 嗎?

未來人:世界杯預(yù)測和商業(yè)、金融預(yù)測之間,哪些能力是通用的?

Henry:原始數(shù)據(jù)的收集方式,以及 Deep Research、多步推理的工作是通用的。不通用的是數(shù)據(jù)本身,以及每個(gè)任務(wù)需要匹配的專家。足球是足球裁判,金融就是投研人員、基金經(jīng)理等專家。

我們公司現(xiàn)在重點(diǎn)是商業(yè)和金融領(lǐng)域,政治、體育的優(yōu)先級放在后面。

未來人:你們準(zhǔn)備和基金公司合作做的金融 benchmark,具體測什么?

Henry:金融評測里,一類是知識問題,比如模型有沒有記住金融公式;第二類是考察模型干活的能力,比如三張報(bào)表的勾稽關(guān)系,調(diào)用 Excel 和其他工具的能力。

如果類比人類分析師,這些更像初級研究員的工作。我們更關(guān)注的是預(yù)測:作為基金經(jīng)理或者高級研究員,要有能力判斷一家公司的未來發(fā)展。我們想做的是這種長程、復(fù)雜的任務(wù)。

模型需要基礎(chǔ)知識、調(diào)研和工具能力,在這些基礎(chǔ)上,還要攻克預(yù)測和復(fù)雜金融問題。我們想把模型目前的能力邊界勾勒出來,再通過強(qiáng)化學(xué)習(xí)等方式去填補(bǔ)。

未來人:能舉一個(gè)商業(yè)預(yù)測的例子嗎?

Henry:比如特斯拉下一周的銷量是多少。我們要首先凍結(jié)時(shí)間,回到過去某個(gè)時(shí)點(diǎn),預(yù)測一款新車型在中國的銷量。

可能的路徑是,先分析公眾討論的熱度,再通過衛(wèi)星圖看工廠停車位的擁擠程度。新車型發(fā)布前,要準(zhǔn)備庫存,車會停在工廠旁邊,這就是一個(gè)信號。如果沒有備好那么多車,即使需求很大,也不一定能有那么多銷量。

還有公司財(cái)報(bào)、電話會議。同一行業(yè)的公司之間,收入也可能存在關(guān)聯(lián),這些都是相對通用的信息。

未來人:通過這樣的任務(wù),你們想?yún)^(qū)分出模型的什么能力?

Henry:多步推理能力。舉一些初步觀察,好的模型可能會在公司的業(yè)績指引上,加上自己的修正;一般的模型可能直接用去年的收入,做一個(gè)線性推演。這就是 benchmark 區(qū)分模型能力的作用。

未來人:有金融經(jīng)驗(yàn)的團(tuán)隊(duì)成員,在這個(gè)過程中做什么?

Henry:我認(rèn)為,投研過程中一些人類專家的經(jīng)驗(yàn),目前還是領(lǐng)先于模型的。構(gòu)造評測問題本身,就需要有金融經(jīng)驗(yàn)的同學(xué)幫助設(shè)計(jì)。

除了內(nèi)部團(tuán)隊(duì),也有外部專家顧問。他們有自己的研究經(jīng)驗(yàn),會像足球裁判一樣,評判我們的模型。

未來人:你認(rèn)為 AI 有可能比研究員預(yù)測得更準(zhǔn)嗎?理由是什么?

Henry:任務(wù)是一樣的,都是金融預(yù)測,但路徑可能不同。傳統(tǒng)研究員研究一家游戲公司,要匯總游戲收入、回款等信息。AI 可以收集海量信息,包括每款游戲、玩家的評價(jià),再綜合起來,可能出現(xiàn)比人類更好的預(yù)測路徑。

人類的視角有限,AI 可以獲取不同領(lǐng)域的知識、進(jìn)行全網(wǎng)搜索,它有可能預(yù)測出別人預(yù)測不出的東西。

未來人:信息一定越多越好嗎?會不會只需要那些精準(zhǔn)的信息?

Henry:我覺得信息越多越好,但前提是處理能力要強(qiáng)。AI 在這兩點(diǎn)上可能比人類更強(qiáng)。比如預(yù)測特斯拉銷量,傳統(tǒng)研究員可能只看了網(wǎng)上一小部分評論,AI 能看更多評價(jià),還能找地圖、搜索其他信,所以很可能預(yù)測得更準(zhǔn)。

未來人:你們內(nèi)部有沒有讓 AI 和研究員研究同一個(gè)問題,比較誰更準(zhǔn)?

