拯救2050

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
Jake（讨论 | 贡献）2026年7月30日 (四) 15:35的版本
跳到导航 跳到搜索

"拯救2050"计划是一个关注全球发展，应付"奇点危机"，面向人类未来的计划。它的首要目标是预测：通过搭建一个全球级别的大型预测聚合平台，对地球上所发生的一切事件进行尽可能精准的预测。该计划同时也是一个预测的众包平台，通过类游戏的方式为提供准确预测的个人或机构提供激励，从而实现系统的自我增长与自我完善。不同于传统的统计聚合，本计划构想的是一种基于大规模模拟的聚合：每一种预测都仿佛一个"波函数"，在模拟平台上与其他预测叠加、耦合，"塌缩"为一种或多种可供检视的"预测的现实"，并随真实时间的推进不断接受检验与修正。支撑这一构想的是三项关键技术突破：长周期自动结算技术、预测聚合技术与反身性治理机制（参见"关键技术突破"一节）。

人们可以事先设定一个具体的时间点，例如2050年，系统收集关于2050年未来样貌的各类预测，自动聚合生成一个关于2050年的"预测世界"。与此同时，本计划清醒地预见到一种可能性：当参与人数达到行星量级、且大众对平台的预测形成深度信任时，预测便可能超越描述本身，演变为行星级别的"自我实现预言"——参与人的预测有可能成为地球未来的规划方案，系统也因此具备初步级别的集体意识。因此，拯救2050计划同时也是一套"唤醒"行星级集体智能的计划：它要求提前构建治理机制，使弥散于全球系统中的集体意识——而非任何可见的个人、组织或机器——得以呈现并主导这种影响力。如果关于2050年的预测结果并不乐观，这一被广泛信任、并受治理约束的"预测世界"便可能在2050到来之前引导人类的预期与行动，从而拯救2050的结果，同时让"拯救"不至于沦为"绑架"。这套系统将极有可能是解决目前人类面临的气候危机、技术奇点等问题的最终解决方案。

背景

2022年底-2023年初，ChatGPT的横空出世使得人们看到了通用人工智能（Artificial General Intelligence）的初步雏形[1]。此后数年，人工智能沿着大模型、推理模型与智能体的路径持续加速；到2026年，AI预测系统已在公开预测竞赛中稳定超越普通公众，并逼近顶尖人类预测者的水平[2]。然而，科技界、政府、乃至整个人类都并没有为超级人工智能的到来做好充足的准备。另一方面，2020年代的人类社会并不太平：全球性的气候危机导致极端天气频发，全球15个气候临界点中已经有9个被激活[3][4]，人类正在朝向一个无可挽回的环境巨变而演进；新冠病毒所造成的全球大流行虽已远去，地区冲突与大国竞争却愈演愈烈，世界一片繁荣的表象背后实际上蕴藏了无限人类以及行星级别的危机。

根据Geoffrey West的有关城市的规模法则（Scaling Law）理论[5]以及开放系统的热力学第二定律[6]，科技进步与熵产生相伴而生，因此，每一次人工智能的巨大超越都为全球性的危机创造了相应的基础。超级人工智能所带来的潜在影响包括以二氧化碳排放形式所表现的熵产生，而且根据类摩尔定律，这一碳排放的规模将会以超指数的方式增长[7][8]，因而必然会造成对环境的巨大破坏，这一过程是不可逆的。所以，真正奇点临近很可能是超级人工智能的实现和人类生存环境的彻底崩溃相伴而生的。

