人工智能达不到市场预期，盛会已经结束？

尽管疯狂已部分平息，但人工智能革命的必然性仍深深扎根于公司董事会和华尔街。桑代尔·皮查伊，AlphabetCEO（Sundar Pichai）最近对投资者说：“AI投资不足的风险远远大于过度投资的风险”。

不过，据英国《金融时报》报道，对冲基金埃利奥特管理公司(Elliott Management)这意味着人工智能的许多应用“永远不会有成本效率，永远不会实际正常运行，它只会消耗太多的能源，或者会被证明是不可信的”。

虽然上涨已经放缓，但人工智能的热情一直支撑着股市近期的大幅上涨。截至9月3日，除特斯拉外的七大股都在下跌，英伟达（NVDA）领跌。

历史——以及人工智能统计引擎不可避免的不可靠性——也支持埃利奥特的观点。人工智能是一项成熟的工作，但它还没有准备好迎接超级增长，这可以证明市场的高预期和正确的增长。

在过去的70年里，人工智能创始人不厌其烦地完美地将数字计算机操作1和0的能力与人类思维和文字的不准确性相结合。

早期的人工智能技术包含了各种专业知识。但是，由于医学专家有可选的知识，这种方法仅限于医学诊断等问题。

事实证明，统计相似性比选择人类专业知识更具成本效率。谷歌的机器优化算法就是一个突出的例子，它的性能比雅虎的人工编辑目录系统更容易。

但是，对统计近似值的依赖也限制了准确性。模糊的输入会使应用程序不可靠。使用标准字体的印刷文本不像手写文本那样模糊。果然，用光学字符识别软件扫描印刷书籍和文件比手写识别程序正确得多。然而，由于统计关联不能理解意愿，所以破解了口语单词(“there”还是“their”?）要了解说话人的意图，听写程序的准确性仍然令人沮丧。

AI应用程序的准确性也取决于数据数据的形成过程。汽车自动制动、炼钢、炼油等物理工艺的稳定性，使其适用于可靠的统计建模。与此相比，人类的行为受到一时兴起和不可预测的社会态度的影响。所以，对物理过程的统计预测通常是值得信赖的，而对消费者行为的预测可能是非常不准确的。所以，基于统计的人工智能并不能保证绝对正确。

谷歌和Meta平台依靠统计人工智能生成了目前主导互联网的广告。他们给我的几乎每一个广告都与我的兴趣完全脱节。但是向别人展示错误广告的风险很低，甚至依靠极其不准确算法的广告效果也超过了盲投。

但在创意应用中，人工智能的准确性可能无关紧要。在电子游戏和漫画中，没有正确的特效或动画，也没有客观的标准来修复旧电影的画面——谁知道正版是什么样的？自动人工智能在修复工作中获胜，因为它比人类修复更便宜、更快。

图片描述：阿玛尔·毕海德写道，准确性的概念在人工智能创造性应用中并不重要。

随着坚定的开拓者逐渐意识到利大于弊，人工智能变得无处不在。2006年，尼克未来学家 · 博斯特罗姆（Nick Bostrom）指出人工智能已经“渗透到一般应用中，往往不被称为人工智能，因为一旦某样东西变得足够有用和普遍，它就不再被称为人工智能。”

苹果2007年推出的iPhone手机有助于人工智能。大多数智能手机应用程序——从短信到色情信息，从地图到相亲，从视频剪辑到流媒体人工智能。像优步和Airbnb这样的人工智能手机应用彻底改变了交通和旅游业，而移动搜索和社交媒体则粉碎了主流媒体和广告。

虽然人工智能得到了广泛的应用，但爱好者认为它还处于起步阶段。一位经验丰富的软件企业家认为，“蛋白质折叠等早期应用深奥晦涩。”但现在，大型语言模型（LLM）增强了聊天界面，提供了更广泛的公众浏览。企业家说:“真正的创造力来自于人们使用它并提出新的用途，而不是来自创造它的工程师。”

将人工智能与1979年发明的电子表格进行比较是有吸引力的。电子表具有简单的操作界面，允许有限技术专业知识的人构建有用的程序。它们为不需要昂贵大型机器的应用程序提供了显著的价值，并成为个人计算机的“杀手级应用程序”。

与电子表格相比，大型操作界面更简单、更自然。但是，统计引擎在大模型运行中所涉及的统计问题与人工智能技术在初期的实际应用是一样的。就像最初的人工智能一样，大型模型可以在创意应用中大放异彩，比如图像生成，在这些应用中，准确性不是决定性因素。相反，模糊的输入和结果破坏了它们的稳定性，就像其他统计人工智能模型一样。他们不能从不稳定过程产生的数据中学习，也不能高度依赖前后文本。

将各种可能的数据投入到大型训练中，并不能提高它们的准确性和可靠性。就像医学数据无法更好地回答与法律或工程相关的问题一样，学习斯瓦希里语文学也无法加强莎士比亚戏剧的统计归纳。

在低风险的使用中，人们可以像写短信时自动拼写时遇到的误导一样，容忍大模型犯下的错误。价值数万亿美元的问题是低风险使用带来的好处是否能抵消成本。

电子表格为经济实惠的个人计算机提供了大型计算机等级的稳定性。相比之下，大型模型要求用户购买更昂贵的硬件。此外，客户硬件只占建设、培训和运营大型模型成本的一小部分。虽然宣传很广，但是大模型还不如尼古拉·特斯拉。(Nikola Tesla)像交流电一样，发明完全改变了电气的经济性。

目前，狂热的投资者和垄断者正在大量补贴人工智能的非经济用途。当音乐停止时，投资者意识到高大的树木不能像树苗一样发芽，更不用说长到天上会发生什么。

(本文仅供参考，不构成任何形式的投资和金融建议；市场存在风险，投资必须谨慎。)

关于作者

阿玛尔·毕海德（Amar Bhidé），牛津大学出版社出版的《不确定性与企业》将由哥伦比亚大学梅尔曼公共卫生学院卫生政策教授出版: 超越已知的冒险”（Uncertainty and Enterprise: Venturing Beyond the Known）一书作者。

本文来自微信公众号“巴伦周刊”（ID：barronschina），作者：阿玛尔·毕海德，编辑：喻舟，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com