人工智能预测

人工智能预测的核心不是把传统预测问题简单交给一个更大的模型，而是改变预测系统获取信息、学习特征、比较模型和服务决策的方式。传统方法往往依赖人工设定趋势、季节性、滞后项、节假日和外生变量；AI 方法则希望从大规模、多来源、高维度的数据中自动发现可预测结构，并把这些结构转化为稳定可用的预测表示。大语言模型对预测领域的影响，也主要体现在这种信息组织、自动化和流程重构上 Makridakis et al., 2023。

在本课程中，AI 预测仍然首先是时间序列 forecasting，而不是任意机器学习 prediction。用学生画像预测期末成绩属于一般 prediction；用历史销量、价格、节假日、促销和外部事件预测未来销量，则是更严格的 forecasting。这个区别能帮助我们避免把任何模型输出都称为预测系统。

AI 进入预测以后，真正要解决的是四类瓶颈：序列数量太多，人工无法逐条建模；关键特征隐藏在业务系统和外部环境中，肉眼不容易发现；疫情、政策和供应链冲击会打断历史规律；预测结果还必须进入库存、产能、价格和政策等后续决策流程。

我们把这个问题概括为一个现实压力：现代社会的数据已经多到不能靠手工消化。订单、点击、图片、文本、定位、航班、天气、设备日志和财务记录都在持续生成。传统预测不是没有用，而是在数据规模、变量种类和更新频率上遇到了边界。AI 预测要回答的不是“能不能把一个模型叫作智能”，而是能不能在这种数据规模下更快地发现结构、形成预测并服务决策。

我们还要补充一个重要提醒：AI 不保证永远超过人类专家或传统统计模型。它更像一种会逐渐基础设施化的预测起点，可以快速给出候选判断、候选代码和候选曲线，但这些输出最终仍要被现实检验。一个严肃的 AI 预测系统，不能只问“模型能不能给答案”，还要问“这个答案是否在统一评价规则下超过了专家、朴素基准或传统模型”。

从企业角度看，AI 预测会逐渐像数据一样成为常规输入。管理者不一定要把 AI 输出当成最终答案，但可以把它当作 reference：当新人、专家、统计模型和 AI 给出不同预测时，系统要记录这些候选判断，并用统一评价规则决定谁在什么场景下更可信。这样 AI 不是替代所有判断，而是进入预测平台，成为可比较、可追踪、可复用的一类信息资产。

在这个基础上，我们进一步强调：时间序列基座模型让预测更像基础设施，而不只是一次性建模项目。预训练阶段已经付出了主要学习成本，推理阶段则把新的时间序列送入模型，快速得到候选预测；TimeGPT 这类模型正是这种思路的代表 Garza et al., 2024。健康设备是一个直观例子：手表持续记录血氧和心率，如果模型能预测未来几分钟可能出现异常，就可以提前提醒老人坐下或求助。这里的价值不一定来自 benchmark 上多提高 1% 的精度，而是来自预测能否及时进入真实行动。

如果继续把基础设施问题推进到本地 AI 算力，就会看到另一层约束。云端大模型使用方便，但医院、企业、教学和个人健康数据常常不能随意上传。个人或小团队如果拥有本地 AI 计算设备，就可以在自己的环境里运行开源模型、做领域微调、保存敏感数据，并把预测能力嵌入团队或家庭流程。AI 预测的基础设施因此不只包括算法和 API，也包括数据是否留在本地、算力是否可持续、模型是否能在小团队中被反复使用。

只要业务记录带有时间戳，它就可能被重新组织成时间序列或时间序列特征。一次点击、一次预约、一次车辆等待、一张商品图片的上传、一次 API 调用，本身看起来都不是传统时间序列；但当它们持续发生并与目标变量相连时，就会变成预测系统的输入。AI 预测的一个核心能力，是把这些分散痕迹转化为可学习信号。