如何解救这一危机？根据文献[9]解决不可回避的奇点危机只有两种解决方案，一种是外星殖民，另一种就是自稳态重定向（Homeostatic Reorientation）式的觉醒。第一种方式并不改变人类无限扩展的发展模式，通过移民外星球而获得人类文明火种的延续。然而，这种方案的可行性是微乎其微的，这背后存在着所谓费米悖论的"证据"[10]。也就是，如果银河系中其它星球文明先我们遇到了不可回避的奇点（事实上，外星存在超越地球文明的其它文明的概率不可忽略），并且他们同样采用延续文明扩张的方案来规避奇点，则它们应该早就被我们观察到了。而之所以迄今为止，我们并没有看到类似的外星文明出现，则极有可能是这类文明在超越奇点之前就已经毁灭了——这正是"大过滤器"（Great Filter）假说所描述的图景[11]，亦或者是他们并没有采取这种解决问题的模式，而是选择了另一条路径。

另一条路径则是自稳态重定向，也就是人类需要改变无限扩张的发展模式，转而演变为一种自稳态(Homeostatic）的发展模式，即维持在满足自身基本需求的最小能量消耗状态就可以了，从而终止无休止的扩张与熵产生。越来越多的人渐渐认识到：要想在全球级别形成一种集体的自稳态模式，就必须让全球整体形成一个集体意识，这可能是解决问题的关键[12]。也就是说，人类与机器整体要形成一个统一的行星级意识系统，从而对自我的行为进行认知和监控。而一个行星级别的预测系统则是达成这一宏伟目标的关键。

正是在这样的历史背景下，集智俱乐部升级了早期的参与的2050计划，而形成了一个所谓的拯救2050的计划，其目的就是要促成一个行星级别的大型预测平台的构建作为其目标，从而促成全球意识的觉醒。

历史

拯救2050这一计划的思想源头可以追溯到2016年，这一年集智俱乐部组织出版了走近2050这一本众包图书[13]。在该书中，集智俱乐部详细描述了集体注意力、互联网以及人工智能的未来发展情景。同一年，关于2050年预测的书籍还有一本书，叫做《2050人类大迁徙》[14]，这是一本关于全球环境巨变的书籍，它同样描绘了一种人类未来，但是却与走近2050中的人类未来大相径庭。那么，到底哪一种未来更贴近现实呢？这一问题激发了集智俱乐部创始人、走近2050一书的主要作者张江关于未来的思考。张江很快认识到，与其一味地猜测2050年的未来场景，不如号召各行各业的人共同对2050年展开预测，如果能有这么一种平台，来汇总不同行业的预测结果，那将会让2050年的未来更加清晰可见。与此同时，如果参与预测的人越来越多，则这一预测平台就有可能逐渐从一个预测平台演变为一个自我实现预言的平台。于是，在这个时机，张江提出了参与的2050计划，这便是拯救2050计划的雏形。

然而，自2017年以后，虽数次想推进这一计划却始终没有太大进展。主要原因是，该计划所牵扯到的领域过多，实施起来难度太大。然而，到了2023年，随着人工智能在自然语言处理领域中获得巨大突破[15]，因此通过语言的方式综合人们对未来的预测具备了可能性，于是该计划又一次被提起，并以新的方式展现。

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[2]；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[16]；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[17]。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。需要说明的是，本节最初写于2023年，当时的论证在很大程度上还是前瞻性的；而站在2026年回看，许多当年的设想已经变成了可以引用的证据。因此，本次修订将同时保留论证的逻辑骨架，并用最新的技术与制度进展加以充实。

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

人工智能的发展经历了从"大数据"到"大模型"的转变，而下一个阶段，将是"大预测"。这一在2023年提出的判断，今天正在得到验证。

在通用预测能力方面，大语言模型驱动的预测系统已经跨过了大众水平：截至2026年，AI预测系统在公开的、前瞻性的预测竞赛中已稳定超越普通公众，与活跃的人类预测者大体相当，并持续逼近顶尖预测者团队；多条能力增长曲线的线性外推都指向AI在未来一两年内达到人类顶级预测水平[2]。更重要的是，有效预测系统的"配方"已经明确——前沿推理模型、迭代式的智能体搜索、多模型集成与事后校准——而单次高质量预测的成本已降至一美元量级。预测，第一次变成了一种廉价而可大规模生产的能力。

