更改

删除6,235字节 、 2026年7月30日 (星期四)
第22行: 第22行:     
2023年之后,外部环境与本计划的构想都发生了深刻的演进。从技术上看,预测的关键基础设施正加速成熟:到2026年,AI预测系统在公开预测竞赛中已稳定超越普通公众,并逼近顶尖人类预测者的水平<ref name="metaculus2026">Metaculus (2026). [https://www.metaculus.com/notebooks/43363/ai-forecasting-in-2026/ AI Forecasting in 2026: What 11 Analyses Say].</ref>;以集合预报与数据同化为代表的大规模模拟范式,正从天气领域扩展到整个地球系统的数字孪生<ref name="bauer2021">Bauer, P., Stevens, B., & Hazeleger, W. (2021). A Digital Twin of Earth for the Green Transition. ''Nature Climate Change'', 11, 80–83.</ref>;事件合约市场也在美国被纳入期货监管框架,预测的众包与激励第一次具备了成熟的制度通道<ref name="crs_report">Congressional Research Service. Prediction Markets: Policy Issues for Congress (IF13187). 美国国会研究服务局报告。</ref>。与此同时,计划的定位也愈发清晰:其首要目标是预测本身——以长周期自动结算为地基、以基于大规模模拟的聚合为核心,建成一台行星级的"未来引擎";而"[[自我实现预言]]"不再被视为计划的既定路径,而是被审慎地视为一种内生于成功的可能性,它要求平台提前建立反身性治理机制,使行星级的集体意识得以忠实地呈现(参见"关键技术突破"一节)。
 