学习目标¶

完成本章后，你应该能够：

• 解释时间序列特征（time-series features）在 AI 预测中的作用。

• 区分人工特征工程（manual feature engineering）和自动化特征学习（automated feature learning）。

• 说明趋势、季节性、自相关、外生变量和代理变量如何影响预测结果。

• 解释时间序列特征矩阵如何帮助模型匹配。

• 解释泛化能力不足、过拟合、欠拟合和结构突变在预测中的表现。

• 为一个业务预测任务设计基本的 AI 预测流程。

时间序列特征¶

时间序列特征是从历史数据和相关信息中提取出来、能够反映规律性和动态变化的属性。模型能学到什么，往往取决于输入中是否包含有用特征。

常见特征包括：

• 趋势特征（trend feature）：序列是否长期上升或下降，例如某个行业的销售额持续增长，或某类商品需求逐步下降。

• 季节性特征（seasonal feature）：固定周期内重复出现的模式，例如夏季饮料需求高于冬季、春节期间电商消费结构变化、用电量存在季度和日内周期。

• 自相关特征（autocorrelation feature）：当前时刻与过去时刻之间的相关性，例如本月需求受到上月需求影响，或者金融收益率与前几期收益存在弱相关。

• 外生特征（exogenous feature）：价格、天气、促销、政策、宏观经济、搜索指数、航班运力和地缘政治等外部信息。

• 代理特征（proxy feature）：不能直接观察目标机制时，用夜间灯光、搜索行为、客流、定位、图片、声音或视频等信号近似刻画真实活动。

这些特征有些很容易看见。自动售货机中的饮料销量可能有夏季高、冬季低的季节性，也可能有上午、下午和晚上不同的日内周期。用电量可能同时包含季度、月度、周度和日内周期。趋势可以通过移动平均等简单方法提取：固定一个窗口，逐步向前滑动并计算局部平均，就能看到比原始波动更平滑的长期方向。

也有些特征不容易直接从图上看出。阿里巴巴某类 3C 产品的日销量如果只看黑白曲线，很多尖峰和下跌都像噪声；一旦把 618、双十一、春节、预售、优惠券和平台活动标出来，许多异常波动就变成了可解释的业务事件。预测像破案：历史序列是基本证据，特征是关键线索。没有线索，模型只能猜测；线索越接近真实机制，预测越可能稳定。

还有一些特征来自行为轨迹，而不是传统表格。地图软件里的拥堵和红灯等待时间，可能来自手机导航轨迹、速度变化和周边车流，而不是来自每个路口的官方传感器。企业 demo 预约和成单率预测，也会使用客户预约、跟进、地区、渠道和转化时间分布。这类数据说明，AI 预测经常要把业务过程中的“痕迹”转化为可学习信号。

特征为什么重要¶

特征决定模型能否区分“噪声”和“信号”。如果一个商品在 双十一 前后出现销量尖峰，但模型不知道那一天是促销期，它可能把尖峰当作随机异常；如果模型知道促销、折扣、预售和购物车行为，尖峰就可以成为未来促销预测的有效依据。

代理变量也体现了特征的重要性。夜间灯光强度可以近似反映地区经济活动，旅游搜索指数可以反映潜在出行意愿，航班运力可以反映出境游恢复条件，声音和视频数据可以补充文本中没有表达出来的沟通信号。这些信息不一定来自目标变量本身，却可能提前反映需求、风险或情绪变化。

但是代理特征不能盲目信任。一个代理变量在某个时期有效，不代表永远有效。夜间灯光与经济活动的关系可能受到产业结构、节能政策或生产方式变化影响；搜索指数与真实消费之间也可能被舆论事件、平台推荐或短期恐慌放大。AI 预测需要自动发现特征，也需要持续检查特征是否仍然代表同一件事。

航班延误是另一个例子。传统模型容易想到天气、航空公司、航线距离和季节性；但在大型枢纽机场，一个小的前序延误可能沿着航班网络传递，造成后续机场持续拥堵。这种“传染效应”不是单条时间序列内部很容易看出的结构，而是跨航班、跨机场网络中的动态模式。AI 方法的价值之一，就是帮助我们在复杂系统中发现这类人工难以穷尽的交互特征。

人工特征工程与自动化特征学习¶

人工特征工程依赖专家经验和大量试错。差分（differencing）、移动平均、傅里叶项（Fourier terms）、节假日哑变量（holiday dummy variables）、自相关函数（Autocorrelation Function, ACF）和统计特征（statistical features）都很有用，也具有较强解释性。很多经典工具会把一条时间序列转换成一组可计算特征，再根据这些特征判断更适合使用哪类模型。