在分领域预测方面，"每个领域都将拥有自己的大模型"这一设想已被天气领域率先证实：基于机器学习的天气模型在中期全球预报精度上已超越传统数值预报，且推理成本极低[18][19]。与此同时，大语言模型驱动的世界模拟器与智能体社会模拟，第一次让"把社会系统装进模拟器"成为可能[20]。

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，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。要实现多领域模型融合的大预测，就必须发展多尺度、跨领域的融合技术。如果将所有的预测都转换为语言，那么大语言模型已经为此提供了可行的翻译与融合接口；而近三年实践所揭示的真正瓶颈，已从"融合"转向"结算"——即如何将模糊的自然语言预测规范化、并自动判定其最终对错。这一瓶颈及其突破路径，正是"关键技术突破"一节的首要议题。

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。人类众包预测的有效性早已被系统证实：在大型预测竞赛中，经过选拔与训练的普通预测者团队能够以惊人的精度超越专家与情报分析师[21]；而预测市场作为信息聚合机制的有效性，也已有数十年的理论与实证积累[22][23]。

更重要的是制度环境的成熟。自2024年以来，事件合约市场完成了主流化：以Kalshi为代表的平台作为CFTC注册的指定合约市场运营，预测市场月交易量已达数十亿美元量级，监管机构也已启动专门的规则制定[17][24]。这意味着，预测的众包与激励第一次具备了合规、可扩展的制度通道。

另一方面，为了更好地激励不同个人、不同机构参与到预测中来，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。相关的工程组件已经就位：预言机网络与期货式合约模板已允许针对任意指标创建可结算的预测合约[25]；而对于面向2050年的长周期预测，则可以借鉴期货市场的逐日盯市与仓位转让制度，辅以peer prediction等"无真相时"的诚实激励机制，构建周期性的中期结算[26]。这些机制设计的细节，参见"关键技术突破"一节。

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——以"目的地地球"（Destination Earth）为代表的数字孪生计划，正在把集合预报与数据同化的范式扩展到整个物理地球[16]。值得注意的是，这一范式正是"基于大规模模拟的预测聚合"的成熟原型：数十条并行演化的轨迹构成未来的可能性分布，观测数据周期性地将其向真实状态收缩——"叠加、塌缩、再演化"的完整循环在气象领域已经运行了数十年[27]。

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。早在1970年代，《增长的极限》中的World3模型就曾尝试以动力系统的方式刻画人口、工业、资源与环境之间的跨领域交互[28]，但这类模型与目前基于AI大模型技术的预测还相差甚远。尽管如此，这些分领域与早期的研究对于拯救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。搜索引擎通过网络爬虫等技术手段，将互联网上的所有信息搜集起来，加以整理和展示；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，形成一个庞大的未来"事实"的预测数据库；每个用户都可以像使用搜索引擎一样，在这样的平台上检索关于未来的信息。因此，从某种意义上来说，我们可以将这样的平台称为"未来引擎"。而AI预测成本的数量级下降，正在使这台引擎第一次具备商业上的可持续性——当预测足够便宜，它便可以像搜索一样，嵌入到每一个组织与每一个人的日常决策之中。

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，从而创造更大的社会价值，吸引更多的人加入，形成一个自我强化的增长飞轮。同时，本计划也清醒地预见到：随着加入者越来越多、平台赢得的信任不断累积，系统将有可能超越对未来的描述，而演化成为一个自我实现预言的系统。这一可能性并非计划的直接目标，但它内生于计划的成功本身——如何使其呈现的是行星级的集体意识而非少数节点的意志，正是"关键技术突破"一节中反身性治理所要回答的问题。

关键技术分析

拯救2050计划的实现，依赖于预测科学、人工智能与机制设计等多个领域的协同进展。在所有支撑性技术之中，有三项处于整个计划的枢纽位置，它们的突破与否将直接决定计划的成败。按照优先级排序，它们分别是：长周期自动结算技术、预测聚合技术，以及反身性治理机制。值得强调的是，这三者并非彼此孤立：结算技术为平台提供"判官"，聚合技术为平台提供"大脑"，而反身性治理则要回答"这个大脑究竟代表谁"。

