42AI 世界模型推出 為券商帶來人類行為預測
據發布報道指出，42AI 結束隱身模式並籌得 6,250 萬美元，聲稱其系統可預測人類行為。42AI 世界模型的推出，向金融機構提出一項影響深遠的主張：在客戶決定化為交易之前，預先判斷其決策。世界模型即模擬各種可能結果的系統；當模擬對象是人時，便尤其敏感。
眼前的張力，在於實用預測與聲稱理解個人動機之間的分野。券商不需要一部能讀心的機器，而是需要能在不確定情況下改善決策的預測，包括面對陌生環境時。這些要求較為狹窄，卻需要引人入勝的示範無法提供的證據。
現時已有研究可供參考。史丹福大學研究人員曾研究以訪談和問卷為基礎的模擬，而 Google DeepMind 則開發互動式模擬環境。這些方法處理的是不同問題。對 42AI 而言，核心問題是其對個人行為的表徵，能否比更簡單的預測方法帶來可靠優勢。
42AI 世界模型推出實際改變了甚麼
這項公布令行為預測業務進入公眾視野；但並未獨立證明該模型的預測範圍。
根據融資及部署詳情，行政總裁 Amit Gal-Or 表示，42AI 與 10 家大型券商合作。據報，其應用包括管理流動性、孖展要求及對沖風險。流動性是指可用於履行責任的資源，而對沖則利用相反持倉減低金融風險。
這筆融資亦需要放在脈絡中理解。Gal-Or 向 TechCrunch 表示，資金在三年間由創辦人及 Infinity Group 累積而成，並非全數來自外部投資。Infinity 的創辦人 Amir Gal-Or 是行政總裁的父親，同時擔任 42AI 主席及聯合創辦人。
這一分別會改變讀者應如何解讀該公布。累積融資總額描述的是隨時間投入的資源，未必代表一輪新近完成、具競爭性的融資。兩種結構都不能證明技術質素，但混淆兩者會造成外部投資者驗證的失實印象。
商業主張亦值得作同樣區分。供應商對部署情況的說法，只能證明該供應商稱其銷售甚麼及在哪裡營運。獨立記錄的客戶成果則回答另一個問題：該系統能否在買家可檢視的條件下持續創造價值。
Gal-Or 亦提到限制。若缺乏某人經歷的資訊，預測可能會被削弱，例如外部建議改變交易決定時。因此，即使系統對客戶的表徵看來細緻，仍是在不完整脈絡下運作。
這項限制並不代表行為預測毫無用處，卻改變了合適的產品承諾。估計可協助風險團隊為多種結果作準備，而毋須聲稱能優先得知客戶未來的決定。
對買家而言，相關改變是利用客戶資訊的新方案。日常業務活動中收集的紀錄，將成為預測後續選擇的輸入資料。買家必須同時評估預測本身，以及據此採取行動的後果。
試想一家面對動盪市場的券商。其員工可能希望估計客戶活動會否集中於特定工具。可靠預測可協助準備，但錯誤預測則可能促成不必要的保護性交易。
預測與行動的分別十分重要，因為預測不會自動創造價值。必須有人選擇回應方式、承擔相關成本，並判斷該回應有否改善最終結果。有用的模型仍可能支持糟糕的營運決策。
因此，42AI 世界模型的推出包含兩項相連主張：一項涉及預測行為；另一項涉及透過這些預測改善機構決策。第一項的證據不能取代第二項的證據。
券商面對應優化誰人行為的決定
即時壓力落在券商風險團隊身上：它們需要評估個別客戶預測能否改善既有流程。
這些團隊需要將其與現有方法比較。行為模型應透過更佳決策、更清晰的不確定性，或有用的預警來證明自身價值。其用詞本身不足以讓人假定這些好處存在。
合理的評估應由明確任務開始。預測客戶會否交易，與預測交易工具、方向、數量或時間並不相同。將這些結果合併為單一標題式主張，可能掩蓋系統在哪裡有幫助、又在哪裡失效。
不同任務的業務後果亦不同。對集中活動作出早期預警，可能有助準備；對某位特定客戶作出錯誤預測，則可能帶來另一組成本。買家在選擇效能目標前，須先識別這些後果。
還有一個問題是，產品服務的是誰的利益。券商可利用預期中的客戶活動，降低自身風險。這個目的並不自動證明行為被用作預測的人會受益。
