当代关于生成人工智能 (AI) 的讨论呈现出一种微妙而二元的技术发展叙事。我将深入探讨围绕生成人工智能的现状和未来的对比观点,将普遍存在的幻灭情绪与该领域的持续进步并列。值得注意的是,尽管某些领域明显停滞不前,公众兴趣下降,但人工智能技术和应用仍在不断取得重大进展。本分析对生成人工智能的炒作、稳定和潜在革命性影响的周期进行了细致的考察,并将其与印刷机、电力和互联网等历史上的技术突破进行了比较。通过对人工智能领域的挫折和突破进行平衡的回顾,我旨在辨别生成人工智能是否只是在经历暂时的低迷,还是它标志着一场更广泛的技术革命。通过批判性地评估证据和预测未来趋势,文章还探讨了这项技术对社会规范和行业实践的影响,最终质疑生成式人工智能在持续的挑战和不断变化的期望中的革命性潜力。
最近的数据显示,与生成式人工智能相关的经济结果与之前的预期不一致。例如,尽管在硬件方面投入了大量资金,比如在 Nvidia 设备上投入了 500 亿美元,但从收入角度来看,回报相对有限,仅为 30 亿美元( 《华尔街日报》)。此外,以人工智能为重点的网站访问量明显停滞不前( 《Exponential View 》),风险投资公司红杉资本强调人工智能初创公司的估值过高,这表明市场估值与潜在的经济现实存在脱节( 《信息》)。
几家备受瞩目的人工智能初创公司都遇到了困难,这表明该行业可能存在不稳定因素。例如,InflectionAI 实际上已被解散,微软收购了其资产,包括前首席执行官穆斯塔法·苏莱曼 (Mustafa Suleyman) 的专业知识 ( TechCrunch )。此外,StabilityAI 在领导层争议之后面临不确定的前景 ( 福布斯)。此外,对安全和道德影响的担忧阻碍了企业更广泛地采用人工智能技术 ( Diginomica )。
尽管公众对 ChatGPT 等人工智能技术的最初热情已经消退,但一部分用户,尤其是软件开发人员,仍然认为这些工具很有价值( 皮尤研究中心)。这与人们普遍认为人工智能工具更多的是新奇玩意,而不是提高生产力的实际辅助手段形成鲜明对比( The Register )。
尽管面临这些挑战,但人工智能技术的发展仍在快速进行。Anthropic 的 Claude 3 等新模型正在为人工智能能力树立标杆( Anthropic )。该领域还期待着 OpenAI 的 GPT-5 等先进模型的到来,这预示着持续的创新和潜在的市场复苏( Business Insider )。
泰勒·科文在他的分析中提出,人工智能的现状反映了其他革命性技术的自然发展。科文将印刷机、电力和互联网的采用与此相提并论,他认为变革性技术的生命周期通常会经历炒作、稳定和最终广泛应用的阶段。他认为,这种模式在生成式人工智能技术的当前发展轨迹中显而易见( 彭博社)。
Cowen 表示,尽管围绕生成式人工智能的最初兴奋感已经消退(这一阶段的特点是期望过高和投机性投资),但技术的基础进步仍在继续显著进步。这种“静默期”不是倒退,而是随着技术成熟和更深入地融入各个领域,人们对期望的重新调整。
尽管生成式人工智能的直接影响受到质疑,但它反映了历史上同类技术的发展路径。值得注意的是,互联网、后互联网泡沫以及电力逐渐融入工业流程都经历了表现平平的时期,随后对经济和社会结构做出了重大的长期贡献。
人工智能技术的最新发展进一步支持了 Cowen 的论点。OpenAI 对企业服务的增强以及谷歌 GPT-4 竞争对手等模型的进步表明该领域正在不断创新( ZDNet 、谷歌)。此外,开源人工智能模型的快速发展虽然对普通用户来说不太明显,但凸显了人工智能能力的强劲、潜在增长,这种增长继续突破这些技术所能实现的界限(档案)。
尽管一些行业领袖表达了乐观态度,但仍存在一些显著的挑战和挫折,使人们对人工智能的热情有所减弱。企业采用率低于预期以及 Google Gemini Advanced 等新人工智能产品的结果好坏参半等问题凸显了人工智能发展面临的复杂现实( Diginomica ,算法桥)。
问题仍然是,生成式人工智能是否真的会遵循其前辈的变革路径,还是会因独特的挑战和社会动态而出现分歧。行业应对这些挑战的能力,加上持续的技术进步,可能会决定人工智能对社会影响的轨迹。
与早期技术类似,生成式人工智能的发展历程也经历了炒作和重新调整的周期。虽然直接结果可能看起来并不令人满意,但人工智能的持续发展和与各个领域的融合很可能为下一波重大技术和社会变革奠定基础。与历史上的创新一样,人工智能影响的真正衡量标准很可能会在事后观察,并受到技术能力、市场力量、社会接受度和监管环境复杂相互作用的影响。