从诺奖AI预测失败看大模型预测能力的结构性困境

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”。生理学或医学奖方面，多款AI押注GLP-1肠道激素研究，而实际获奖领域是光遗传学；物理学奖方面，多家均预测魔角石墨烯方向，实际获奖者为冰立方中微子天文台的弗朗西斯·哈尔岑；化学奖方面，AI普遍预测碱基编辑等方向，实际获奖的是不对称有机合成中的非线性效应与自催化现象。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。

一、此类预测问题的主要特征

问题特征：一个高维、小样本、非平稳的复杂系统预测

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：

第一，高维度的候选空间与极端稀疏的正例。 每年有资格获得诺贝尔奖的科学家数以千计，最终获奖者仅3至9人。正例率极低（可能低于千分之一），这意味着任何基于统计频率的预测方法都会面临严重的类别不平衡问题。AI模型倾向于选择“最热门”的方向，而诺贝尔奖委员会恰恰有意避免 predictable 的选择。

第二，决策过程中存在不可约的“人因变量”。 诺贝尔奖委员会的评选不是纯粹基于学术影响力的排序算法。研究表明，委员会决策受到“个人和专业偏见”的显著影响，提名轨迹在统计上无法区分获奖者与非获奖者。委员会有意识地保持结果的神秘性，甚至“偶尔打破常规”以确保不可预测性。这些因素在数据中没有稳定的映射关系，构成预测的“不可约噪声”。

第三，时间窗口的滞后性与知识前沿的动态性。 诺贝尔奖通常授予数十年前的发现，而AI的训练数据存在明确的时间截止。更重要的是，从“发现被做出”到“发现被学界充分认可”再到“被委员会选中”，这一过程涉及科学社会学层面的复杂动力学——包括范式转换的完成度、学术共同体的共识形成、甚至地缘政治因素，这些都无法从文献计量数据中直接读出。

第四，预测目标本质上是“反事实”的。 我们不仅需要预测“谁将获奖”，还需要理解“委员会为什么选择A而非B”。这要求模型具备反事实推理能力——如果某位候选人的某项发现没有被做出，科学图景会如何不同？委员会在多个“同样优秀”的候选人之间如何权衡？这种反事实推理恰恰是当前LLM最薄弱的环节。

二、AI缺乏此类预测能力的根本原因

根本原因：相关性学习范式的结构性局限

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。

第一，LLM本质上是“关联引擎”而非“因果引擎”。 当代大语言模型的核心机制是通过海量文本学习词与词之间的概率分布，其回答问题的本质是“极其复杂的完形填空”。它能够识别训练数据中频繁出现的因果模式，但对新颖的、罕见的因果关系泛化能力极其有限。在诺奖预测场景中，实际获奖的方向（如光遗传学在生理学或医学奖中的出现）之所以出乎AI意料，恰恰因为它不属于“训练数据中常见”的候选模式。AI不是“判断错了”，而是“根本没有能力做出这种判断”。

第二，LLM缺乏干预推理和反事实推理的能力。 因果推理领域将思维能力分为三个层级：关联（观察）、干预（行动）、反事实（想象）。当前AI在第一层级表现出色，但在第二、第三层级严重不足。诺奖委员会的决策逻辑恰恰是反事实的——“如果选择了A，会传递什么信号？如果奖励B方向，是否会导致学术资源的过度集中？”这类问题无法通过统计关联来回答。

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”。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。

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。

结语

2026年诺奖AI预测的集体失败，不仅是一个技术问题，也是一个认识论问题。它提醒：预测的本质不是“从过去推断未来”，而是“理解系统运行的机制，并在机制层面进行推理”。 

支持单位：