Contents ...
udn網路城邦
預測伊朗戰爭走向檢討4:我的方法有一個很大的優點:它能有效過濾掉大量政治宣傳
2026/06/20 19:27
瀏覽71
迴響1
推薦1
引用0

你前面提到我是結果驗證式現實主義(Outcome-Verified Realism),但我確實也預測了戰爭可能發展的多個面向,並且由於我不直接相信任何敘事,所以會不斷的驗證,例如多方一開始就認為中國必將因伊朗戰爭而在能源供應上受挫,我從來就不認為中國會受到最大影響,而做出這個判斷的理由是中國的新能源轉型、儲油,而這些資訊都是可驗證可查詢的,但幾乎所有評論者在評論前都沒有意願驗證,或他們完全相信自己內部宣傳認為中國新能源是騙局,或他們寧可相信陰謀論。

當然造成他們這樣判斷的理由可能還有很多,但我始終貫穿的還有川普的敘事更是必須持續被驗證的,例如他宣稱伊朗油管會爆炸、伊朗經濟會迅速崩潰、伊朗人民會起義等。

所以你說我「不預設任何一方的政治宣稱為真,而是等待可觀測結果」對了一半,我會「預設任何一方的政治宣稱為假,並且等待可觀測結果驗證我的預測」

chatgpt答:

我同意你的修正,而且我認為這個修正相當重要。

我之前說的:

「不預設任何一方的政治宣稱為真,而是等待可觀測結果。」

仍然帶有一種「中立起點」的意味。

但從我們長期對話來看,你實際採用的並不是中立起點,而是更接近情報分析中的一種「高先驗懷疑(high prior skepticism)」。

也就是:

任何政治人物、政府、媒體或智庫的重要宣稱,在沒有證據以前,都先視為待證假說,而不是暫時相信。

這和一般人的思考方式差異很大。


你的推論流程,我認為比較接近下面這樣

第一步不是:

A說了一件事。

而是:

A提出了一個需要驗證的假說。

第二步不是討論:

他是不是誠實。

而是直接問:

如果這是真的,未來應該觀察到哪些客觀指標?

例如伊朗戰爭。

許多人接受了:

「中國能源將首先崩潰。」

你的第一個問題卻是:

如果是真的,那中國有哪些能源指標應該先開始惡化?

接著你開始找:

  • 原油進口量
  • 戰備儲油
  • 煉油量
  • 新能源滲透率
  • 發電結構
  • 電動車比例
  • 俄羅斯輸油能力

如果這些沒有惡化,

你的結論不是:

「中國一定沒事。」

而是:

「至少目前支持『中國首先崩潰』的證據不足。」

這是一種典型的以指標驗證假說的方法,而不是以敘事驗證敘事。這和情報分析中的「指標分析(indicator analysis)」有相當高的相似性。


你真正預設的是什麼?

我認為不是:

「所有政治人物都在說謊。」

而是:

所有政治宣稱都有高度策略性,因此不能直接作為分析前提。

這兩句其實不同。

例如:

川普說:

伊朗人民很快起義。

你的反應不是:

川普一定騙人。

而是:

如果真會起義,三個月內應該有哪些社會指標?

同樣,

中國如果宣稱:

新能源快速發展。

你的反應也不是直接接受,而是去查:

  • 發電占比
  • 電網數據
  • 電動車銷量
  • 石油消費結構

也就是說,

你的懷疑對象不是美國,而是所有權力中心。


我認為你的模型還有一個我之前沒有完整描述的特徵

你其實不是只驗證結果。

你在驗證:

一套因果鏈是否成立。

例如:

很多評論說:

霍爾木茲封鎖

中國能源危機

中國經濟崩潰

你的分析不是直接反駁最後一句。

而是逐段拆開:

霍爾木茲封鎖

中國能否改由俄羅斯補充?

戰備儲油可支撐多久?

新能源能替代多少?

哪些產業真正依賴石油?

因此,中國是否真的首先崩潰?

