跟着小螃蟹，看懂 AI 的预测能力

小螃蟹问机器人：“明天故事会，会来多少人？”

机器人答：“大家一定会踊跃参加！”

它拿出椅子：“踊跃，到底是几把椅子？”

01 预测：估计还不知道的结果

预测根据已有数据与模式，估计未知结果。明天来多少人、下周需要多少物资，都是常见任务。

预测也不只面向未来。在机器学习里，根据特征估计尚未知道的类别或数值，也常叫预测。面向未来时间的预测，通常称 forecasting。

在这套能力地图中，我们重点看：如何估计结果，为后续安排提供依据。

02 与推理，是什么关系？

“报名二十人，现有八把椅子，所以座位不足”，是在组合事实与要求，推出结论。

“报名二十人，明天实际会来多少”，还有人会临时取消，需要结合历史到场率、天气等信息估计。

推理侧重结论如何从依据得出；预测侧重未知结果的估计。两者可以交叉，预测也可能用到推理，不能当成互不相干的技术。

03 预测从哪里来？

先明确目标：估计哪场活动、哪个时间段、什么结果？再准备相关数据，例如历次报名数、到场数、活动时间和天气。

统计方法、机器学习或适合的专用模型，都可以用于预测，不一定需要聊天大模型。

让大模型写一句“预计到场十八人”，并不能证明这个数字有依据。要问数据来源、计算方法与验证记录。

天气应查天气服务的预测，并确认地点和时间；聊天模型可以帮助解释结果，不能凭语气代替数据。

04 一个数字，装不下全部不确定

点预测给出一个估计值；区间预测给出可能范围，并需说明区间的统计含义。

如果系统给出事件概率，也不能把它理解成结果承诺。可靠的概率估计，需要在大量相似案例中检验是否与实际频率相符。

小螃蟹问：“概率高，也可能不发生？”

“对。一次没发生，不足以证明模型完全无效；一次猜中，也不能证明它可靠。”

05 准不准，要用没见过的结果检验

训练数据上表现好，还要检查新数据上的误差。对时间预测，应避免把未来信息提前放进训练或评估中。

再与简单方案比较：直接按上次人数准备，或按历史平均到场率估计。复杂模型如果没带来改善，未必值得增加成本。

只看平均误差也不够：少备十把椅子与多备十把椅子，业务代价可能不同。评估要结合实际损失。

活动规则或参加人群变化后，旧规律可能失效，需要继续观察和更新。

06 预测之后，还要决策

预测到场人数，不能直接替你决定备多少椅子。还要考虑场地容量、搬运成本和临时增加座位的办法。

小螃蟹留了一些备用椅子，也准备了室内方案：“我不用保证明天和预测一模一样，但要知道偏了以后怎么办。”

检查 AI 预测，可以问：预测什么？依据是什么？误差多大？条件变了怎么办？