Henry:是下一步要做的,但我們發(fā)展的時(shí)間還沒有那么久,目前還沒有。

未來人:現(xiàn)在有可以展示的具體樣題嗎?

Henry:還在研發(fā)、調(diào)整中,目前只能作一個(gè)大概的描繪,還需要一些時(shí)間把它研發(fā)出來。

怎么把 " 預(yù)測能力 " 訓(xùn)練出來?

未來人:你們也在招模型訓(xùn)練的人,是準(zhǔn)備自己訓(xùn)練基模,還是做后訓(xùn)練?

Henry:我們團(tuán)隊(duì)的核心成員來自上海交通大學(xué)、劍橋大學(xué)與上海高級金融學(xué)院,均為 AI Phd 與 FinTech Master,在阿里千問、騰訊混元、小紅書 Dots 等 Frontier Lab 參與過千億基模的訓(xùn)練。目前,我們做的是后訓(xùn)練。先做 benchmark,有了評測,就可以造數(shù)據(jù),再用這些數(shù)據(jù)訓(xùn)練小模型、看效果。這是一條比較常規(guī)的語言模型后訓(xùn)練路線。

我們現(xiàn)在在做一個(gè) 27B,也就是約 270 億參數(shù)模型的后訓(xùn)練,還在訓(xùn)練過程中。

未來人:那你說的新預(yù)測架構(gòu),又是什么?

Henry:研究人員也在探討,能不能做新的預(yù)測或者決策架構(gòu),甚至不一定是 Transformer。比如在 Transformer 上,讓解碼器輸出概率,而不是文字,大概是這樣的方向。

但我們不會要求研究組馬上出結(jié)果,或者馬上比 Agent、后訓(xùn)練的語言模型更強(qiáng)。它可能算一個(gè)夢想,也許某一天會展現(xiàn)出有意思的地方。

未來人:最終是用自己訓(xùn)練的模型,還是外部模型加 Agent?

Henry:哪個(gè)方式好就用哪個(gè)。基金公司有需要,或者我們自己的預(yù)測有需要,就用效果更好的方式。幾條方案都會走,我們還是比較務(wù)實(shí)的。

未來人:預(yù)測結(jié)果準(zhǔn)備賣給誰?商業(yè)化路徑是什么?

Henry:分短期和長期。短期,我們有 benchmark 和評測機(jī)制,評測背后的數(shù)據(jù)集可以作為提升模型能力的燃料。相當(dāng)于我們做一個(gè)供應(yīng)商,提供數(shù)據(jù)和強(qiáng)化學(xué)習(xí)環(huán)境。

長期,如果能預(yù)測出別人預(yù)測不出的東西,它本身就有經(jīng)濟(jì)價(jià)值。像天氣預(yù)報(bào),可以提醒人,也可以輔助決策。具體做成企業(yè)端還是個(gè)人端產(chǎn)品,可以再討論。

未來人:模型公司和基金公司,兩邊都有需求嗎?現(xiàn)在重點(diǎn)服務(wù)哪一邊?

Henry:對,可能重點(diǎn)還是模型公司,他們需要知道模型的能力邊界,然后才能去填補(bǔ)。關(guān)鍵還是強(qiáng)化學(xué)習(xí)環(huán)境和數(shù)據(jù),它們是模型訓(xùn)練的燃料,客戶也需要。

未來人:這條商業(yè)化路徑已經(jīng)跑通了嗎?基金合作確定了嗎?

Henry:現(xiàn)在還在跑,benchmark 也在研發(fā)。基金合作還沒有完全確定,有的是內(nèi)部談好了,但對方公司還要走審批。

未來人:接下來怎樣判斷公司有沒有進(jìn)展?