问题在于，商业预测很少只有一条序列。电商平台可能要同时预测上百万个商品、地区、仓库和时间粒度。少量专家可以解释几个重点品类，却无法持续手工维护所有产品的促销规则、生命周期、替代关系和区域差异。人工特征工程在规模上会遇到成本边界。

我们用创业公司作一个简单成本估算：如果一家预测公司拿到一笔启动资金，却必须为每个行业请高水平专家、再配一个十人团队手工做特征，资金很快会被人力成本吃掉。Amazon、京东、阿里这类平台也不能把一个十人预测团队简单扩成几百人、几千人来追赶业务规模。自动化特征学习的管理价值，正是在于把专家经验沉淀成可复用流程，让系统可以在海量序列上稳定运行。

自动化特征学习并不等于取消领域知识。更准确的说法是：领域知识帮助我们定义问题、筛选数据、设定约束和解释结果；AI 模型帮助我们在高维数据中学习人工难以逐一设计的结构。把时间序列转换成图像或其他可学习表示，再用于模型选择和组合，就是自动化特征学习进入预测的一个例子 Li et al., 2020。

在 AI 预测流程中，特征可以来自几个层次。第一层是人工可解释特征，如趋势、季节性、促销和滞后项。第二层是自动提取的统计特征，如峰值、波动性、自相关强度和间歇性。第三层是模型学到的表示，例如 embedding、深度网络隐藏状态或时间序列基座模型中的序列表示。好的系统通常不会只依赖其中一层，而是把可解释特征、自动化特征和业务约束结合起来。

图像、文本和自然语言处理（Natural Language Processing, NLP）也会进入预测流程。二手书交易中，图片可以帮助系统识别书的新旧程度，文字识别可以确认书名和版本，历史销售记录可以估计流行度和合理价格。这类信息本来很难被传统时间序列模型直接使用，但 AI 可以把它们转化为结构化特征，再进入销量、定价或库存预测。

特征矩阵与模型匹配¶

当平台有几十万条甚至上百万条时间序列时，不能靠直觉逐条选择模型。一个可操作的做法是先为每条序列计算一组特征，形成特征矩阵（feature matrix）：每一行是一条时间序列，每一列是一个特征，例如 Linearity、Curvature、ACF、Trend、峰值强度、波动性和季节性强度。

有了特征矩阵，就可以比较不同模型在不同特征区域中的表现。Auto ARIMA（Automatic ARIMA）更擅长某些自回归、差分和季节结构；ETS（Error-Trend-Seasonal）更适合一些平滑趋势和季节性问题；神经网络可能在非线性和复杂交互中更有优势；Naive（朴素法）方法虽然简单，在很多短期、稳定场景中仍是重要基线。模型表现不是抽象地“谁最好”，而是和序列特征有关。

这就是模型匹配（model matching）的思想：先问这条序列是什么形状，再问哪个模型适合这种形状。线性很强的数据不一定需要复杂神经网络；高峰明显、促销强烈或外部冲击频繁的数据，可能需要更多事件特征和非线性模型。AI 预测系统要学习的，不只是预测值本身，还包括“什么样的序列交给什么样的模型或专家”。

MoE 会把这个问题进一步推进。模型匹配不是人工列一张固定规则表就结束，而是可以变成可学习的路由机制：系统先识别序列形态和业务上下文，再决定调用哪些专家模型，以及各自占多少权重。这样，AI 预测平台学习的不只是 forecast，还包括 forecast 的分工方式。

这一思想也解释了为什么简单基线不能省略。Naive 方法用最后一个观测值预测未来，看起来粗糙，却能检验复杂模型是否真的学到了额外信息。如果复杂模型不能稳定超过 Naive、季节性 Naive 或移动平均，就很难说它提供了可用的智能。

可解释特征与隐藏表示¶

tsfeatures 这类工具代表了一种重要路线：先由专家定义一组可解释时间序列特征，再把它们写成函数自动提取。早期研究曾整理出几十个核心特征，例如线性、曲率、自相关、趋势和差分相关特征。它们计算成本低，解释性强，适合作为自动化预测的起点。

