预测

一、此类预测问题的主要特征

诺贝尔奖预测表面上是一个“猜获奖者”的任务，但其底层是一个典型的复杂系统预测问题，具有以下四个关键特征：

这一系统性预测失败，不应被简单归结为“概率问题”或其他问题，而应被视为当前AI技术路线在特定类型预测问题上结构性缺陷。

当前AI大模型预测诺奖失败的根本原因，不在于“数据不够多”或“模型不够大”，而在于其底层技术范式——基于统计相关性的模式识别，与诺奖预测问题所需的能力结构之间存在根本性错配。

第三，预测问题本身可能超出了当前AI的能力边界。

有学者指出，创建能预测诺贝尔奖的AI需要对LLM进行“修改，并在适当的数据上进行训练”。

从诺奖AI预测失败看大模型预测能力的结构性困境

二、AI缺乏此类预测能力的根本原因

要真正提升AI在此类问题上的预测能力，需要在技术路径上实现转换。

2026年诺贝尔奖三大自然科学奖项公布后，事前多个AI大模型的预测结果与实际获奖成果“完全不挨边”。

这暗示了一个更深层的问题：当前的通用LLM架构可能不适合这类任务，需要专门设计的预测系统。