我咨询了我的AI驱动的水晶球，它告诉我，前沿模型在不久的将来会在预测方面变得更好。只需问问我的英超幻想团队。几周前，我派出了一小队AI代理来创建和管理一个实验阵容。考虑到AI代理已经进入我们生活的几乎每个方面，我想知道一群机器人是否能够组建一支获胜的球队。我几年前第一次考虑AI在这里的潜力，尝试使用来自英国图灵研究所的工具，该工具在建模之前的幻想联赛数据后选择球队。它的建议非常疯狂——它没有考虑现实世界的信息，比如球员的伤病或球队的管理变动。这次，我在飞往探访家人的航班上，请求Codex提供帮助。首先，我向模型提供了几篇相关的研究论文。然后，我要求它创建一个工具——指导不同代理通过各个步骤的指令和代码——以检查最近的新闻并运行模型进行预测。它很快提出了一种设置，似乎能够收集和分析比我以往多得多的信息。尽管如此，我对初始球队建议的愚蠢程度感到惊讶。竟然把埃尔林·哈兰德留在替补席上？真的是这样吗，Codex？接着，我要求Codex创建一个执行不同任务的代理团队：一些读取新闻和博客文章；其他则分析最近的结果；更多的则运行模型；还有一群批评建议的代理。这似乎显著改善了建议。我尝试将代理的数量增加到超过100，希望这能让系统更聪明，但除了让我的API费用上涨外，没有太大改变。不过，与几年前相比，这次的改善确实显著。根据芝加哥大学计算机科学家徐海峰的说法，他研究AI在市场情境中的应用，更新的模型在进行预测时可能会更好，因为它们能够消耗和分析大量现实世界的信息，并能够为其猜测构建更复杂的系统。徐告诉我：“AI在理解世界方面正在变得越来越聪明——我觉得这是它们改善的根本原因。”去年年底，徐对像Kalshi和Polymarket这样的预测市场的日益普及感到惊讶。他想知道最好的商业模型在这些市场上的表现如何，于是与几位同事一起测试它们的预测能力。他们让模型猜测，例如，谁会赢得NBA冠军，特朗普总统会与谁会面。“我们很快开始意识到模型做得非常好，”徐告诉我。他表示，这些模型有时能够在没有任何特殊说明或指导的情况下，表现得比普通人更好。在他们的测试中，GPT-5在预测方面表现最佳，其次是Grok 4、Claude Sonnet、Gemini和Llama。团队随后开发了Prophet Arena，这是一个衡量模型预测能力的基准。这是测试AI未来预测能力的多个基准之一；另外一个由哈佛大学的研究人员和一家名为Arcada Labs的公司推出的Prediction Arena，最近给前沿模型提供了10,000美元在57天内进行预测市场的投注。这些模型在实验中持续亏损，但研究人员发现它们随时间的推移有所改善。徐告诉我，AI在使用定制工具时可以最有效地进行预测，并指出，拥有独特任务的代理——例如阅读新闻、收集其他数据和分析整个系统——似乎是最有效的方法。有趣的是，AI仍然常常落后于被称为超级预测者的非常专业的专家。徐解释说，尽管人类无法处理那么多信息，但他们对现实世界的理解——即对新闻背后动态的理解——更为深刻。也就是说，越来越多的证据表明人类超级预测者的优势正在减弱。最近名为Metaculus Cup的比赛显示，AI有时可以击败即便是最优秀的人类预测者。还有一个名为ForecastBench的基准可以提供进一步的证据，表明AI在即将结束的比赛结果中可以与人类技能相匹配。实际上，我认为我们可以期待大型实验室将其注意力转向未来预测，作为衡量机器智能进步的一种强大新方法。所有这些预测实验似乎都表明，像数学、编码和法律等行业可能很快会被AI颠覆。或许最优秀的人类交易者将承担一种新的角色：监督和协调能够远比他们更好地预测未来的AI代理。就目前而言，我的AI建议仍然似乎不算出色。在过去几周内，它的球队还没有超越平均水平。我肯定不会在自己的选择中使用它的任何建议。