另一类工具如 catch22 会从大量候选特征中筛选更紧凑的代表性特征。特征数量并不是越多越好。上千、上万维特征可能改善模型输入，却会让管理者难以理解为什么系统相信某个预测。企业系统通常需要在可解释性（interpretability）和预测性能之间折中：可解释统计特征帮助人理解，深度学习 embedding 或隐藏状态帮助模型捕捉传统特征之外的结构。

因此，AI 预测不是“人工特征”与“深度学习特征”二选一。更稳健的做法是把可解释特征、自动化统计特征、深度表示和业务约束组合起来，让系统既能发现隐藏规律，也能向人说明主要依据。

泛化能力¶

泛化能力（generalization）指模型在未见过的新数据上仍能保持稳定预测性能。预测模型不能只拟合历史，它必须面对未来。

泛化能力不足通常表现为：

• 过拟合（overfitting）：历史数据拟合很好，未来误差很大。

• 欠拟合（underfitting）：模型太简单，连趋势和季节性都没有学到。

• 对新情境脆弱：外部条件变化后，预测效果骤降。

• 特征失效：过去有效的外生变量或代理变量，在新的制度、技术或行为环境下不再有效。

提升泛化能力的方法包括滚动预测验证、合理的特征选择、简单基准模型、组合预测、概率预测，以及在统计模型和 AI 模型之间做稳健集成。不要只比较训练集误差；更应该用“过去预测未来”的方式模拟真实使用场景。

新冠后出境游恢复说明，AI 预测并不只是寻找更复杂的函数。疫情前的旅游需求有明显趋势和季节性，常规模型可以较好外推；疫情冲击后，历史规律被打断，问题变成了“系统何时恢复、恢复到什么水平、以什么路径恢复”。这时需要先构造没有冲击时的基准预测，再观察恢复窗口中的航班、搜索、政策和客流信号，用恢复系数（recovery coefficient）、分层预测（hierarchical forecasting）、预测调和（forecast reconciliation）和组合预测（forecast combination）把不同信息整合起来。

这个例子说明，泛化能力不是模型名带来的，而是由问题设定、数据窗口、外部信号、验证方式和业务假设共同决定的。越是依赖历史数据的模型，越需要对“未来是否仍像过去”保持警惕。

在恢复预测中，模型之外的假设同样重要。我们通常需要先假设系统会逐渐恢复，再估计恢复的时间、水平和曲线形状。海外活动、交通流量、住宿、航班运力、签证政策、地缘政治和搜索行为不会直接给出答案，但会给出恢复速度的暗示。AI 的作用之一，就是帮助整合这些弱信号，而不是机械地把疫情前趋势向后延长。

泛化也意味着不要把预测理解成单一方法竞赛。我们把预测系统类比为一辆车：稳定长距离运行不只靠发动机，也不只靠轮胎，而是动力、电池、能耗、稳定性和抗疲劳系统共同工作。Forecasting 同样不是纯粹 methodology-driven 的事情，而是统计工具、工程系统和决策支持共同构成的能力。

组合预测与稳定性¶

现代时间序列预测很少追求“一个模型打天下”。ARIMA、ETS、树模型、神经网络、时间序列基座模型和人工规则都可能在某些序列上有效，但几乎没有一个模型能在所有特征、所有频率和所有步长上胜出。组合预测或集成方法的直觉是：让多个模型分别捕捉不同维度的信息，再用验证表现、序列特征或业务规则分配权重。

稳定性是企业预测的硬要求。一个模型如果今天预测海淀区某类电脑需求 100 台，明天跳到 500 台，后天又变成 10 台，即使某些单点误差不大，也会给库存、现金流、仓储和调货计划带来冲击。自动化预测平台要追求的不是孤立一次的“看起来很准”，而是在大量序列、多个预测步长和不同业务周期中稳定输出可用结果。