機構可能會認為，更佳準備可支持更可靠的服務。這是一項值得調查的合理命題，而非可直接假定的結果。客戶影響需要獨立量度，包括機構績效指標可能忽略的不利影響。
同一項預測可支持不同干預措施。對客戶困境的預測，可能觸發有幫助的接觸、更密切監察，或在商業上更有利的回應。模型輸出本身不會決定最終採取哪一種用途。
在任何關於自由意志的哲學辯論之前，這已構成實際的管治問題。誰可存取個別預測？這些預測可影響哪些決定？哪些資訊會傳達給客戶？這些選擇塑造產品的實際影響。
因此，對採購團隊而言，示範應包括擬議的營運流程。買家需要看到預測在哪裡出現、由誰審閱，以及員工不同意時會發生甚麼事。出色分數對這些條件所言甚少。
讓模型在現有流程旁靜默運作，可提供有用的評估結構。員工可在結果發生前記錄預測，而毋須即時改變對客戶的處理方式。這有助區分預測表現與依據預測行動所引入的影響。
一旦開始投入營運使用，量度問題便更困難。若員工因預測而介入，最終結果同時反映客戶行為和機構行動。評估者必須避免把由無關改變造成的結果歸功於模型。
這些問題亦不只關乎金融業。企業買家愈來愈常接觸從日常工作活動推斷意圖的產品。系統收集脈絡的能力，不應與獲准使用每項推論混為一談。
知識工作者亦面對整理資訊與對人作出結論之間的相關分別。一個個人知識庫為這道界線提供有用脈絡。擷取文件與預測其作者的下一個決定，需要不同證據與期望。
對券商買家而言，眼前任務仍然具體：界定決定、識別受影響各方，並將結果與現行流程比較。否則，採購行為預測方案可能會變成昂貴實驗，卻沒有清晰的成功條件。
技術主張關乎不斷變化條件下的穩定特質
42AI 所提出的優勢，取決於個人特質表徵在環境改變時是否仍然有用。
公司公開描述強調行為風險智能。它表示，系統結合基礎特質、個人脈絡及世界事件，以預測反應。面向券商時，該公司宣稱可提前最多 24 小時預測交易工具、方向及交易量。
這些均為公司主張。該網站亦描述把原始資訊轉化為行為驅動因素，並為預測提供解釋。這說明預期的產品架構，但不足以證明推斷動機的準確度。
這項分別重要，因為行為標籤聽來可能比其背後證據更肯定。把某人形容為謹慎，或許是有用的速記方式，卻無法解釋該人在不同場景下作出的每一個決定。
一名謹慎的交易者可能因現有紀錄以外的理由採取不尋常持倉。一名自信的客戶亦可能因暫時限制而避免交易。模型必須區分持久傾向與情境，同時不能假定兩者任何一方保持不變。
公司連結了一篇名為行為預測研究的論文，作者為 Ben Yellin、Ehud Ezra、Mark Foreman 及 Shula Grinapol。論文於 2026 年 2 月提交，描述一個經訓練以預測個別策略選擇的大型行為模型。
作者將其方法與利用人格描述提示語言模型作出對照。他們以數值形式呈現的結構化心理特質作為模型條件。論文報告顯示，其模型在留出情景中的表現較未經調整的模型有所改善；留出情景即未被納入訓練的情景。
論文亦報告，使用 Big Five 特質——一個描述廣泛人格維度的框架——時，模型表現可與前沿基準相若。作者表示，當提示方法遇到限制時，模型仍可受益於更豐富的特質概況。
這些發現描述的是特定研究評估，並不能獨立驗證與現有券商產品相關的所有商業主張。買家需要有證據連結已評估模型、可用客戶輸入資料及實際部署的預測任務。
當輸入來源不同時，這種連結尤其重要。心理評估會有意收集關於某人的資訊；一般業務紀錄則為營運目的記錄活動。把兩者視為可互換，需要有證據說明每個來源實際揭示甚麼。
被推斷的特質亦可能帶有不確定性，而在轉換為整潔的數值表徵時消失。下游軟件可能把這種表徵視作既定事實。評估者應問：對個人的不確定性，如何轉化為對預測的不確定性。
解釋帶來另一種區分。以易讀方式說明某人可能為何行動，可協助審閱者理解一項預測。這不一定能找出最終決定的因果理由。
例如，一個系統可能將活躍程度上升與風險承受能力聯繫起來。這種關聯或有助於預測，卻未必能捕捉客戶真正的動機。預測效用與心理理解是相關的可能性，並非等同的成就。
