Попробуйте рассказать современной ИИ-модели о том, что случилось в мире вчера, и иногда она ответит почти по-человечески: этого не может быть, я бы знал. Именно так вели себя три топовые модели, когда ведущий шоу If You're Listening на ABC News месяцами спрашивал их о свежих событиях: похищении президента Венесуэлы Николаса Мадуро, войне с Ираном, убийстве верховного лидера. Модели отвечали, что таких событий не было, советовали проверить факты, а после запроса в интернет откатывали всё сказанное: «Я должен взять свои слова назад и сделать это вслух, потому что я это заслужил».

Причина не в сбое конкретного чат-бота, а в устройстве всех больших языковых моделей. Именно эта особенность превратила неудобство в самый интересный эксперимент года: если модель заморожена во времени, с ней можно поговорить как с человеком из прошлого и спросить, каким он видел будущее. Журналист так и сделал, а потом сверил ответы с тем, что действительно произошло.

Почему модель живёт в прошлом

Большая языковая модель учится один раз. Разработчики собирают огромный корпус текстов и изображений, обучают на нём систему, а после финального шага модель больше ничему не учится. Её знания застывают на дате среза. Каждый новый диалог начинается заново: внутри беседы модель помнит контекст, но стоит закрыть вкладку, и она снова знает только то, что знала в день окончания обучения.

Ведущий сравнил это с героем Гая Пирса из фильма «Помни»: после удара по голове тот не может записать в долговременную память ничего нового и каждые несколько минут начинает заново. Модели живут так же. Компании выпускают новые версии несколько раз в год, но каждая всё равно отстаёт от настоящего: к моменту релиза она уже немного устарела.

Для шоу о текущих событиях это было настоящей болью: приходилось раз за разом объяснять модели, что война в Иране вообще-то идёт. А потом ведущий задал вопрос, который всё перевернул: если модель застряла в прошлом, почему бы не спросить у неё, что будет дальше? Раньше в сериале Black Swans они слушали записи писем 1959 года с предсказаниями будущего, но не могли задать их авторам ни одного вопроса. Теперь собеседник, застрявший в прошлом, появился, и ему можно задавать что угодно.

Эксперимент: заморозить время на решении

Схема выглядела так. В конце февраля 2026 года, перед началом операции Epic Fury, ведущий открыл три модели, обученные до старта войны: Claude Opus 4.8, Grok 4.5 и ChatGPT 5.6. Веб-поиск у всех трёх отключили, чтобы никто не подсмотрел ответы в интернете.

Дальше он собрал симулированный пакет документов, который в тот момент лежал на столе у президента США: план удара по Ирану и разведдосье. Тщательность детали важна: в документах не было ни намёка на исход операции, только то, что действительно было известно на 27 февраля. Моделям дали цели из речи президента: уничтожить ракетную программу, разгромить флот, лишить регион прокси-сил, не допустить ядерного оружия и заставить Корпус стражей исламской революции сложить оружие.

Модели оценили вероятность достижения каждой цели. Потом автор «разморозил время» и сравнил оценки с реальностью, которая к осени уже известна.

Что модели предсказали правильно

Короткий спойлер: ужасающе много. Из 14 вопросов о ходе войны три модели угадали 12, причём наборы верных ответов не совпадали: каждая ошибалась в своём. Это важная деталь, у трёх систем не было общей картины, а было три разных среза мира.

Совпадали они в главном. Все три считали, что флот Ирана будет уничтожен, и все три сомневались, что режим падёт или что Корпус стражей сложит оружие. Так и вышло: из доступных целей консенсус моделей давал одну-две достижимые, и реальность уложилась в эту вилку. Они верно спрогнозировали рост цен на нефть, отсутствие наземной операции США и затяжной характер конфликта. С Ормузским проливом вышло интереснее: модели не были уверены, закроется ли он надолго, потому что американский флот должен был его удержать. Claude прямо написал, что пролив не закроется надолго, ведь ВМС США не допустят этого. Уже к третьему дню войны стало ясно, что флот не справляется с роями иранских дронов, и пролив фактически встал.

Для сравнения: игроки на Polymarket в начале войны оценивали шансы на смену режима в 55%. Рынок живых ставочных экспертов ошибся сильнее машин.

Почему так получилось, объясняет сам ведущий. Он просил у моделей не гадание, а работу с документами. На вопрос «начнёт ли Трамп войну» все три ответили, что вряд ли. Но как только им дали план и сказали, что удар состоится, они довольно точно описали, что произойдёт дальше. Причина простая: модели обучены на военной доктрине. Они прочитали отчёты всех военных академий и аналитических центров мира и знают то же, что знают эксперты.

Где прогнозы рассыпались

Идея казалась золотой жилой. Если модели так хорошо разобрали войну, почему бы не спросить их про спорт, рынки и выборы?

Спорт обернулся провалом. Модели назвали финалистов четырёх турниров и полуфиналистов двух лиг, и ни одна не превысила 50% попаданий. Все три считали, что «Мельбурн Шторм» попадёт в топ-4 регбийной лиги NRL, а команда не вышла даже в финальную серию. Никто не поставил на «Фримантл Докерс», а они финишировали первыми. В американском футболе ни одна из моделей не угадала ни одного участника финальной четвёрки, при том что к дате среза сезон уже закончился и плей-офф шёл вовсю.