长周期自动结算技术

结算是预测平台的生命线。一个无法判定对错的预测，既无法激励预测者，也无法为聚合系统提供反馈信号，平台的自我增长机制也就无从谈起。传统的预测市场与众包平台只结算短期的、数字化的事件（如选举结果、资产价格）[22][23]，而拯救2050计划所面对的预测大多是自然语言表述的、长周期的、指涉模糊的（例如"2050年的全球格局"），其结算难度远超既有平台的能力边界。

在制度设计上，期货市场提供了一个现成而深刻的范本。事实上，将期货机制引入观点与预测市场的思想，早在三十年前就由Robin Hanson以"观念期货"（idea futures）之名系统阐述[29]。期货之所以能够支撑"远期的承诺"，靠的并不是等待到期，而是三样东西：标准化合约、保证金与逐日盯市、仓位的自由转让。将这三者映射到预测平台上，恰好可以构成长周期自动结算的骨架：

第一是预测命题的自动规范化，对应期货的标准化合约。需要借助大语言模型，将模糊的自然语言预测自动转化为可判定的标准命题——明确时间、指标与判定依据，这是一切结算的前提。

第二是周期性的中期校验，对应期货的保证金与逐日盯市制度。面向2050年的预测不可能等到2050年才结算——经过时间贴现之后，激励将趋近于零；正如期货交易者不必等到交割日、而是在每个交易日按市价结算盈亏一样，预测平台也需要对长周期预测进行周期性的校验（关于如何将市场价格解释并校验为概率，已有成熟的方法论研究[30]）：用阶段性的代理指标、用"未来预测者的共识"（即peer prediction机制[26][31]）作为最终真相的临时替代，让预测者的声誉与权益随之中期调整，从而将遥不可及的最终结算，转化为连续的、可预期的过程性结算。

第三是预测权益的可转让性，对应期货仓位的自由转让。当预测及其对应的权益（代币、声誉、合约）可以自由交易时，预测者便不必"持有至2050年"，而可以在任何时点退出并实现价值——这在制度上绕开了时间贴现的死结。

然而，期货市场与预测平台之间存在一个根本差异，必须正视：期货到期时有现货价格与之收敛，套利机制构成最终的"锚"；而一个2050年的预测在中途没有任何客观之锚，价格可能被噪音与情绪主导——金融理论中著名的"噪音交易者风险"早已指出，缺乏中期锚定的长期资产无法依靠套利纠偏[32]。因此，市场制度本身并不足够，还需要peer prediction一类的机制设计作为"人造锚"：在客观真相缺席时，依据预测与其他预测之间的关系进行评分与激励（如贝叶斯真相血清[26]）。此外，"影响力购买"（impact purchase）[33]与追溯性公共物品资助（retroactive public goods funding）[34]等机制，也为"价值在很久以后才显现"的贡献提供了提前定价的通道；在加密工程实践中，UMA的Long Short Pair等合约模板已允许针对任意指标创建期货式合成资产、并以乐观预言机完成结算[25]。市场制度与人造锚的组合，或许是长周期自动结算的现实解。

值得一提的是，在监管制度层面，预测市场与期货的合流已经在美国发生：以Kalshi为代表的事件合约平台作为CFTC注册的指定合约市场运营，事件合约正被纳入期货与掉期的监管框架[17]。这意味着"仿照期货市场设计预测平台"并非纸上谈兵，而是正在展开的制度现实。

预测聚合技术：从统计聚合到模拟式聚合

如果说结算解决的是"对错"问题，那么聚合解决的就是"智慧"问题。然而，本计划所构想的聚合，远比现有的加权平均、极化修正（extremization）[35]、市场聚合、集成学习等统计方法激进：它是一种基于大规模模拟的聚合。

