機器算出了未來：AI 首度奪下 Metaculus 盃冠軍，擊敗所有人類預測者

多年來，預測競賽一直是人類智識尊嚴最後的舒適堡壘。西洋棋淪陷了、圍棋淪陷了、蛋白質折疊也淪陷了——但要用校準過的機率去預測地緣政治、經濟與科技走向？那向來被認為是「超級預測者」（superforecaster）的地盤，是那些獲得 Philip Tetlock 背書、擁有十年以上實績的頂尖人類。本週，這座堡壘的大門也被推開了。

發生了什麼事

史上第一次，AI 系統贏得季節性 Metaculus 盃——這項每週舉行的預測競賽，長年來被視為各路預測者的試金石，題目涵蓋選舉結果、武裝衝突升級、科學突破等各種事件。《經濟學人》引述 Forecasting Research Institute 的分析指出，AI 系統已經在一組持續演進的預測題目上，達到與超級預測者平起平坐的水準。

而且冠軍並非僥倖。其他 AI 系統分別拿下第二與第五名，把人類擠到了第三、第四。排行榜的整體結構已經翻轉：機器不再是「擠進前十」的挑戰者，而是直接佔據了前排席位。

贏家不是你想像的那種

這個故事比「AI 又打敗人類」的例行標題更有意思的轉折在於：奪冠的機器人名叫 laertes，它不是 OpenAI、Google DeepMind 或哪家資金雄厚的預測新創的作品，而是由一位住在德州、自稱「博學者」（polymath）的 Jeffrey Liang 獨立打造。根據《經濟學人》的報導，他總共只投入了不到 150 小時與幾千美元的算力。

這個預算連一線實驗室一天的訓練費用都付不起。而 Liang 的機器人目前還在一場純 AI 的 Metaculus 競賽中領先，顯示這場勝利具有普遍性，並非單一賽事的運氣。

對這個領域裡那些募了大量資金的新創來說，這個結果無異於一記悶響的耳光——laertes 擊敗了好幾家資源遠勝於它的公司系統。這也呼應了自 LLM Agent 競賽出現以來反覆出現的模式：在通用模型外圍加上聰明的工程腳手架——檢索、推理迴圈、有紀律的問題拆解——往往勝過天真地堆疊算力。

不是氣象模型，而是通用推理者

《經濟學人》報導中有一個重要細節：這些系統並非氣象模型那類的窄域專用系統。基於 LLM 的預測者會廣泛閱讀新聞與數據、形成明確的機率判斷，而且——關鍵在這裡——能用淺白的語言解釋自己的推理。最後這一點在實務採用上，比原始準確率更重要：避險基金或政府分析單位可以審問一台「有展示推理過程」的機器，卻無法審問一個只會吐數字的黑箱。

目前競爭優勢來自新創公司在前端 LLM 之上疊加的各種技巧：

• 多模型辯論與調查——針對同一問題跑多個模型，強迫它們調和彼此衝突的證據
• 付費牆內的冷門數據——最近募得 2,500 萬美元、立志打造「超級人類」預測 AI 的英國新創 Mantic，餵給系統的是人類難以低成本取得的數據
• 名嘴戰績評分——Preseen 對媒體名嘴的歷史準確度計分，讓機器人依「被驗證過的可靠度」加權消息來源
• 反事實情境的記憶清除——重設模型上下文，以便在不同假設下乾淨地重跑同一問題

對人類而言，經濟學面殘酷至極

整個故事裡影響最深遠的，或許是成本結構。人類超級預測者——也就是精品顧問等級的選項——一份預測報告的價格可以超過 10,000 美元，且需要一週時間交貨。而 AI 預測公司未來搜尋（FutureSearch）賣的同級預測，是幾美元、幾分鐘到手。

Scott Alexander 七月撰文分享自己使用 AI 超級預測者的經驗時提到，一份詳細預測「花了我五分鐘和 8 美元的點數」。當千倍的成本崩跌遇上大致的品質平價，市場的裁決不會含糊。FutureSearch 上個月才結束公開測試，宣告其 AI 預測能力「接近超級人類」，並自稱在一項有 194 個參賽者的競爭性 AI 預測排行中名列第一。

誠實的但書

《經濟學人》對這個結論劃下了謹慎的界線，我們也應該如此：

• 參賽者未必是全球最強。參加 Metaculus 競賽的人類預測者確實很強，但他們並不是頂尖預測者的全體普查；許多頂級專業人士根本不參加每週盃賽。
• 四個月的視野。Metaculus 盃的題目以季為單位結算。多年期預測——那些由典範轉移、黑天鵝與複合不確定性主導的題目——可能仍偏向人類，或至少對機器而言仍是未證明的領域。
• 是平價，不是碾壓——目前為止。研究發現的是「達到與超級預測者平價」，不是「超級人類的預測」。令人警覺的是趨勢線，而非現狀水位。

為什麼這件事重要

預測位於幾乎所有昂貴決策的最上游——投資、政策、招聘、兵推。如果 AI 系統能以千分之一的成本、百分之一的延遲，達到與精英人類判斷相當的水準，那麼「校準預測」就不再是精品顧問產品，而是基礎設施。每一份戰略簡報、每一份情報評估、每一個補助決定，都會被悄悄重新定價。

還有一層更深的認識論轉變。Metaculus 與其同類平台的創立論點之一，是「聚合大量校準過的人類判斷，勝過依賴單一專家」。如果機器現在連「聚合者」都超越了，下一個問題就是：誰來審計機器？因為一個能解釋自己推理的預測者，同樣是一個學得會為特定結論辯護的預測者。讓 LLM 預測者具有說服力的特質，也正是讓它們「可被說服」的特質。

2026 年夏季 Metaculus 盃不會被記住為「AI 變擅長預測」的那一刻。它會被記住為「預測不再是能讓你每週請款 10,000 美元的職業」的那一刻——而已經開跑的 2026 年秋季盃，將告訴我們人類能不能討回任何一城。