正在学习
在数字世界中保持人性(6)
在数字世界中保持人文精神 (6)
首先,我们还没有足够的时间来充分吸收它的全部能力。虽然数十亿人能够接触到先进的AI,但只有一小部分人真正将其融入了日常生活。但我们确实知道,人们对尝试AI的兴趣已经超过了早期其他变革性技术时的水平。圣路易斯联邦储备银行最近与范德堡大学和哈佛肯尼迪学院合作进行的一项研究发现,十八至六十四岁的人群中,有近百分之四十使用过AI。不妨这样对比一下:互联网用了两年时间才达到百分之二十的采用率,个人电脑达到同样的采用率则花了三年时间。
这些早期采用的迹象表明,随着越来越多的人发现如何从这项技术中获得真正的价值,其广泛使用可能会迅速起飞。另一个关键因素是,企业家们才刚刚开始在我们用于工作和个人生活所依赖的产品和服务中利用AI。尽管已经有数量惊人的AI驱动产品问世,但我们仍处于这一创新周期的起步阶段,未来还有更多成果会接踵而至。终有一天,我们中的许多人会像如今依赖智能手机应用一样依赖AI功能(智能手机应用在短短十多年间就从新奇事物变成了不可或缺之物)。
那么从非科技行业企业的角度来看呢?这方面我们也仍处于AI时代的最初阶段。企业才刚刚开始培养有效使用AI所需的人才和流程。他们刚刚开始学习如何建立支持创新和负责任使用AI的组织结构。只有少数面向外部的应用已投入实际生产或具备一定规模。虽然AI模型已经吸收了大量公共数据集,但大多数组织几乎尚未开始利用其专有数据。随着企业强化其AI能力,他们将能够更好地利用当今的技术,并更熟练地开发自己的AI产品和服务。这可能会催生我们目前难以预见的全新解决方案类别。一旦他们展示了通往成功的真实路径,我们很可能会看到更多的追随者蜂拥而至——一场公司竞相利用这些洞察、在AI驱动的未来中占据一席之地的淘金热。
但还有另一个因素在起作用:在过去几年中,我们经历了底层技术的飞速创新。研究人员发现,大语言模型(LLMs)的改进速度比摩尔定律快了好几倍,而摩尔定律是推动技术加速的关键引擎。摩尔定律曾预言计算机芯片的容量每两年会翻一番。虽然这一速度已经放缓,但它解释了这样一个奇迹般的现实:你此刻可能触手可及的智能手机,其计算能力超过了曾经占满整个房间的巨型计算机。2023年的研究显示,大语言模型的改进速度超过了摩尔定律:推进AI所需的计算能力每隔五到十四个月就会减半。这样的进步速度令即使是经验丰富的技术专家也感到震惊。
你可以通过对比同一提示词在不同时间的结果,轻松看出AI在短短一两年间发生的智能水平差异。与此同时,研究人员通过严格的性能测试来更精确地追踪AI的进展。虽然有令人信服的论据认为这种演进将趋于平稳(或者已经趋于平稳),但我们看到先驱者们正在推动不同的杠杆来持续推进这一领域。全球许多最强大的公司仍在以令人瞠目的投资加入这场激烈竞争,不断寻找推动技术前进的新方法,并争夺市场领先地位。新型和不同种类的模型正在涌现,包括更适合在需要它们的设备(如你的手机)上运行的小型模型,以及针对特定行业或领域进行优化的模型。推动这一势头的还有一个关键因素:人工智能正发展到AI开发AI的阶段。换句话说,它正开始构建和改进自身,这可能会进一步推动进步。
| 引发AI加速的架构 |
|---|
| 传统AI有着悠久的历史,但这种快速加速却是新现象。20世纪60年代见证了蓬勃发展,为我们今天更先进的系统奠定了基础。但直到2017年,八位研究人员发表了一篇论文,提出了一种新架构(Transformer架构),我们才获得了当今大语言模型(LLMs)背后的突破性技术。大语言模型的进步引发了今天我们看到的大部分加速发展。 |
为什么现在是开启AI之旅的最佳时机
这对你意味着什么?无论改进的确切速度如何,这都是一种快速的发展步伐——是我在硅谷职业生涯中所见过的最快的——而且AI在持续提升其能力。AI圈中流传着一句老话:你今天使用的AI,将是你有史以来用过的最差的AI。下个月、下个季度、明年,这句话同样适用。
这意味着,已经知道如何有效使用AI的个人和组织将不断扩大其优势。追赶只会变得越来越难。
但是如今,AI的呈现方式还未能真正满足普通用户的需求。看似成品的东西——比如ChatGPT这样的聊天机器人——缺少我们在典型消费产品中所期望的用户友好引导和优化打磨。也有一些值得关注的例外——有些公司将AI打包成产品,为特定工作流程增添了显著价值——但这仍属新生事物。正如技术分析师本尼迪克特·埃文斯(Benedict Evans)所解释的那样:"聊天机器人看起来像一个产品。你输入一些东西,然后就能得到神奇的结果!但这种形式下的'神奇'可能并不实用,也可能是错误的。它看起来像是产品,但实际上并不是。"
这种差距恰恰是我们需要这本书的原因。我们正处在AI的早期阶段,其创造者基本上是让我们自己去摸索如何有效地使用它。但这要求我们在与软件交互的方式上做出根本性的转变——对于大多数人来说,这种转变远非直观。
本书第三部分将指导你如何像早期采用者一样与AI互动。这些先行者没有等待打磨完善的AI产品——他们现在就投身其中,走出自己的价值创造之路。当你踏上这段旅程时,请像早期采用者一样思考:不要以AI当前的局限性来评判它,而要学会绕过它的怪癖,并预判"冰球将要滑向何方"。现在就是开始的时机,即使在这个原始的早期阶段也是如此。那些迟疑观望的人可能会发现,随着AI专业知识的不断积累和技术的飞速发展,他们与先行者之间的差距将越来越难以弥合。
练习题
根据圣路易斯联邦储备银行的研究,十八岁至六十四岁的人群中使用过AI的比例是多少?
摩尔定律对计算机芯片的容量做出了什么预测?
关于非技术企业中人工智能的当前现状,以下哪些陈述是正确的?(选择所有适用的选项)
推动人工智能进步所需的计算能力每五到十四个月减半,这比摩尔定律的预测还要快。
圣路易斯联邦储备银行的研究发现,互联网用了___年才达到百分之二十的采用率。
为什么AI的早期采用对其广泛使用具有重要意义?
人工智能的复杂度迅速提升的原因之一是什么?
大多数组织已经充分利用了其专有数据进行 AI 开发。
大语言模型(LLM)的进展是由2017年提出的___架构的突破所引发的。
"你今天使用的 AI 是你将使用的最差的 AI"这句话对 AI 的未来意味着什么?
以下哪些关于人工智能对企业影响的描述是正确的?(选择所有适用项)
这项研究在比较人工智能的采用与互联网和个人电脑的采用时,主要发现是什么?
根据圣路易斯联邦储备银行的研究,近百分之四十的十八至六十四岁人群曾使用过人工智能。相比之下,互联网达到百分之二十的采用率用了多长时间?
下列哪些因素促进了人工智能技术的快速发展?请选择所有适用的选项。
圣路易斯联邦储备银行的研究发现,AI的采用率比个人电脑在其早期阶段的采用率要慢。
根据2023年的研究,AI进步所需的计算能力每___到___个月减半。
解释 Transformer 架构于 2017 年的引入是如何促进 AI 技术加速发展的。
登录后解锁笔记、知识点解析、AI 问答
立即登录