我把一群 AI 智能体派去管理梦幻足球阵容，它们暂时还赢不了人类

我请教了我那台由 AI 驱动的预言水晶球，它告诉我，前沿模型在不久的将来会在预测方面变得强得多。问问我的英超梦幻足球阵容就知道了。

几周前，我部署了一小群 AI 智能体，来打造并管理一套实验性阵容。鉴于 AI 智能体正扩散到我们生活的几乎方方面面，我想知道一群机器人能否组建出一支能赢的球队。

几年前，我第一次考察了 AI 在这方面的潜力，当时我试用了英国图灵研究所的一款工具，它会先对过往梦幻联赛数据建模，然后挑选球员。它给出的建议离谱得令人吃惊——它没有纳入现实世界的信息，比如球员受伤或球队更换管理层。

这一次，在坐飞机去看家人的途中，我向 Codex 求助。首先，我把几篇相关研究论文喂给模型。然后，我让它搭建一个 harness——即引导不同智能体完成各个步骤的指令和代码——用来核查近期新闻并运行模型做出预测。

它很快就想出了一套设置，似乎能收集和分析远比我所能处理的多得多的信息。然而，让我意外的是，它最初给出的阵容建议竟然如此愚蠢。把埃尔林·哈兰德放在替补席上？真的吗，Codex？

接着，我让 Codex 创建一支由各司其职的智能体组成的团队：几个负责阅读新闻和博客文章；另一些分析近期赛果；还有一些运行模型；以及一群负责批评建议的智能体。这似乎显著改善了建议。我尝试把智能体数量增加到 100 多个，希望这能让系统更聪明，但除了推高我的 API 账单之外，并没有带来多大变化。

尽管如此，与几年前相比，进步仍然惊人。芝加哥大学研究 AI 在市场情境中应用的计算机科学家徐海峰表示，更新的模型在预测方面可能更强，因为它们能够消化和分析海量现实世界信息，并且能够为它们的猜测编排更复杂的系统。

“AI 在理解世界方面正变得越来越聪明——我觉得这就是它们不断进步的根本原因，”徐告诉我。

去年年底，徐惊叹于 Kalshi 和 Polymarket 等预测市场日益流行。他想知道最好的商业模型在这些市场上会有怎样的表现，于是与几位同事一起开始测试它们的预测能力。

例如，他们让模型猜测谁会赢得 NBA 总冠军，以及特朗普总统将会见谁。

“很快我们就开始意识到，模型表现得非常好，”徐告诉我。他说，这些模型有时在没有任何特别指令或指导的情况下，就能比普通人做得更好。在他们的测试中，GPT-5 的预测表现最好，其次是 Grok 4、Claude Sonnet、Gemini 和 Llama。

该团队随后开发了 Prophet Arena，这是一个衡量模型预测能力的基准。它是众多旨在测试 AI 预见未来能力的基准之一；另一个名为 Prediction Arena 的基准由哈佛大学的研究人员和一家名为 Arcada Labs 的公司推出，最近给前沿模型 1 万美元，让它们在 57 天内在预测市场上下注。在实验中，这些模型持续亏钱，但研究人员看到了它们随着时间推移持续进步的迹象。

徐告诉我，AI 使用定制 harness 时能最有效地做出预测，并指出让智能体承担独特任务——例如阅读新闻、收集其他数据以及分析整个系统——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”的非常熟练的专家。徐解释说，尽管人类无法消化那么多信息，但他们对现实世界——也就是新闻故事背后的动态——的理解更深。

话虽如此，越来越多的证据表明，人类超级预测者的优势正在被侵蚀。最近一项名为 Metaculus Cup 的竞赛显示，AI 有时甚至能击败最好的人类预测者。而一个名为 ForecastBench 的基准可能会提供进一步证据，证明 AI 能匹敌人类技能——一项正在进行中的竞赛结果很快就会揭晓。事实上，我认为我们可以预期，大型实验室将把注意力转向预见未来，把它作为一种衡量机器智能进步的强大新方式。

所有这些预测实验似乎都表明，就像数学、编程和法律一样，以交易为基础的行业可能很快会被 AI 颠覆。也许最优秀的人类交易员将承担一种新角色：监督和编排能够比他们更好地预知未来的 AI 智能体。

就目前而言，我的 AI 给出的建议似乎仍然不那么令人印象深刻。过去几周，它的球队得分没有超过平均水平。我当然不会在自己的选择中使用它的任何建议。

但 AI 无疑会变得更好，也许很快就会让主导梦幻联赛变得轻而易举。不过，我有点希望它不会如此，因为那会破坏独自赢下比赛、赢得吹嘘资本的乐趣。

Airbnb 房东们怒不可遏：他们再也不能让客人做家务了

大新闻：酷小孩都用全小写写作——这让你生气吗？

我花了一整天只用 iPhone Duo 工作