AI 预测流程¶

一个完整的 AI 预测流程至少包括七步：

1. 定义预测目标：预测什么变量、预测多远、服务什么决策，明确点预测、区间预测或概率预测需求。

2. 整理目标数据：统一时间粒度，处理缺失值、异常值、多序列层级和数据口径变化。

3. 接入外部信息：加入价格、天气、节假日、促销、搜索、文本、图片、声音、视频和业务事件等可能影响未来的信号。

4. 构造或学习特征：结合人工特征、自动统计特征、深度表示和多序列相似性。

5. 训练和比较模型：同时保留简单基准、统计模型、机器学习模型、深度学习模型和时间序列基座模型候选。

6. 评价和集成结果：使用滚动验证、留出测试、业务指标、组合预测、分层预测和预测调和检查稳定性。

7. 部署与监控：持续检查数据漂移（data drift）、误差变化、特征失效、计算成本和决策效果。

AI 预测最容易被误解的地方，是把模型调用当成完整流程。事实上，模型只是流程中的一个环节。数据质量、特征设计、验证方式、业务反馈和系统监控同样决定预测系统的价值。

亚马逊预测平台的案例强调了规模问题。少量产品可以靠专家团队手工预测；当产品、地区、仓库和时间粒度同时扩张时，预测必须变成平台能力，包括数据接入、特征生成、批量建模、自动评估和业务系统集成。Google Cloud 的产能管理也类似：如果客户未来需要多少机器、在哪个区域部署、需求如何增长都不确定，平台就必须用预测来平衡服务水平、能源成本和闲置资源。

因此，AI 预测系统不应是“这个场景调一个模型、那个场景换一套脚本”的碎片化工具。它更像统一平台：能够在大量序列上接入数据、学习特征、比较模型、生成预测、记录误差并把结果交给业务系统。只有这样，预测才可能从研究示例变成企业能力。

预测与决策的连接¶

预测本身不产生价值，只有进入决策才产生价值。销量预测可以影响库存；需求预测可以影响排班；价格预测可以影响采购；风险预测可以影响授信；旅游恢复预测可以影响航线、签证、营销和外交政策。

因此，在设计预测任务时要同时回答两个问题：预测误差如何衡量？误差会怎样影响决策？如果高估和低估的成本不同，模型选择和评价指标也应当不同。对电商来说，高估需求可能造成库存积压，低估需求可能造成缺货和现金流损失；对云计算平台来说，高估算力需求会造成机器闲置，低估需求会影响服务可用性。

AI 预测系统还需要向决策者解释“为什么可以相信”。可信不是因为模型复杂，也不是因为专家声音大，而是因为系统能展示数据来源、验证记录、误差范围、关键假设和业务后果。预测是科学，也是实践中的判断艺术：它既要有可检验的方法，也要能在不确定条件下支持具体行动。

常见错误¶

• 把“模型更复杂”误认为“预测一定更好”。

• 把 AI 给出的快速起点当成已经验证过的最终预测。

• 忽略简单基准模型，没有证明 AI 模型带来增量价值。

• 只看点预测，不看预测区间、误差分布或决策损失。

• 用未来信息构造训练特征，造成数据泄露。

• 把某个代理变量过去的相关性当作稳定机制。

• 只依赖少数专家手工特征，无法覆盖大规模多序列场景。

• 忽略序列特征与模型表现之间的匹配关系，默认一个模型适合所有序列。

• 遇到疫情、政策、供应链中断等结构突变时，仍然机械外推历史规律。

• 在一个场景上调参成功后，直接假设能泛化到所有场景。

• 做出预测后没有部署、监控和业务反馈，导致模型无法持续改进。

练习¶

1. 为一个零售销量预测任务列出至少五个可能有用的外生特征，并区分哪些是可直接观测特征，哪些是代理特征。

2. 解释为什么 618、双十一 和春节变量可能改善电商销量预测，也可能造成过拟合。

3. 为三条不同形状的时间序列列出可能的 Linearity、ACF 和季节性特征，并说明你会优先比较哪些模型。

4. 选择一个你熟悉的业务场景，比较人工特征工程和自动化特征学习各自适合解决的问题。

5. 设计一个新冠后旅游恢复预测方案，说明如何构造无冲击基准、恢复窗口信号和最终预测路径。

6. 找一个你认为有用的代理变量，说明它为什么可能有效，以及在什么情况下会失效。

7. 设计一个滚动验证方案，比较简单基准模型、统计模型和 AI 模型的泛化能力。

参考文献¶