42AI 主張的最有力版本，應顯示特質資訊在近期活動及市場背景以外，能帶來可靠的額外價值。較弱的結果則會顯示，在附加更繁複解釋下，表現仍然相近。
兩種結果均可驗證。移除特質輸入、保留其他資訊，並在相同條件下比較結果。買家在為人類行為的詮釋付費前，應要求進行這項比較。
其他模擬研究說明基準為何重要
人類模擬研究支持探索這個構想，但並未為驗證 42AI 的經紀預測提供捷徑。
一個有用的比較來自 Joon Sung Park 與同事的個人模擬研究。其修訂後的摘要描述了以訪談、調查或兩者兼用建立的代理人，樣本包括 1,052 名美國人。該研究評估了對調查回應及其他研究任務的預測。
報告中的調查結果以參與者自身的一致性作為參照。結合訪談與調查的代理人，達到相當於該基準 86% 的準確度。這不代表它們以 86% 的準確度預測了各種人類行為。
方法學上的啟示在於明確比較。讀者可辨識哪些資訊輸入了代理人、研究人員評估了哪些結果，以及參照分數如何定義。這些細節令結果可在其所述界限內加以理解。
經紀預測系統同樣需要這種清晰度，即使其技術方法有所不同。調查回應、策略情境及即時交易是不同的目標。某一項的表現，不能證明另一項的表現。
「模擬」一詞可能掩蓋這種差異。一個模擬的人或能合理地回答問題，卻未必能預見實際決定。真實決定會引入問卷未必能重現的限制與後果。
Google DeepMind 的工作提供了另一個參照點，而非直接的經紀競爭對手。其現時的 Genie 模型專注於生成及改變互動環境。這處理的是與估計特定客戶金融活動不同的問題。
這個比較說明，為何「世界模型」不足以作為採購分類。這個詞可描述具有不同輸入、輸出及評估方法的系統。買家在比較供應商前，需審視實際的預測目標。
對 42AI 而言，具商業相關性的對手是利用現有資訊的較簡單預測方式。一個更繁複的表徵應勝過合理的基準，即用來判斷改善程度的參照方法。否則，複雜度便成為沒有實證效益的成本。
基準可能已能捕捉規律活動、近期交易或對市場狀況的反應。行為模型必須顯示哪些額外資訊改變了預測，也應顯示這種改善能否在陌生條件下維持。
評估需要保留事件發生的先後次序。訓練資訊必須早於所預測的結果。否則，在作出決定時尚不可得的資訊可能意外影響結果，造成系統預知的誤導印象。
陌生條件同樣需要仔細定義。一個情境可看似不同，卻保留熟悉的底層模式。更有力的證據應區分輕微變化，以及真正挑戰模型所學內容的變化。
比較亦應考慮每個系統所獲取的資訊。若給予一個模型更豐富的客戶紀錄，而另一個只獲基本摘要，所測試的是資料與建模的綜合優勢，並不能分離行為架構本身的貢獻。
這並非貶低該研究方向，而是指出認真看待這個方向所需的證據。公開方法及界限清楚的主張，能令技術分歧轉化為有成效的審視。
42AI 世界模型的推出，將這種審視帶到商業場景。公司面對的挑戰，是把其研究主張連繫到可重複的營運結果，同時保持這兩種證據形式彼此區分。
準確度主張需要定義，而個人檔案需要界限
現有的表現主張，未能證明 42AI 能以近乎確定的程度預測個別決定。
在轉載報道中，Gal-Or 描述了一個 98% 的數字，涉及交易流量是否落在預測範圍內。他另行引用方向及成交量的 F1 分數介乎 0.8 至 0.85。F1 結合精確率與召回率，在誤報與漏報結果之間取得平衡。
這些指標回答的是不同問題。範圍可以涵蓋最終結果，卻不代表識別了其確切數值。分類分數則總結了某一特定任務定義下的表現。兩者都不應被轉化為預見人類選擇的籠統說法。
就區間預測而言，覆蓋率以外，範圍寬度同樣重要。一個寬闊範圍可涵蓋許多結果，卻提供很少營運指引。買家需知道預測是否足以縮窄不確定性，從而有用地改變決定。
就分類而言，類別及評估群體十分重要。預測常見結果可能帶來亮麗的整體結果，卻錯失罕見事件。風險應用尤其需要關注錯誤會帶來重大影響的情況。
