輸入法在猜字，氣象局在猜颱風，AI 在猜下一個詞：機器預測未來的方法

預測在工程上並不神祕：用過去估機率，用新資訊修正；真正的難處在於知道它何時會失準。

在手機鍵盤上輸入「明天」，候選列第一格經常已經站著「見」；接著打「颱風」，它可能直接遞上「假」。這兩次猜測一點都不神祕，卻是每天在每支手機上發生成千上萬次的行為，它們有個共同的名字：預測。

酷安近日有一則動態，標題就只有「預測未來」四個字。放在十年前，這四個字多半通向星座、命理或科幻小說；放在大型語言模型隨手可用的現在，它有一個工程上的具體答案，而且比多數人想像的樸素許多。

預測，一句話就能講完

先把定義說清楚：預測是拿歷史資料加上當下線索，估計某件尚未發生的事的機率分布，並且附上不確定性。重點在最後六個字。天氣預報說降雨機率七成，導航應用說還要二十三分鐘，語言模型說下一個字最可能是「的」，這些輸出的本體都是機率，差別只在包裝方式，以及猜錯的代價。

換句話說，合格的預測不會只給一個篤定的答案。它會說「有七成機會下雨」，會畫出一個愈往後愈寬的颱風路徑區間，會在自動駕駛的決策裡保留踩煞車的選項。把話說滿的預測，要嘛省略了關鍵細節，要嘛根本沒做估計。

早餐店店長早就在做的事

用比喻講會更具體。想像一位開了十年的早餐店店長，每晚要決定明天煮幾公升豆漿。他會看幾件事：明天星期幾，週末和平日差很多；氣象預報，下雨天來客數會少一截；附近國中要不要辦活動，運動會當天豆漿肯定不夠賣；最後是今天賣剩多少，連續三天剩下就代表估過頭。十年累積的經驗是他的歷史資料，天氣與活動是當下線索，明天的事還沒發生，他只能給一個量，隔天開門再修正。

機器預測的骨架與店長完全相同，差別在於把十年的經驗換成資料庫，把直覺換成數學模型，把「隔天修正」換成分鐘級甚至秒級的更新。歷史資料、當下線索、機率估計、誤差修正，四個零件缺一不可，而絕大多數打著智慧預測名號的產品，內部都是這四件的不同組合。

你每天都在被預測的幾個瞬間

氣象預報是最早把預測做成基礎建設的領域。數值天氣預報把大氣切成一格格立體網格，代入流體力學與熱力學方程式，讓超級電腦逐步往前算，等於把預測未來變成解一道巨大的物理題。由於起始觀測必有誤差，預報單位會用幾十組些微不同的起始條件各算一遍，跑出所謂集合預報；颱風路徑潛勢圖上那圈愈往後愈寬的範圍，就是誤差隨時間放大的直接呈現。至於颱風最後會往哪裡去，沙德爾颱風路徑與導引氣流的解說給過答案：方向取決於副熱帶高壓與西風槽的角力，預報單位在猜的正是這場角力的結果。

導航軟體是另一種。你輸入目的地，它把即時路況、歷史車速、紅綠燈節奏全部丟進模型，預測每一條候選路線的抵達時間，再推薦期望值最高的那條。它猜錯時你多繞十分鐘，猜對時你只覺得理所當然，這種不對稱正是預測產品的宿命。

第三種更隱形。內容平臺的推薦引擎時時刻刻在預測你：對這部影片會不會點開、會不會看完、會不會轉發。它根據你與成千上萬名使用者的行為紀錄，替你還沒看過的內容逐一打分，餵到眼前的每一屏都是一次預測的兌現。你以為自己在閒逛，實際上正在被持續猜測。

語言模型：把未來壓縮成下一個字

大型語言模型把這套邏輯推到極致，同時也把「未來」的定義縮到最小。它的訓練目標只有一個：給定前文，猜下一個字或詞，工程上稱為 token。訓練過程就是讓模型做數以兆計的填充題，猜錯就微調參數，直到統計規律長進權重裡。使用時，模型每一步輸出的是整個詞表上的機率分布，選一個字接回前文，再猜下一個。一段看似有條理的回答，是幾百次連續預測串出來的結果。

這帶出一個容易被忽略的推論：模型對「下一個字該是什麼」的預測能力，與它對「內容是否為真」的判斷，中間隔著一道統計的鴻溝。模型知道「民國」後面常接年份或人名，但統計傾向保證不了那個人名真的存在。模型編造出格式完美的參考文獻，多半是它判斷那個位置統計上該出現一串像樣的字，真假從來不在這一步的計分範圍裡。這也是模型評測始終眾說紛紜的原因之一，各方只好不斷發明新的比法，我們先前就看過GLM 模型在 B站被拿去捉對競技的場景。

預測在哪裡失靈

理解預測的極限，比理解它的原理更實用。第一種失靈叫分布漂移：模型的經驗全部來自過去，而未來有時會跳出過去的範圍。疫情初期，許多依賴歷史銷量的需求預測模型集體失準，因為幾十年的資料裡不存在封城這種狀態，模型再大也沒見過。

第二種失靈在尾端。機率分布的極端處樣本稀少，模型自然不擅長，而社會上代價最高的往往正是極端事件。第三種最隱蔽：預測只需要相關性，模型可以在完全不理解因果的狀況下猜對，也可以在同樣的狀況下猜錯，而且不會標註自己屬於哪一種。

還有一種預測會改變世界。經濟學裡的銀行擠兌是老例子：相信銀行會倒的人一多，銀行就真的倒了，預言自我兌現。推薦引擎也有類似迴路，它預測你愛看什麼，就餵你更多，你的停留再回頭驗證預測的「準確」。這種準確是真的，也是被餵出來的。

讀預測時可以問的三個問題

面對任何打著預測旗號的說法，有三個檢查點很好用。先看它有沒有給不確定性：只給單一篤定數字而無機率、無區間的預測，要先扣分；颱風路徑的圓錐與降雨機率百分比，都是把誠實攤開給你看的格式。再問資料停在什麼時候：模型有知識截止日，預報有更新頻率，世界變了而資料沒跟上，預測就建立在舊地圖上。最後問一句，這個預測發布之後，被預測的世界會不會因此改變；如果會，它的成績單要看各方反應改寫過之後的版本。

回到那則四個字的動態

酷安上那則「預測未來」，放在今天的技術脈絡裡，問號其實可以換成逗號。機器確實在預測未來，從你指尖的下一個字，到三天後的颱風位置，再到你今晚會被推薦哪部影片，只是每一次預測都附帶機率與誤差，且隨時準備被新資訊推翻。能不能預測，答案大致確定；真正值得計較的，是把哪種預測放進哪個環節。輸入法猜錯一個字，代價是使用者多按一次；自駕系統猜錯一個行人的動向，代價完全是另一個量級。預測本身已經愈來愈便宜，判斷什麼場合可以容許多大的錯，才是把預測用對地方的關鍵。