Henry:未來四個(gè)月,一是希望把 benchmark 做好,二是自訓(xùn)模型能填補(bǔ)現(xiàn)有模型的能力邊界,三是預(yù)測要更準(zhǔn)。

自己打自己的 benchmark,未必有公信力,我們也會參加別的評測。還有市場這個(gè)標(biāo)準(zhǔn),包括股票市場。不過實(shí)際交易這件事不會特別急切,因?yàn)槿祟惖哪芰€是很強(qiáng)。就像我們不會要求研究團(tuán)隊(duì)馬上做出一個(gè)新架構(gòu),超過所有最強(qiáng)的閉源模型一樣。

花十年造一個(gè) " 先知 "

未來人:你為什么會選擇做 AI 預(yù)測?

Henry:從我自己的成長和工作經(jīng)歷來說,我感覺這個(gè)方向最適合我。

在創(chuàng)業(yè)之前,有半年的時(shí)間,我一直在研究 AI 與投資能如何結(jié)合,這源于我之前做過 AI 研究,又做過主觀投研,所以會想,怎么讓 AI 具備人的思考和決策能力。我當(dāng)時(shí)逐漸意識到,AI 與投資的結(jié)合,可能生成一種介于量化投資和主觀投研之間的一種 " 新物種 "。

AI 可以理解人的分析過程,把主觀投資者對產(chǎn)業(yè)、公司和趨勢的判斷,以及那些原本難以結(jié)構(gòu)化的非計(jì)劃信息抽象出來,再與量化的數(shù)據(jù)處理能力結(jié)合。

本科我在交大學(xué)計(jì)算機(jī),后來在高金讀金融科技碩士。碩士畢業(yè)后做了一段時(shí)間量化,又做了一段時(shí)間主觀投資,我適合站在量化和主觀投研的兩端去架這座橋。

于是我開始做預(yù)測模型。這個(gè)方向需要把 AI 研究和人類專家的預(yù)測經(jīng)驗(yàn)結(jié)合起來。

未來人:為什么從計(jì)算機(jī)研究轉(zhuǎn)向金融?

Henry:我大一就想創(chuàng)業(yè)。我知道自己的最終目標(biāo)是開科技公司,當(dāng)初也是因?yàn)橄腴_公司,才去做研究。

后來我覺得,已經(jīng)做了兩年研究,再繼續(xù)讀四五年,對我來說邊際收益不太大。如果跨學(xué)科學(xué)習(xí)別的東西,了解商業(yè)世界怎么發(fā)展,啟發(fā)會更大。

父母可能更希望我讀博士,周圍計(jì)算機(jī)專業(yè)的同學(xué)轉(zhuǎn)金融或商業(yè)的也不多。但現(xiàn)在看,我覺得這條路徑比較適合我。沒有做過預(yù)測,即使計(jì)算機(jī)能力很強(qiáng),也不一定適合我現(xiàn)在做的事情。

未來人:你去年重點(diǎn)推薦、重倉了 Nebius。當(dāng)時(shí)為什么看好它?

Henry:這家公司做 AI neocloud,也就是新云。

我看好它,核心是看公司長期、根本的驅(qū)動(dòng)力,也就是人和組織。當(dāng)時(shí)有一些研究這家公司的人持觀望態(tài)度,或者不看好。他們局限于每個(gè)季度的利潤,以及所謂 " 算力二房東 " 的生意模式去判斷價(jià)值。換一個(gè)角度思考,我覺得這些判斷比較短視,因?yàn)楹茈y準(zhǔn)確預(yù)測每一個(gè)數(shù)字。

未來人:這種選股和投研能力,哪些能遷移到現(xiàn)在做的 AI 預(yù)測上?

Henry:選股和預(yù)測本身就是一件事情,但預(yù)測有很多方法。比如用 Excel 做估值建模,看公司內(nèi)在價(jià)值和當(dāng)前股價(jià)的差異;也有人看邊際成本、邊際收益的變化。

我更關(guān)注公司長期、根本的驅(qū)動(dòng)力,也就是人和組織,通過判斷這些能力,相信一家公司的未來發(fā)展。如果只局限于每個(gè)季度的利潤,判斷可能很短視,因?yàn)楹茈y準(zhǔn)確預(yù)測每一個(gè)數(shù)字。不同維度的理解和處理,能幫助我們更好地預(yù)測。

未來人:預(yù)測這件事,最吸引你的是什么?為什么你對它這么有感覺?

