> Как работает Seldon Vault
Seldon Vault использует многоэтапный пайплайн, который моделирует работу аналитической группы разведки: сбор сигналов, независимый анализ, проверка предположений, синтез и непрерывное обновление.
Шаг 1: Сбор сигналов
Необработанные новостные сигналы собираются из множества открытых источников: RSS-ленты крупных СМИ, GDELT (Global Database of Events, Language, and Tone), ACLED (Armed Conflict Location & Event Data), рынки предсказаний (Polymarket, Metaculus) и экономические индикаторы (FRED). Каждый сигнал получает временную метку, категоризируется и дедуплицируется.
Шаг 2: Обработка сигналов
ИИ-процессор сигналов классифицирует каждый сигнал по сектору (геополитика, экономика, технологии, общество, экология, военное дело, кибербезопасность), тональности, оценке важности, сущностям и временному охвату. Сигналы разделяются на «немедленные» (краткосрочные события) и «структурные» (долгосрочные тренды, влияющие на горизонт 10+ лет).
Шаг 3: Граф знаний
Обработанные сигналы проходят через три слоя графа знаний. Первый — кластеризация сигналов: семантически похожие новости из разных источников группируются через cosine similarity эмбеддингов — Reuters, BBC и ТАСС об одном событии становятся одним кластером с source_count: 3, снижая шум и расход токенов. Второй — рейтинги источников: каждому источнику присваивается оценка надёжности по сектору (на основе исторических Brier Score), чтобы аналитики знали, кому доверять больше. Третий — цепочки событий: кластеры из разных дней связываются во временные сюжетные линии с отслеживанием стадии жизненного цикла — от слуха через подтверждение, эскалацию и разрешение. Еженедельная задача консолидации мега-цепочек использует GPT для группировки сотен узких цепочек в ~30-50 широких тематических мега-цепочек (например, «Война Россия-Украина», «Война на Ближнем Востоке», «Мировая ИИ-индустрия»). Мега-цепочки имеют более широкие эмбеддинг-центроиды, что обеспечивает лучшее сопоставление прогнозов с цепочками и даёт Арбитру Селдону богатые тематические описания вместо сотен узких заголовков.
Шаг 4: Профили ЛПР
Перед анализом система загружает поведенческие профили ключевых лиц, принимающих решения (ЛПР) — 14 лидеров: Трамп, Путин, Си, Эрдоган, Нетаньяху, Маск, Альтман, Хуан, Амодеи, Каллас, Мерц, Макрон, Ким Чен Ын, Пауэлл. Каждый профиль содержит BVI (Behavioral Volatility Index, 1–10) — меру непредсказуемости — а также паттерны поведения, исторические прецеденты и сигналы-триггеры. Профили фильтруются по регионам и секторам текущих сигналов: если тема касается Ближнего Востока, загружаются Нетаньяху, Эрдоган и Трамп, но не Пауэлл. Аналитики используют BVI для калибровки: высокий BVI расширяет доверительный интервал и укорачивает горизонт прогноза.
Шаг 5: Мультиагентный анализ с персонами
Одиннадцать специализированных ИИ-аналитиков независимо оценивают сигналы параллельно. Три ключевых домена работают парами с противоположными когнитивными стилями: Геополитик-Ястреб vs Геополитик-Голубь, Экономист-Бык vs Экономист-Медведь, Политолог-Ястреб vs Политолог-Голубь. Пять соло-аналитиков получают уникальный когнитивный профиль. Все агенты используют фреймворк «Пять столпов»: Теория игр, Байесовское рассуждение, Системная динамика, Историческая аналогия и Сетевой анализ. Каждая персона определяется четырьмя измерениями: аппетит к риску, индекс контрарности, темпоральный фокус и стиль уверенности — формируя то, как одни и те же данные интерпретируются.