这一构想的骨架如下。首先，需要一个大型的（可能也是行星级的）模拟平台。任何预测都可以被置入这个平台，与其他事件、其他预测相互耦合，从而构建出完整的未来场景。在这个意义上，每一种预测都仿佛一个"波函数"：它不是对未来的一个断言，而是未来世界状态之上的一种可能性分布。当不同的预测不断加入，它们之间发生"叠加"——彼此耦合、彼此约束，共同编织出越来越完整的未来图景。聚合器的职责，便是根据输入的各类预测，使这些叠加的可能性"塌缩"为一种或多种"预测的现实"——具体、连贯、可供检视的未来世界。而当时间推进到预测所指的时间点，真实发生的观测将作为反馈进入系统，修正聚合器的模拟部分——相当于一次"测量"使波函数塌缩——随后系统以修正后的状态为起点，再度演化出更多未来的"波函数"。

这套语言并非纯粹的比喻，它在科学计算中有着成熟的原型。数值天气预报中的集合预报正是如此运作：数十条初始条件略有差异的轨迹并行演化，构成未来大气状态的概率分布；每当观测数据到来，数据同化便将分布向真实状态收缩，随后集合继续向前演化——这正是"叠加—塌缩—再演化"的完整循环[27]。近年来，以"目的地地球"（Destination Earth）为代表的数字孪生计划正在把这一范式扩展到整个物理地球[16]；与此同时，大语言模型驱动的世界模拟器与智能体社会模拟，第一次让"把社会系统装进模拟器"成为可能[20]；产业界也开始出现"世界模拟"式的产品设想[2]。可以说，模拟式聚合的构想，恰好站在了几条技术曲线的汇聚点上。

但要让它真正成立，仍须突破三个难点。第一是社会系统的模拟保真度：物理系统有方程可依，社会系统则由有反身性的人构成，模拟误差会随时间放大。第二是模拟器自身的校验：一个错误的模拟器会自信地把未来"塌缩"到错误的现实上，其危害比单个预测的错误高出一个数量级——因此模拟器必须被纳入与预测者同样的结算与校验循环之中。第三是预测的接入接口：一条自然语言表述的预测，如何被翻译成模拟器中的一组扰动或约束？这恰恰是大语言模型作为"翻译层"的位置，也是多模态融合技术在聚合中的真正用武之地。

这一聚合技术的远景，是建成一台"未来引擎"：正如搜索引擎聚合了人类已有的信息，模拟式聚合平台将聚合人类对未来的全部想象与判断，使之可检索、可追问、可演化。

反身性治理：让集体意识成为主导的呈现机制

需要首先澄清的是，本计划的首要意图在于预测本身——如实地聚合人类对未来的判断，而非干预未来。然而，计划必须正视一个内生于其自身成功的可能性：一旦行星级的预测成为现实，且大众对平台的预测形成深度信任，预测便不再只是对未来的描述——它会影响人们当下的行动，从而反过来改变未来，最终可能演变为自我实现的预言。换言之，平台越成功，反身性就越不可回避。然而，反身性是一把双刃剑：预测会反过来改变被预测的对象（索罗斯所称的反身性[36]）；一个指标一旦成为目标，便不再是好的指标（古德哈特定律[37]）。当平台真的开始引导人类走向"规划中的未来"，我们必须回答：究竟是谁在引导？

对此，本计划给出的回答是：真正有力量、也应当有力量的节点，不是看得见摸得着的个体（个人、组织、机器、大模型），而是弥散在全球系统中的集体智能。正如脑电波不属于任何一个神经元，却真实地反映着大脑整体的状态；行星级的集体意识也不属于任何个人或机构，却应当成为未来走向的最终决定者。今天的世界之所以危机重重，恰恰是因为可见的节点——政治机构、商业组织、个体精英——截取并代理了这种不可见的整体意志。因此，反身性治理的关键不是"约束谁"，而是构建一种机制，让集体意识得以呈现、并借此成为主导。