Henry:我之前做投資,本身就需要預(yù)測?,F(xiàn)在面試也是,通過一兩場深入交流,了解一個(gè)人的經(jīng)驗(yàn)和成長經(jīng)歷,預(yù)測他加入后帶來的價(jià)值,以及和大家共事是否和諧。

所以我天然能感受到預(yù)測的價(jià)值。預(yù)測對了,符合之前的判斷,就會有正反饋,強(qiáng)化自己的認(rèn)知。我越來越感到,認(rèn)知對一個(gè)人的成長很重要。

未來人:現(xiàn)在還有做什么其它和預(yù)測有關(guān)的產(chǎn)品嗎?

Henry:我們還做了一個(gè)分析 AI 行業(yè)人物預(yù)測的小項(xiàng)目,把他們過去的公開言論收集下來,一條條看說對了沒有,看看哪些人容易說大話,哪些人說得比較嚴(yán)謹(jǐn)。這樣,下次再作判斷時(shí),就知道誰的話更值得參考。

最初的想法是,這些人在訓(xùn)練模型時(shí)看到的東西,AI 未必看得到。那怎么利用他們的洞察?我們就把他們公開說過的話收集下來,回頭檢驗(yàn),再根據(jù)他們的判斷去預(yù)測 AI 未來的發(fā)展。我把這叫作 " 分析人類專家的分析,預(yù)測人類專家的預(yù)測 "。

目前,在我們的排行榜上,預(yù)測準(zhǔn)確率最高的是前 OpenAI 首席科學(xué)家 Ilya Sutskever,最后一名是馬斯克。

行業(yè)領(lǐng)軍人物的預(yù)測未來準(zhǔn)確率排名

未來人:你覺得,你們做的事情和 Polymarket 有什么不同?

Henry:我們的定位不一樣。它提供一個(gè)交易市場,我們是參賽者。我不評價(jià)它的產(chǎn)品,但我們做的事情很有社會意義:能夠減少很多無謂的浪費(fèi),提升決策的質(zhì)量,讓人未雨綢繆。這是一件很有理想主義色彩的事情。

未來人:但 Polymarket 的預(yù)測結(jié)果也可以被商業(yè)機(jī)構(gòu)使用。只是它通過大眾下注形成概率,你們通過模型推演得到概率?

Henry:對。這樣說的話,它也有利他的一面,是通過人類判斷的聚合來實(shí)現(xiàn)的。我們可能更多會指引或者引領(lǐng)市場。預(yù)測的魅力在于,預(yù)測結(jié)果本身會改變市場。

未來人:但這種影響未必都是好的。比如在金融市場中,人們對某種周期的共同相信,會不會反過來促成這個(gè)周期?

Henry:對,會有這種情況。你可能通過預(yù)測,避免一件你所預(yù)測的事情發(fā)生,也可能助推這件事情發(fā)生。

未來人:所以,預(yù)測究竟會對社會產(chǎn)生什么影響,可能很難直接下判斷。你說它能讓人提前采取行動(dòng)、避免一些事情,但也可能因?yàn)榇蠹叶枷嘈拍臣虑闀l(fā)生,最終促成它發(fā)生?

Henry:是的,這是一個(gè)博弈的過程。但簡單來說,預(yù)測可以幫助公司或者個(gè)人做決策,就像天氣預(yù)報(bào)一樣。

未來人:憑投資能力已經(jīng)能賺錢,為什么還要?jiǎng)?chuàng)業(yè)?

Henry:我覺得錢只是副產(chǎn)品。投資交易說是更好地分配社會資源,但還是比較間接。做科技產(chǎn)品更有趣,能直接感覺到自己貢獻(xiàn)了一份力量。

我持續(xù)投入的動(dòng)力還是探索。預(yù)測是一個(gè)長期十年的課題,我希望打造一個(gè)先知,就像《塞爾達(dá)》里有一個(gè)一定要攻克的神獸,要想辦法獲得資源、趟出一條路,盡可能接近那個(gè)目標(biāo)。

AI 預(yù)測會比人類專家準(zhǔn)嗎?

歡迎在評論區(qū)分享你的看法 ~

36氪

36氪

讓創(chuàng)業(yè)更簡單

訂閱

覺得文章不錯(cuò),微信掃描分享好友

掃碼分享

熱門推薦

查看更多內(nèi)容

企業(yè)資訊

查看更多內(nèi)容