生成式人工智能泡沫將于2024年破滅

　　由于法律挑戰(zhàn)、技術(shù)限制以及概念框架根本性轉(zhuǎn)變的需要，生成式人工智能泡沫將在2024年破滅。

　　生成式人工智能泡沫將于2024年破滅

　　由于法律挑戰(zhàn)、技術(shù)限制以及概念框架根本性轉(zhuǎn)變的需要，生成式人工智能泡沫將在2024年破滅。

　　像ChatGPT這樣的項(xiàng)目因其改變?nèi)祟惿�活各個(gè)方面的潛力而聞名，但由于預(yù)期的破壞似乎難以捉摸，因此面臨著審查。

　　隨著技術(shù)行業(yè)尋求克服眾多挑戰(zhàn)，有必要進(jìn)行重新調(diào)整，從過度炒作轉(zhuǎn)向?qū)嶋H功效，確保以道德考慮為核心的生成式人工智能的可持續(xù)發(fā)展。

　　生成人工智能的承諾與現(xiàn)實(shí)之間的差異

　　雖然生成式人工智能(GenAI)合成大量數(shù)據(jù)并在科學(xué)、經(jīng)濟(jì)和社會(huì)服務(wù)領(lǐng)域帶來突破的潛力受到吹捧，但觀察到的結(jié)果卻被商業(yè)過度炒作。

　　圖片來源：McKinsey

　　深度造假、虛假信息和表面互動(dòng)的盛行，引發(fā)了人們對(duì)生成式人工智能對(duì)這些領(lǐng)域的實(shí)際影響的質(zhì)疑。

　　生成式人工智能需要范式轉(zhuǎn)變

　　當(dāng)我們展望2024年時(shí)，有一個(gè)令人信服的論點(diǎn)認(rèn)為，GenAI的概念基礎(chǔ)將發(fā)生范式轉(zhuǎn)變。

　　模仿人類智能(包括身體、大腦、行為和商業(yè))的概念假設(shè)存在缺陷，這阻礙了生成式人工智能的真正潛力。從模仿向理解和利用“世界知識(shí)”過渡的呼吁變得勢(shì)在必行。

　　生成式人工智能依賴死記硬背和模式匹配，缺乏真正的智能、學(xué)習(xí)、類比或演繹，限制了其能力。

　　呼吁超越數(shù)學(xué)歸納和統(tǒng)計(jì)推斷，對(duì)于真正的進(jìn)步至關(guān)重要。

　　像ChatGPT這樣的生成式人工智能系統(tǒng)，在未經(jīng)許可的材料上進(jìn)行訓(xùn)練，在尋找原始來源材料方面面臨著嚴(yán)峻的挑戰(zhàn)。潛在的訴訟，和解金額從數(shù)百萬美元到數(shù)十億美元不等，對(duì)GenAI的可持續(xù)性構(gòu)成了威脅。

　　圖片來源：Medium

　　這種有缺陷的商業(yè)模式，再加上訴訟所涉及的法律費(fèi)用，給(Microsoft或Google等大型技術(shù)企業(yè)造成了難以維持的局面。ChatGPT API的定價(jià)模式，盡管有預(yù)期的代幣利潤(rùn)，但引發(fā)了對(duì)GenAI領(lǐng)域經(jīng)濟(jì)可行性的擔(dān)憂。

　　從詞嵌入到世界嵌入的轉(zhuǎn)變引入了跨人工智能的概念，其中實(shí)體嵌入(EE)發(fā)揮著至關(guān)重要的作用。EE代表分類或序數(shù)變量，增強(qiáng)了人工智能與世界有效交互的能力，超越了以代幣為中心的表示。

　　世界嵌入使AI/ML/LLM模型能夠更有效地與世界交互，了解標(biāo)記之間的語義和句法關(guān)系。世界知識(shí)的整合，對(duì)于生成可理解的內(nèi)容很有幫助。