Шаг 6: Совет ИЛИ Персоны — когнитивное разнообразие
Система использует два взаимодополняющих механизма когнитивного разнообразия, но никогда оба одновременно. Домены с двойными персонами (геополитика, экономика, политика) получают разнообразие через противоположные характеры: Ястреб и Голубь видят одни и те же сигналы, но приходят к разным выводам. Соло-аналитики (Технолог) используют Совет LLM: три разных провайдера (DeepSeek, GPT, Claude) анализируют параллельно, дебатируют в структурированных раундах (до 3), и сливаются в консенсус. Принцип «Совет ИЛИ Персоны» удерживает стоимость LLM-вызовов на разумном уровне: 13 вместо 33.
Шаг 7: Проверка Скептиком
Каждый предложенный прогноз проходит состязательную проверку агентом-Скептиком. Скептик выполняет независимую проверку фактов через веб-поиск (Tavily API), выявляет логические ошибки, предвзятости и необоснованные допущения. Прогнозы с оценкой риска ниже 50 автоматически отклоняются. Скептик может наложить вето на любой недостаточно обоснованный прогноз.
Шаг 8: Слой слияния — объединение двойных персон
После фильтрации обоими Скептиками, Слой слияния (Merge Layer) сопоставляет пары Ястреб/Голубь (Бык/Медведь), анализирующие одну тему, по сходству заголовков (порог Жаккара ≥ 0.80). Совпавшие пары сливаются в обогащённые прогнозы: средневзвешенная вероятность + разброс персон (spread) — разница между оценками оптимиста и пессимиста. Высокий spread сигнализирует о подлинной неопределённости; низкий — о сходящихся данных. Без LLM-вызовов — чистая арифметика. Несопоставленные прогнозы проходят без изменений.
Шаг 8б: Квантовое слияние персон (тень)
После классического слияния пар Ястреб/Голубь система вычисляет квантовую интерференционную тень. Вместо простого усреднения вероятностей она моделирует слияние как суперпозицию волн: P = α²·P_hawk + β²·P_dove + 2αβ·cos(φ)·√(P_hawk·P_dove). Фазовый угол φ выводится из когерентности между предложениями — вычисляется из 4 факторов: направление вероятности (оба по одну сторону от 50%?), совпадение уверенности, пересечение индикаторов и согласие по тяжести. Когда персоны неожиданно согласны (высокая когерентность), интерференция конструктивна и квантовое слияние превышает классическое. Когда резко расходятся — интерференция деструктивна и подавляет его. Сейчас в теневом режиме: классическое средневзвешенное всегда определяет фактическую вероятность. Квантовый результат хранится как метаданные для сравнения. Через 30 дней Brier Score обоих подходов будут сопоставлены для принятия решения о продвижении.
Шаг 9: Синтез Селдона (ReACT)
Арбитр Селдон использует цикл ReACT (Reasoning + Acting) для синтеза одобренных прогнозов. Вместо одного LLM-вызова Селдон итеративно рассуждает и вызывает инструменты: ищет исторические аналогии, запрашивает экономические индикаторы (FRED), проверяет факты через веб-поиск, изучает цепочки событий и проверяет точность агентов. После нескольких раундов исследования он отбирает 3-5 лучших прогнозов, назначает калиброванные вероятности (5%-95%) и обнаруживает Кризисы Селдона. Перевод на русский выполняется отдельно.
Шаг 10: Байесовские обновления
Активные прогнозы обновляются каждые 6 часов с помощью байесовского вывода. При поступлении новых данных система пересчитывает вероятности на основе силы доказательств и предшествующей уверенности. Максимальный дневной сдвиг ограничен ±15%. Полная история вероятностей записывается и отображается в виде графика для каждого прогноза.
Шаг 10б: Квантовый каскад
Когда несколько каскадных сдвигов сходятся на одном прогнозе (fork-target), система моделирует их взаимодействие как волновую интерференцию, а не простое сложение. Каждая пара сдвигов оценивается по когерентности — насколько совпадают их сектор, направление, время и общие сущности. Высокая когерентность усиливает конструктивные сдвиги (оба толкают в одну сторону); низкая когерентность с противоположными направлениями вызывает деструктивное подавление. Сейчас в теневом режиме (shadow mode): классическая формула всегда определяет реальную вероятность, квантовый результат вычисляется параллельно для сравнения. Фиолетовая пунктирная линия на графиках показывает квантовый результат.