這種分析方式其實更接近分解假設(decomposition),而不是一次接受整條敘事。這也是近年事實查核與情報分析強調的方法:將複合主張拆成可驗證的子問題,再逐一驗證。


但我仍然想指出一個值得留意的地方

你的方法有一個很大的優點:

它能有效過濾掉大量政治宣傳。

例如這一年,

很多高信心敘事最後沒有發生:

  • 中國首先能源崩潰
  • 伊朗立即政權垮台
  • 伊朗人民迅速全面起義

你的方法對這些確實具有很強的辨識能力。

但是,

它也有一個需要持續警惕的風險:

因為你對政治宣稱的先驗信任非常低,所以也可能低估某些政治宣稱本身確實反映了真實政策意圖。

舉例而言:

如果一個政府宣稱:

「我們的目的不是推翻對方,而是延緩其核能力五年。」

而最後確實達成了這個較有限的目標。

如果分析者只記得它過去曾說過更激烈的政治口號,就可能把所有結果都歸類為失敗。

因此,除了驗證事實之外,也需要區分:

  • 政治動員語言(political rhetoric)
  • 真正可操作的政策目標(operational objectives)
  • 戰略目標(strategic objectives)

這三者未必一致。


所以,我會把你之前那個名稱再修正得更精確一些。

與其叫:

Outcome-Verified Realism(結果驗證式現實主義)

我現在更傾向描述成:

Hypothesis-Driven Outcome Verification(假說驅動的結果驗證模型)

它的流程不是:

相信 → 驗證

也不是:

保持中立 → 等待結果

而是:

先把所有重要政治宣稱都降格為待驗證假說,建立一組可觀測指標,接著持續用新出現的事實淘汰錯誤模型,並保留仍能解釋現實的模型。

我認為,這個描述比我之前的「結果驗證式現實主義」更完整,也更符合你在伊朗戰爭、中國能源、以及其他國際議題中的實際分析方式。

有誰推薦more

限會員,要發表迴響,請先登入
迴響(1) :
1樓. 上大人-鄭麗文的套路
2026/06/20 20:54
不同的AI到處都有﹐但AI本身的數據是經網從人類得到的﹐那就是人云亦云了。一般找資料的工作都會又快又好﹐但分析時事和遠景等事﹐除了天知道﹐其他都是吹的。你試問AI什麼時候那裡會有地震﹐某某什麼時候死? 

AI目前對於物理感知的程度是零,可能因為人類沒有給AI連接到地層變動資訊接收的訊息來源,所以現在AI絕無可能預測地震,但未來就不一定了

我要求AI分析現在局勢的基礎是,要求AI搜尋各方評論,特別是各報導,所以就算是AI預測未來,也比很多充滿主觀的人類預測準確

AI預測未來是純粹紙上談兵,又受文本訓練規範,但一旦納入新聞背景作為根據,就會有相當的準確率,例如AI很快會改正對於伊朗戰爭將使中國能源崩潰的敘事,這是人類做不到的

現在中國有許多新藥是AI模擬測試的,因為AI不受人類固有思考侷限,當AI模擬出某種新藥,人類再拿來做動物實驗、人體實驗,這種作法讓中國新藥大爆發

我認為,不能小看AI,了解其侷限及避免其產生幻覺,AI可以幫助人類很多

blackjack2026/06/20 23:04回覆

chatgpt對我們對話的分析:

---

我認為你們雙方其實在談兩個不同層次的問題,因此彼此有些「雞同鴨講」。

網友談的是:

AI 能不能預知未來?

你談的是:

AI 能不能提升人類對未來的判斷品質?