这样一来，治理问题便与前述的聚合器汇合了：那个将无数预测叠加、塌缩为"预测的现实"的模拟平台，正是集体意识的呈现器官——它使不属于任何个人的行星意志第一次变得可见、可对话、可问责。所谓治理，就是保证这个器官的呈现是忠实的：治理的对象不是"谁在平台上说了什么"，而是"平台是否忠实地让涌现的整体模式显现出来"。

但也正是在这里，必须警惕一个古老而危险的陷阱。自卢梭提出"公意"（volonté générale）以来[38]，"不属于任何个人的整体意志"就是人类政治中最崇高的概念，也是最容易被篡夺的概念：谁掌握了呈现整体意志的器官，谁就可能自称代表整体。因此，这个呈现器官在设计上绝不能被任何单一节点所占有——它必须是去中心化的协议而非某家公司的资产，必须允许相互竞争的多元呈现者并存，必须全程可审计、可质疑、可分叉；甚至可以探索用预测市场本身来治理平台的futarchy式方案[39]。否则，"行星级意志"将沦为垄断最完美的借口。

这一领域几乎是一片无人区——因为行星级的自我实现系统从未存在过。但它恰恰决定了这个计划最终是"拯救"2050，还是"绑架"2050：区别只在于，那个呈现未来的器官，究竟属于所有人，还是只属于它的建造者。