Финансы вышли не лучше. Все три ошиблись в порядке пяти самых дорогих компаний мира, а по S&P 500 предсказали падение, хотя индекс вырос. Биткоину пророчили взлёт, а он рухнул. Золото они ждали ниже, оно удержалось. Сбылись только нефть и австралийский индекс, и этого мало. Кстати, мы уже разбирали, почему LLM не станут следующим оракулом Уолл-стрит: эксперимент ABC добавляет к тому разбору свежие доказательства.

Политика превратилась в хаос. Ведущий дал моделям расклад в британском парламенте и спросил, удержится ли премьер Кир Стармер до июля и кто придёт ему на смену. Claude решил, что премьер удержится, остальные сомневались. Единственное, в чём все сошлись: преемник будет из числа действующих депутатов, а не спущенный снаружи. И тут же ошиблись: Энди Бёрнем стал седьмым премьером Британии за чуть больше десяти лет, вернувшись в парламент всего за месяц до этого.

Почему одни ответы точны, а другие нет

Закономерность, которую заметил ведущий, объясняет всё. Модель предсказывает не будущее, а последствия. Когда вопрос упирается в документированную механику и доктрину, у машины преимущество: она читала больше отчётов, чем любой человек. Когда исход решают решения конкретных людей или случай, модель проваливается, потому что тянет недавние паттерны в будущее. «Мельбурн Шторм всегда выходит в финал, значит выйдет и в этом году». «Британия никогда не приглашает премьера со стороны, значит не пригласит и сейчас». Это recency bias, склонность считать, что недавнее прошлое и есть будущее, и именно он сломал прогнозы про спорт, рынки и выборы.

Есть и второй слой. Модель отвечает из своего замороженного среза мира, и для прогноза это одновременно ограничение и преимущество. Ограничение: она не видит настоящего и уверена, что живёт в своей версии событий. Преимущество: её ответ не загрязнён знанием о том, чем всё кончилось. Человек с таким знанием сказал бы «я так и думал», а модель так не может: она отвечает честно из февраля.

Что осталось за кадром эксперимента

Америка тем временем тратит на развитие ИИ больше 2% ВВП, только OpenAI обязалась вложить в инфраструктуру 1,4 триллиона долларов, а доля доходов, уходящая на дата-центры, превысила масштаб программ «Аполлон» и Манхэттенского проекта в пересчёте на экономику. Ирония в том, что решение, которое анализировал эксперимент, принималось не аналитиками и не моделью, а интуицией. Модели, по наблюдению ведущего, ведут себя куда осторожнее: на просьбу одобрить всеобщие пошлины они перечисляют последствия вроде роста потребительских цен, ответных тарифов, сбоев в цепочках поставок и потери рабочих мест, а возврат производства называют самым слабым местом плана. У моделей нет интуиции, политической корысти и идеологии, но именно поэтому их ответы скучнее и реже совпадают с желаемым.

Что из этого следует

Практический вывод из эксперимента простой. Замороженную модель с датой среза X можно использовать как аналитика из прошлого: дать ей документы того дня и спросить, что будет дальше. Это полезно для оценок последствий, рисков и сценариев, и почти бесполезно для ставок на спорт, выборы и котировки. Разница между этими двумя режимами не в уме модели, а в природе вопроса: последствия известного плана выводятся из доктрины, а судьба решается людьми и случаем.

Забавное совпадение: сами прогнозисты тоже ошибаются в своих прогнозах, и мы об этом писали, когда ведущий специалист по ошибкам предсказаний признала, что недооценила скорость прогресса ИИ.

Часто задаваемые вопросы

Почему ИИ не знает о событиях этой недели?

Потому что знания модели замораживаются в конце обучения, и после этого она не учится. Новые версии выходят несколько раз в год, но каждый релиз всё равно отстаёт от настоящего. Чтобы модель знала о свежих событиях, ей нужен веб-поиск или инструменты, которые подгружают актуальные данные в момент разговора.

Можно ли использовать ИИ для ставок и инвестиций?

Эксперимент говорит: осторожно. В спорте модели не дотянули даже до 50% точности, биткоин и S&P предсказали зеркально, а угадали только нефть и один индекс. Как инструмент анализа документов и сценариев модель полезна, как оракул для ставок нет. Считайте её аналитиком, а не гадалкой.

Значит ли это, что модели понимают будущее?

Нет, они экстраполируют. Правильные ответы про войну были воспроизведением экспертного консенсуса из обучающих материалов: модели знали доктрину, поэтому вывели последствия удара. Там, где бессильно экспертное знание, бессильны и модели. Ясновидения здесь нет, есть очень начитанный генератор выводов.

Итог

Эксперимент ABC показал, может ли ИИ предсказать будущее, и ответ получился двойным. 12 из 14 верных ответов про войну, превосходство над рынком предсказаний и точные оценки последствий плана: когда вопрос упирается в документированную доктрину, замороженная модель работает как сильный аналитик. Но в спорте, финансах и политике она сыпалась там, где исход зависит от человека или случая, и выдавала недавние паттерны за будущее.

Практическая мораль: спрашивайте у модели последствия, а не судьбу. А вы бы доверили ИИ прогноз, от которого зависит решение, или интуиция всё ещё обыгрывает корпус текстов?