近年来， 生成人工智能（Gen AI） 人工智能曾被夸大其词地指为一场改变世界的工业革命。自ChatGPT推出以来，人工智能将带来巨大变革，包括导致300亿个工作岗位流失的说法就被广泛传播。然而，在炒作达到顶峰的18个月后，事实证明并非如此。
人工智能炒作周期
与许多新技术一样，生成式人工智能也遵循着一条众所周知的曲线，即 Gartner 的炒作周期。该模型描述了一个反复出现的过程：一项技术最初的成功会导致公众的期望过高，而这些期望最终都无法实现。在“期望过高的顶峰”之后，是“幻灭的低谷”，接着是“启蒙的斜坡”，最终是“生产力的平台期”。
Gartner 于 2024 年 6 月发布的一份报告指出，大多数生成式人工智能技术仍处于或接近过高预期的顶峰。这些技术的实际应用并不成功，根据兰德公司的一项研究，80% 的人工智能项目失败，这一比率是非人工智能项目的两倍多。
生成式人工智能的当前局限性
生成式人工智能面临诸多挑战，从数据和人工智能基础设施所需的高额投资，到合格人才的匮乏。然而，生成式人工智能自身独特的局限性，也构成了一项严峻挑战。
例如，生成式人工智能系统能够解决复杂的大学考试，但在简单的任务上却表现不佳，麦当劳尝试实现免下车点餐自动化的失败就证明了这一点。这种差异会让用户产生错误的信心，最终导致他们在不合适的情况下使用这些模型。
成功项目的经验表明，让生成模型准确地遵循指令并非易事。可汗学院的辅导系统 Khanmigo 就是一个例子，即使指令不允许，它也能显示正确答案。
为什么炒作尚未结束？
尽管面临挑战，生成式人工智能技术仍在快速发展，这主要得益于模型规模和大小的不断增长。研究表明，参数数量、数据量以及训练中使用的计算能力都会影响模型性能，而神经网络架构的影响则微乎其微。
大型语言模型还展现出意想不到的涌现能力，例如类比推理和重现视错觉，这些能力在模型达到临界规模时就会出现。这些进步的成因尚有争议，但人们一致认为，模型正在变得更加复杂。
人工智能公司仍在持续研发更大规模、更昂贵的模型，而微软和苹果等公司则寄希望于现有投资的回报。据估计，生成式人工智能每年需要创造600亿美元的收入才能证明当前投资的合理性，未来几年可能达到1万亿美元。
下一步是什么？
随着人工智能的炒作逐渐消退，我们进入幻灭期，我们看到了更加务实的采用策略。企业正在利用人工智能来辅助人类，而不是取代人类。最近的一项调查显示，美国企业使用人工智能主要是为了提高效率（49%）、降低劳动力成本（47%）和提高产品质量（58%）。
我们还看到，体型更小、成本更低的生成式人工智能模型正在兴起。这些模型基于特定数据进行训练，并在本地部署，以降低成本并优化效率。例如，OpenAI 发布了 GPT-4o Mini 模型，旨在降低成本并提升性能。
此外，人们越来越重视人工智能素养和劳动力教育，了解人工智能的工作原理、其能力和局限性，以及如何以道德的方式使用人工智能的最佳实践。未来几年，我们将不得不不断学习和重新学习如何使用不同的人工智能技术。