　　生成式人工智能并不完美

　　GenAI的承諾面臨著現(xiàn)實(shí)的考驗(yàn)，促使人們重新評(píng)估其基本概念和業(yè)務(wù)戰(zhàn)略。當(dāng)我們進(jìn)入2024年時(shí)，對(duì)世界嵌入的范式轉(zhuǎn)變和對(duì)世界復(fù)雜性的更深入理解的呼吁，成為生成式人工智能可持續(xù)發(fā)展的關(guān)鍵一步。從過度宣傳到實(shí)際效果的過程需要重新調(diào)整，包括真正的創(chuàng)新和道德考慮。

　　圖片來源：Everest Group

　　雖然生成式人工智能取得了顯著的進(jìn)步，但重要的是要承認(rèn)其并不完美。盡管其功能強(qiáng)大，但該技術(shù)仍存在固有的局限性和挑戰(zhàn)。需要考慮的一些關(guān)鍵方面包括：

　　1.偏見和公平問題

　　生成式人工智能模型可能會(huì)無意中延續(xù)其訓(xùn)練數(shù)據(jù)中存在的偏見。如果訓(xùn)練數(shù)據(jù)反映了社會(huì)偏見，人工智能可能會(huì)產(chǎn)生有偏見或不公平的結(jié)果，引發(fā)道德?lián)鷳n。

　　2.缺乏常識(shí)

　　生成式人工智能可能會(huì)與常識(shí)推理發(fā)生沖突，導(dǎo)致輸出缺乏上下文或連貫性。這種限制可能會(huì)影響該技術(shù)在復(fù)雜的現(xiàn)實(shí)場(chǎng)景中的實(shí)際適用性。

　　3.情境理解薄弱

　　理解情境仍然是生成式人工智能的一個(gè)挑戰(zhàn)。該技術(shù)可能會(huì)生成情境不合適的內(nèi)容或誤解細(xì)微的信息，從而影響其輸出的準(zhǔn)確性。

　　4.道德問題

　　生成式人工智能的道德使用帶來了挑戰(zhàn)，特別是在該技術(shù)可被利用來創(chuàng)建深度偽造或誤導(dǎo)性內(nèi)容的情況下。在創(chuàng)新和負(fù)責(zé)任的使用之間取得平衡是一個(gè)持續(xù)關(guān)注的問題。

　　5.對(duì)訓(xùn)練數(shù)據(jù)的依賴

　　訓(xùn)練數(shù)據(jù)的質(zhì)量和代表性顯著影響生成式人工智能的性能。訓(xùn)練數(shù)據(jù)不充分或有偏差可能會(huì)導(dǎo)致結(jié)果不理想，并限制模型在不同場(chǎng)景中泛化的能力。

　　6.缺乏可解釋性

　　許多生成式人工智能模型都以黑匣子的方式運(yùn)行，因此很難理解其輸出背后的基本原理。可解釋性問題阻礙了透明度，并可能在某些監(jiān)管或安全關(guān)鍵領(lǐng)域帶來挑戰(zhàn)。

　　7.對(duì)抗性攻擊的脆弱性

　　生成式人工智能模型可能容易受到對(duì)抗性攻擊，其中惡意輸入旨在誤導(dǎo)模型。防范此類攻擊需要不斷研究和開發(fā)安全措施。

　　8.訓(xùn)練數(shù)據(jù)過度擬合

　　生成式人工智能模型可能會(huì)過度擬合訓(xùn)練數(shù)據(jù)中的特定模式，從而限制其適應(yīng)新的或未見過的場(chǎng)景的能力。這種過度擬合可能會(huì)導(dǎo)致輸出非常模仿訓(xùn)練數(shù)據(jù)，但可能缺乏泛化性。

　　認(rèn)識(shí)到這些缺陷對(duì)于負(fù)責(zé)任地部署和管理生成式人工智能技術(shù)至關(guān)重要。持續(xù)的研究和開發(fā)工作，對(duì)于應(yīng)對(duì)這些挑戰(zhàn)并增強(qiáng)生成式人工智能在各種應(yīng)用中的穩(wěn)健性、公平性和道德使用至關(guān)重要。