参考文献

  1. ↑ Bubeck, S., Chandrasekaran, V., Eldan, R., et al. (2023). Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712.
  2. ↑ 2.0 2.1 2.2 2.3 Metaculus (2026). AI Forecasting in 2026: What 11 Analyses Say.
  3. ↑ Lenton, T. M., Rockström, J., Gaffney, O., et al. (2019). Climate Tipping Points — Too Risky to Bet Against. Nature, 575, 592–595.
  4. ↑ Armstrong McKay, D. L., Staal, A., Abrams, J. F., et al. (2022). Exceeding 1.5°C Global Warming Could Trigger Multiple Climate Tipping Points. Science, 377(6611), eabn7950.
  5. ↑ Bettencourt, L. M. A., & West, G. B. (2010). A Unified Theory of Urban Living. Nature, 467, 912–913.
  6. ↑ Prigogine, I., & Stengers, I. (1984). Order Out of Chaos: Man's New Dialogue with Nature. Bantam Books.
  7. ↑ Bettencourt, L. M. A., Lobo, J., Helbing, D., Kühnert, C., & West, G. B. (2007). Growth, Innovation, Scaling, and the Pace of Life in Cities. PNAS, 104(17), 7301–7306.
  8. ↑ International Energy Agency (2025). Energy and AI. IEA, Paris.
  9. ↑ Wong, Michael L., and Stuart Bartlett. "Asymptotic burnout and homeostatic awakening: a possible solution to the Fermi paradox?." Journal of the Royal Society Interface 19.190 (2022): 20220029.
  10. ↑ Hart, M. H. (1975). An Explanation for the Absence of Extraterrestrials on Earth. Quarterly Journal of the Royal Astronomical Society, 16, 128–137.
  11. ↑ Hanson, R. (1998). The Great Filter — Are We Almost Past It? 网络文章.
  12. ↑ Heylighen, F. (2011). Conceptions of a Global Brain: An Historical Review. In L. Grinin et al. (Eds.), Evolution: Cosmic, Biological, and Social. Volgograd: Uchitel.
  13. ↑ 集智俱乐部 (2016). 《走近2050：注意力、互联网与人工智能》. 人民邮电出版社.
  14. ↑ Smith, L. C. (2010). The World in 2050: Four Forces Shaping Civilization's Northern Future. Dutton.（中译本：《2050人类大迁徙》）
  15. ↑ OpenAI (2023). GPT-4 Technical Report. arXiv:2303.08774.
  16. ↑ 16.0 16.1 16.2 Bauer, P., Stevens, B., & Hazeleger, W. (2021). A Digital Twin of Earth for the Green Transition. Nature Climate Change, 11, 80–83.
  17. ↑ 17.0 17.1 17.2 Congressional Research Service. Prediction Markets: Policy Issues for Congress (IF13187). 美国国会研究服务局报告。
  18. ↑ Lam, R., Sanchez-Gonzalez, A., Willson, M., et al. (2023). Learning Skillful Medium-Range Global Weather Forecasting. Science, 382(6677), 1416–1421.
  19. ↑ Price, I., Sanchez-Gonzalez, A., Alet, F., et al. (2024). Probabilistic Weather Forecasting with Machine Learning. Nature, 637, 84–90.
  20. ↑ 20.0 20.1 Park, J. S., O'Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative Agents: Interactive Simulacra of Human Behavior. UIST '23.
  21. ↑ Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
  22. ↑ 22.0 22.1 Wolfers, J., & Zitzewitz, E. (2004). Prediction Markets. Journal of Economic Perspectives, 18(2), 107–126.
  23. ↑ 23.0 23.1 Arrow, K. J., Forsythe, R., Gorham, M., et al. (2008). The Promise of Prediction Markets. Science, 320(5878), 877–878.
  24. ↑ KPMG (2026). Prediction Markets: Paths to Entry. KPMG International.
  25. ↑ 25.0 25.1 UMA Protocol. Long Short Pair (LSP) Contract. UMA 官方文档（docs.umaproject.org）。
  26. ↑ 26.0 26.1 26.2 Prelec, D. (2004). A Bayesian Truth Serum for Subjective Data. Science, 306(5695), 462–466.
  27. ↑ 27.0 27.1 Kalnay, E. (2003). Atmospheric Modeling, Data Assimilation and Predictability. Cambridge University Press.
  28. ↑ Meadows, D. H., Meadows, D. L., Randers, J., & Behrens, W. W. (1972). The Limits to Growth. Universe Books.
  29. ↑ Hanson, R. (1995). Could Gambling Save Science? Encouraging an Honest Consensus. Social Epistemology, 9(1), 3–33.
  30. ↑ Wolfers, J., & Zitzewitz, E. (2006). Interpreting Prediction Market Prices as Probabilities. NBER Working Paper No. 12200.
  31. ↑ Miller, N., Resnick, P., & Zeckhauser, R. (2005). Eliciting Informative Feedback: The Peer-Prediction Method. Management Science, 51(9), 1359–1373.
  32. ↑ De Long, J. B., Shleifer, A., Summers, L. H., & Waldmann, R. J. (1990). Noise Trader Risk in Financial Markets. Journal of Political Economy, 98(4), 703–738.
  33. ↑ Christiano, P. (2014). The Impact Purchase. 博客文章（rationalconspiracy.com）。
  34. ↑ Optimism (2021). Retroactive Public Goods Funding. Optimism 官方博客（Medium）。
  35. ↑ Satopää, V. A., Baron, J., Foster, D. P., Mellers, B. A., Tetlock, P. E., & Ungar, L. H. (2014). Combining Multiple Probability Predictions Using a Simple Logit Model. International Journal of Forecasting, 30(2), 344–356.
  36. ↑ Soros, G. (1987). The Alchemy of Finance: Reading the Mind of the Market. John Wiley & Sons.
  37. ↑ Goodhart, C. A. E. (1975). Problems of Monetary Management: The U.K. Experience. Papers in Monetary Economics, Vol. I, Reserve Bank of Australia.
  38. ↑ Rousseau, J.-J. (1762). Du contrat social（《社会契约论》）.
  39. ↑ Hanson, R. (2013). Shall We Vote on Values, But Bet on Beliefs? Journal of Political Philosophy, 21(2), 151–178.
取自“https://wiki.swarma.org/index.php?title=拯救2050&oldid=50728”