校準同樣重要：機率應與事件實際發生的頻率相符。圍繞不確定結果作規劃的機構，需要可信的信心估計。一個模型即使能有效地排列客戶優先次序，仍可能對每項預測表達過度確定性。
這些是評估要求，而非證明 42AI 未能符合它們的證據。所審閱的公開資料未有提供足夠獨立細節來解決這些問題。買家不應把欠缺文件資料轉化為安慰保證或失敗判決。
私隱是另一個議題。創辦人表示，模型不需要可識別個人身份的資料。然而，報道中的部署涉及已連結的客戶活動。移除姓名，並不會消除建立個人行為檔案所帶來的影響。
營運上的問題是，機構能否把某項推論連繫到某個人並據此行動。一項預測可影響某人，即使該人的姓名沒有顯示在預測模型之內。因此，資料保障需要檢視整個系統。
敏感推論也可能出錯。若職員把估計傾向視為持久特徵，客戶可能面對基於不準確描述而作出的決定。更正底層交易紀錄，未必能相應更正該項推論。
機構應一併檢視保留、存取及更正程序。無限期保留個人檔案，與為明確目的使用暫時預測，會產生不同後果。廣泛的內部存取權，與受限制的風險應用，亦會產生不同後果。
創辦人據報提及監察及倫理委員會，並不能解決這些實施問題。買家需要具體限制，以及證明這些限制確實運作的證據。一項管治聲明無法揭示軟件實際容許哪些用途。
還存在回饋問題。一項預測可影響機構如何對待客戶，繼而改變客戶行為。後續訓練資料或會記錄這種反應，卻未必清楚識別機構在促成該反應中的角色。
這種可能性令部署後監察不可或缺。推出前完成的評估，無法解釋持續使用的每一種影響。機構需要區分預測改善，與日益依賴愈來愈塑造觀察結果的個人檔案。
三個訊號將釐清下一階段
下一步值得關注的發展，是可檢視的驗證、有文件記錄的客戶成果，以及可執行的個人檔案限制。
第一個訊號是採用明確方法的前瞻性評估。預測應在結果發生前記錄，並預先訂立任務定義及比較方法。結果應指出表現在哪些地方改善、在哪些地方惡化，以及不確定性如何表現。
這類證據可加強行為表徵帶來超越吸引人敘事價值的論據，亦可令負面結果具備效用。清楚界定表現邊界，有助買家識別合適應用，而不是假定其無所不及。
第二個訊號是把模型表現與商業成果分開說明的客戶案例。具名經紀公司無須披露敏感紀錄，也能說明其評估設計。它可以描述決定、比較程序、營運條件及觀察到的限制。
該案例應區分良好預測與良好介入措施。若在計入交易成本或市場狀況改變後，營運收益消失，商業解讀便會減弱。若收益能在相關條件下維持，對該應用的信心便會加強。
第三個訊號是對個人檔案建立的實際控制。買家應尋找有文件記錄的權限、存取紀錄、保留規則，以及對具重大影響用途的限制。這些控制可令管治主張更具體，亦更容易評估。
即使未能解決每一個技術問題，清楚的控制措施仍可加強對負責任部署的信心。含糊的保證則會令核心關注持續存在：機構或會獲得行為洞見，卻沒有向受影響人士提供相應的問責。
未來數月值得留意這些訊號，但本文並未確立任何特定的發布或驗證期限。它們的價值來自所揭示的內容，而非是否配合一項融資公告的時間表。
對開發者而言，這個故事提醒我們要在整個產品中保留不確定性。推論出的特質、預測的行動及生成的解釋，應保持可區分。把它們合併為一個自信的客戶標籤，會令系統更難評估及更正。
對企業買家而言，眼前的含意同樣實際。採購決定應依循預期任務及可得證據。融資總額與雄心勃勃的模型類別，都不能回答產品是否改善特定工作流程。
透過這些具體訊號追蹤 42AI 世界模型的推出。要求了解預測目標、比較方法、預測時可得的資訊，以及錯誤的後果。尋找能同時說明收益與限制的客戶證據。把關於心理理解的主張，與量度得出的預測表現分開。在接受行為檔案作為有用背景前，先確立誰可以檢視、質疑及據此行動。具建設性的問題是：一個界定清楚的系統，是否能協助人們在不確定性下作出更佳決定？甚麼證據能說服你，預見客戶行為可改善機構營運，同時保留客戶理解及質疑這些知識如何被使用的能力？
