VC начали использовать ИИ для прогнозирования будущего

Большие языковые модели сами по себе плохо предсказывают будущее: они обучаются на корреляциях, а не на причинно-следственных связях. Модель может знать, что два события часто происходят вместе, но не понимает, какое из них вызывает другое. Вероятности, которые выдают LLM, обычно не откалиброваны. Рынки предсказаний тоже имеют ограничения.

DigClaw разделяет процесс на отдельные компоненты: поисковый агент собирает информацию, отдельный модуль проводит причинный анализ, ещё один вычисляет вероятности. Каждое предсказание сохраняется с полной траекторией — какие данные использовались, как система рассуждала, каким был ответ. После наступления события лог сопоставляется с реальностью, что позволяет исправлять систематические ошибки. Если система говорит «60%», событие должно происходить примерно в 60% случаев.

Учтены и причинно-следственные цепочки: если несколько новостей отражают одну причину, их нельзя считать независимыми. Разработанный механизм снижает вес повторяющихся свидетельств. Внутренние тесты показали, что доля слишком уверенных ошибочных прогнозов упала с 25% до 12%.

На этой технологии DigClaw основала венчурное подразделение Newborn Ventures. Компания считает, что инвестиции — это прогнозирование, и его можно систематизировать. Система уже применяется и в публичных рейтингах, и для управления собственными инвестициями.