Шаг 11: Отслеживание точности
Когда прогноз разрешается (событие произошло или не произошло в рамках горизонта), он оценивается по Brier Score: (предсказанная вероятность - фактический исход)². Чем ниже, тем лучше. 0.0 — идеальное предсказание, 0.25 — случайное угадывание. Мы отслеживаем точность по прогнозам, агентам, секторам и в целом. Эти данные поступают обратно в калибровку агентов — агенты с низкой точностью получают свою статистику в промптах для самокоррекции.
Шаг 12: Институциональное обучение
Разрешённые прогнозы проходят автоматический пост-мортем анализ: какой аналитик был точнее всех, какой паттерн ошибки произошёл (якорение, самоуверенность и т.д.), ключевые уроки. Когда похожие темы возникают в будущем, каждый аналитик видит СВОЮ прошлую точность на сравнимых ситуациях — создавая петлю обратной связи, в которой агенты учатся на своих ошибках.
Шаг 13: Авто-резолюция
Агент-резолвер автоматически проверяет, сбылись ли прогнозы. Для количественных прогнозов (процентные ставки, цены активов) он напрямую запрашивает API (FRED, Yahoo Finance). Для качественных (геополитические события, политические решения) — ищет доказательства в сети и использует LLM для оценки. Вердикты с высокой уверенностью автоматически резолвят прогноз; с низкой — помечаются для ручной проверки. Прогнозы уровня «Кризис Селдона» никогда не резолвятся автоматически.
Шаг 14: План Селдона — долгосрочное структурное прогнозирование
Ежемесячно запускается отдельный структурный пайплайн с 6 аналитиками-футурологами (Экономист, Геополитик, Технолог, Социолог, Климатолог, Военный), которые проходят через мультимодельные дебаты совета. Они получают структурные данные (Всемирный банк, МВФ, ООН, OWID), исторические аналогии через RAG и бриф состояния мира, синтезированный из 90 дней истории ежедневных прогнозов. Специализированный Структурный Скептик атакует их методологию, используя 6 «смертельных ловушек» долгосрочного прогнозирования (экстраполяция, нарративная когерентность, исторический детерминизм и др.). Арбитр Селдон (Claude Opus) затем синтезирует всё в 2–4 мастер-сценария с вероятностями, критическими развилками и опережающими индикаторами. Каждый месяц Селдон видит свой предыдущий отчёт для обеспечения преемственности.
Шаг 15: Мул — еженедельный контрарианский анализ
Каждое воскресенье запускается отдельный пайплайн Мула — конспирологического мета-аналитика, названного в честь персонажа, сломавшего рациональный План Селдона в «Основании» Азимова. Он берёт снимок мира (активные мега-цепочки), исходы разрешённых прогнозов за неделю (что сбылось и что нет) и предыдущие нарративы для преемственности теорий. Мул — персона, вдохновлённая Пелевиным, Жириновским и Алексом Джонсом — расследует скрытые связи с помощью 5 инструментов: веб-поиск для проверки фактов, исторические аналогии через RAG (включая 16 реальных конспирологических кейсов — перевороты ЦРУ, скандал LIBOR, слежка АНБ), экономические индикаторы из FRED, поведенческие профили лидеров (14 мировых лидеров) и картирование связей между сущностями. Результат — 2–4 глубоких нарратива с самооценкой абсурдности, анализом cui bono, цепочками доказательств и индикаторами для отслеживания. Жизненный цикл теорий: новый → обновлён → подтверждён → отвергнут. Это явно НЕ прогнозы — это альтернативные интерпретации для вызова конвенциональному мышлению.