ramez 质疑 AI Futures 预测：纸面模型再漂亮也要靠真实数据校准

ramez · x · 2026-11-11

研究員 Ramez Naam 在 MTS 播客后复盘其对 AI Futures（Daniel Kokotajlo 等团队的预测项目）的批评。他肯定对方「建模、写下预测、据数据更新」的做法，认为 AI Futures 在许多 AI 预测上表现出色，但最重要的预测尚未验证，且存在如 METR time horizon 使用方法等具体问题。核心论点：在缺乏实证数据检验和校准参数的情况下，可以构造出许多「纸上好看但与真实世界关系不大」的模型——这对他自己也适用，因此他反复强调必须以详实的现实世界数据校准，且其优先级应高于任何模型。David Manheim 回应称关键不确定性确实缺乏数据约束，但在缺乏分领域验证时应回退到整体预测记录，而 Daniel 的战绩几乎无人能敌。