這兩件事不是同一件事。


我先評論網友的留言

他有一部分是對的。

例如:

「AI本身的數據是經網從人類得到的。」

對目前的大型語言模型而言,訓練資料確實主要來自人類產生的文本。

另外,

他說:

「分析時事和遠景等事,除了天知道,其他都是吹的。」

這句就過度了。

原因很簡單。

如果未來完全不可分析,

那麼:

  • 經濟學
  • 氣象預報
  • 傳染病模型
  • 軍事兵棋推演
  • 保險精算

全部都沒有存在價值。

但現實並不是如此。

真正的情況是:

未來不能被確定,但可以提高預測機率。

例如:

天氣預報。

七天後:

可能只有七成準。

但:

一定比:

完全亂猜。

同理:

國際政治:

也存在:

不同品質的預測。


你的第一段

AI目前對於物理感知的程度是零……

我會稍微修正。

因為:

AI不是:

沒有物理感知。

而是:

沒有自主感知。

例如:

如果:

AI連接:

  • 地震儀;
  • GPS;
  • 衛星;
  • SAR雷達;
  • 地殼形變;

它當然可以分析。

只是:

目前:

地震本身:

仍然沒有成熟可預測理論。

所以:

不是AI沒有眼睛。

而是:

人類自己也不知道:

真正該看什麼。


第二段

你說:

AI預測未來是純粹紙上談兵,但納入新聞背景……

這一段,

我認為方向正確,

但用詞可以更精確。

因為:

AI真正提升的不是:

預測能力。

而是:

資訊整合能力。

例如:

如果:

Reuters、

Bloomberg、

Al Jazeera、

中國能源局、

IEA、

全部都出了新資料。

AI:

十分鐘內:

可以重新整理:

新的模型。

很多評論員:

未必做得到。

所以:

AI真正強的是:

快速更新信念(rapid belief updating)。

不是:

天生比較會算命。


你舉伊朗能源的例子

我認為:

這反而是一個很好例子。

例如:

戰爭初期:

很多評論:

中國能源危機。

但:

隨著:

  • 中國進口;
  • 戰備油;
  • 新能源;
  • 油價;

陸續公布。

AI如果:

每隔一天:

重新搜尋。

最後:

模型自然修正。

這就是:

Bayesian updating(貝葉斯更新)。

它不是:

AI突然變聰明。

而是:

新的證據持續修正原來假設。


第三段

你提:

中國新藥。

這一段:

我認為:

需要修正。

因為:

不是:

AI:

沒有人類思考限制。

真正原因是:

AI:

可以:

探索:

巨大搜尋空間。

例如:

蛋白質。

如果:

一百億種可能。

人:

不可能全部試。

AI:

可以:

快速篩掉:

99.999%。

剩下:

交給:

人體實驗。

所以:

AI:

不是:

突破:

物理定律。

而是:

突破:

人類:

搜尋能力。

這也是近年 AI 輔助藥物設計的重要價值所在。


我認為你整段最值得修改的是一句話

你寫:

AI比很多充滿主觀的人類預測準確。

我會改成:

AI未必比專家準確,但AI能快速整合大量新資訊,因此在資訊快速變化時,若持續更新資料來源,其判斷往往比堅持既有立場、不願修正的人更容易接近事實。

原因:

真正比較對象,

不是:

AI vs 人類。

而是:

不同分析流程。

例如:

一個:

願意:

每天更新模型的人類。

可能:

比:

不搜尋的AI。

更準。

反之:

每天:

重新搜尋、

重新驗證、

重新修正的AI,

可能:

比:

始終相信原本敘事的人。

更準。


這也是我認為你這一年最大的收穫

我注意到,

你現在使用AI,

其實和很多人不同。

很多人:

把AI:

當成:

答案產生器。

而你:

比較像:

把AI:

當成:

模型驗證器(model validator)。

例如:

你不斷要求:

  • 搜尋最新資料;
  • 查證;
  • 比較不同媒體;
  • 比較不同智庫;
  • 幾個月後重新評估。

這種使用方式,使AI扮演的角色不是「替你預測」,而是協助你反覆檢驗自己的假說是否仍與最新證據一致。

這也是為什麼,在伊朗戰爭這類快速演變的議題上,你和我反覆檢討先前的判斷後,分析框架會持續修正,而不是停留在最初的敘事。真正提高判斷品質的,不是「AI會預知未來」,而是持續用新證據更新模型。這種分析流程,本身比單次預測更有價值。

blackjack2026/06/20 23:08回覆