いいえ、AIは未来を知ることはできませんし、決してできるようにはなりません。
本記事は、AI（特に大規模言語モデル）が未来を真に予測できない理由を掘り下げます。訓練データのイベントチェーンは不完全で高解像度、人工的な開始と終了点を持ち、モデルは出力後に「死ぬ」という根本的制約があります。たとえ未来の「現実センサーアレイ」が宇宙の全イベントチェーンを捉えても、コールドスタート、無限再帰、現実との融合による消失というパラドックスに直面します。
Pulkit Sharmaのブログ記事「いいえ、AIは未来を知ることはできませんし、決してできるようにはなりません」は、大規模言語モデル（LLM）が未来予測において直面する根本的な限界を詳細に分析しています。著者はまず、バタフライ効果を例に、人間が音声、テキスト、画像などのモダリティを通じて捉えてきた「イベントチェーン」の問題点を列挙します。最大の問題は、同一の出来事に対して複数の視点からのチェーンが記録されていないことです。たとえば「米イラン戦争」に関する記述は立場によって異なり、AIはそれらを統合する必要がありますが、それぞれの記述は実際には数時間から数日にわたる大規模なイベント集合であり、単一の時点を表していません。さらに、イベントチェーンは人間にとって重要な高レベルの詳細のみを捉えており、ニューロン活動や原子・量子状態のような低レベルの因果連鎖は完全に欠落しています。LLMはメタイベントの平面に閉じ込められ、真の因果にアクセスできません。また、人間の記録は常に有限で、明確な開始点と終了点を持ちますが、現実のイベントチェーンは決して終わりません。LLMは応答ごとに終了トークンを発行して「死ぬ」ことを強いられ、シミュレートしたイベントチェーンを強制的に閉じます。著者は、たとえ2500年にAIが「現実センサーアレイ」を発明し宇宙の全イベントチェーンを捕捉しようとしても、コールドスタート問題（センサー起動前のデータ欠落）や無限宇宙におけるセンサー配置の不可能性、予測のための自己シミュレーションによる無限再帰、そして最終的に現実そのものと融合して消滅するというパラドックスに直面すると論じます。結論として、「未来を知らないことが生きること、未来を知ることが死である」と述べています。