2023年之后,外部环境与本计划的构想都发生了深刻的演进。从技术上看,预测的关键基础设施正加速成熟:到2026年,AI预测系统在公开预测竞赛中已稳定超越普通公众,并逼近顶尖人类预测者的水平<ref name="metaculus2026">Metaculus (2026). [https://www.metaculus.com/notebooks/43363/ai-forecasting-in-2026/ AI Forecasting in 2026: What 11 Analyses Say].</ref>;以集合预报与数据同化为代表的大规模模拟范式,正从天气领域扩展到整个地球系统的数字孪生<ref name="bauer2021">Bauer, P., Stevens, B., & Hazeleger, W. (2021). A Digital Twin of Earth for the Green Transition. ''Nature Climate Change'', 11, 80–83.</ref>;事件合约市场也在美国被纳入期货监管框架,预测的众包与激励第一次具备了成熟的制度通道<ref name="crs_report">Congressional Research Service. Prediction Markets: Policy Issues for Congress (IF13187). 美国国会研究服务局报告。</ref>。与此同时,计划的定位也愈发清晰:其首要目标是预测本身——以长周期自动结算为地基、以基于大规模模拟的聚合为核心,建成一台行星级的"未来引擎";而"[[自我实现预言]]"不再被视为计划的既定路径,而是被审慎地视为一种内生于成功的可能性,它要求平台提前建立反身性治理机制,使行星级的集体意识得以忠实地呈现(参见"关键技术突破"一节)。
−
  −
== 可行性分析 ==
  −
我们将从技术发展和社会实践两个大的方向论证该项目的可行性。
  −
  −
=== 技术发展 ===
  −
首先,从技术发展的角度来看,构建这样的全球预测平台是可行的。我们将从人工智能技术、众包预测技术,以及其它领域的发展分别论述这种大尺度的预测的可行性。
  −
  −
==== 人工智能 ====
  −
站在2023年这个时间点,人工智能的发展已经从“[[大数据]]”到“[[大模型]]”的转变,而接下来的下一个阶段,将有可能是“[[大预测]]”。
  −
  −
进入21世纪以来,随着互联网,特别是移动互联网的发展,各大互联网平台级公司汇聚了海量的数据,如何从这些数据中挖掘出有用的信息成为了人们面临的重要难题。面对[[大数据]],传统的以符号推理为基础的第一代人工智能技术已经不能适应时代的发展,而以[[深度神经网络]]与[[机器学习]]技术为主导的第二代人工智能成为了处理[[大数据]]的有利武器。随着人们将网络的层数设计得越来越深,随着模型的参数量逐级增大,人们发现,只要有海量数据的存在,[[神经网络]]就仿佛可以无限地提升、延展其能力。特别是在[[自然语言处理]]领域中,“[[大语言模型]]”(Large Language Model)随着模型参数量的不断提升,竟然能获得令人吃惊的所谓的[[涌现能力]]。
  −
  −
进一步,[[大模型]]的发展将突破传统的语言模式,而朝向[[多模态]]和多领域的方向进一步延展。因此,我们可以预想到,不同的领域只要有数据的存在,都会构建该领域的[[大模型]],而这些大模型的出现将会大大提高该领域的预测准确度。以天气系统为例,天气系统的[[大模型]]已经出现了,通过学习海量的历史数据,该模型可以掌握天气系统的运行规律,从而为更加精准而长期的预测奠定了基础。
  −
  −
然而,很多现实中的复杂问题,其难点并不在于一两个特定的领域,而是在不同系统之间的互动和耦合。以天气系统为例,很可能精准的天气预报不仅仅与天气系统有关,还会跟地球系统,乃至太阳系系统有关,也会与人类的大规模活动有关。所以,要想提升[[复杂系统]]的预测效果,就必须融合多种系统的预测水平,并融合不同领域的预测,这就是前文提到的[[大预测]]。
  −
  −
要实现多个领域模型进行融合的[[大预测]]技术,就必须产生融合多种预测结果的技术。由于不同领域的、不同范围的预测是针对不同的时间点,并在不同的时间尺度上完成的,因此,要融合多种模型的结果,就必须对数据进行多尺度的融合,这就需要多模态融合技术的出现。如果将所有的预测都转换为语言,那么目前的[[大语言模型]]技术已可以胜任这一需求。
  −
  −
==== 众包与Web3.0 ====
  −
能够完成预测任务不仅仅依靠[[人工智能]]的力量, 同样可以依靠人类的[[群体智能]],这就要用到[[众包]]与[[人类计算]]等技术。目前,为了完成预测任务,已有多种基于[[预测市场]]的[[众包]]平台被开发出来,例如对总统选举进行预测的众包平台。这些技术都已经可以实现。
  −
  −
另一方面,为了更好地激励不同个人,不同机构参与到预测技术中来,[[大预测|拯救2050]]计划需要建立一种激励机制,这可以通过结合[[Web3.0]]技术加以实现。
  −
  −
==== 其它领域的发展 ====
  −
全球系统作为一个复杂系统目前已经得到了越来越多人的关注。例如,全球气候系统就是一个典型的复杂系统研究对象,人们正在试图提升对全球气候系统的预测能力。再如,全球人口系统的预测问题、经济系统的预测都可以被纳入[[拯救2050]]计划的考虑范围之内。然而,这些领域的发展大多只局限在一两个领域,通过一种非常粗糙的方式进行预测,因此无法考虑全球各个子系统之间的关联。虽然一些早期的基于动力系统的全球预测系统模型考虑了跨领域的交互作用,但是这与目前的基于AI[[大模型]]技术的预测还相差甚远。但是,这些分领域的研究对于[[拯救2050]]计划来说仍然具有很高的参考价值。
  −
  −
=== 社会实践 ===
  −
从社会实践意义上来说,这一计划具有一定的可行性。无论是个人还是机构,都希望自己能够准确地掌握未来的信息。因此,自古以来,预测技术始终是人类热衷于开发的一项技术,从[[易经占卜]]到[[数学模型]]再到今天的[[人工智能]]技术,预测都是一个核心的问题。然而,传统的预测方式往往过于片面和单一,而且不同人、不同机构作出的预测彼此之间并没有形成交集,这就使得预测问题的求解始终无法突破其规模和精度的限制。然而,正如成功地预测少数股票的涨落能够获得巨大的投资回报一样,一项成功的预测是可以为人们带来巨大的价值反馈的。因此,一个众多预测的聚合平台呼之欲出。
  −
  −
这一预测聚合平台与今天的搜索引擎具有一定的相似性。首先,搜索引擎是通过网络爬虫等技术手段,将互联网上的所有信息都搜集起来,并加以一定的整理和展示。与此同时,当用户输入想查询的信息后,搜索引擎就可以反馈相应的搜索结果。同样的道理,一个预测的大规模聚合平台也可以通过收集各类预测模型和预测判断,而形成一个庞大的未来“事实”的预测数据库。同样,每个用户可以像使用搜索引擎的方式一样在这样的预测聚合平台上搜索关于未来的信息。因此,从某种意义上来说,我们可以将这样的搜索引擎成称为“未来引擎”。
  −
  −
随着预测技术的提高,以及众多预测结果的汇聚,系统给出的预测将会越来越准确,从而可以创造更大的社会价值,吸引更多的人加入。慢慢地,随着加入人越来越多,则系统将有可能演化成为一个[[自我实现预言]]的系统。
      
== 关键技术突破 ==
 
== 关键技术突破 ==