生成式人工智能在2023年让我们充满了惊奇，但所有的魔力都是有代价的
在2023年，生成式人工智能给我们带来了无尽的惊喜，但却有着隐形的代价
在今年的所有AI的进展和文化影响中，公平地称2023年为“人工智能之年”似乎是合理的——只是这一切都已经发生过。
如这个学术期刊报道所述，“人工智能之年”是在43年前的1980年宣布的。AI已经与我们同在了很长时间。几十年前，我在AI伦理学上写过学术论文。1986年，我为已经消亡的Computer Design Magazine写了一篇名为“人工智能作为系统组件”的文章。然后，在1988年，我为Mac推出了两款基于AI的产品。
即便如此，AI已经有30多岁了。我们可以追溯到斯坦福大学、麻省理工学院和达特茅斯学院的约翰·麦卡锡教授，他是最早的AI活动之一。1955年，他创立了斯坦福AI实验室SAIL，并在1958年发明了可爱的LISP（我永远喜欢的编程语言之一）。
所以到2023年，AI已经存在了至少68年。而这还不包括推测性的小说。艾萨克·阿西莫夫在1940年开始思考AI伦理学。
但是，我很难反驳称2023年是AI之年。这是一个非常不寻常的年份。
发生了什么变化？
AI已经被使用了很长时间。无论是在专家系统、诊断工具、视频游戏、导航系统还是其他许多应用中，AI在过去几十年中都被用于有益用途。
但它从未像今年这样被使用。今年才是真正的生成式AI大放异彩的一年。尽管许多年份（我在看你，1980年）都可以称为“人工智能之年”，但毫无疑问2023年是“生成式人工智能之年”。
最大的区别在于，我们现在正处于大型语言模型(LLMs)的时代，预训练是无监督的。与其向AI设计人员提供有限的特定信息，并认为已经足够好，AI供应商（如OpenAI）已经向AI提供了几乎所有的内容，整个互联网和几乎所有其他数字内容。
这个过程使得AI能够以前所不可能的广度产生令人惊叹的多样材料。
这一进程的帮助是处理器性能和存储的巨大改进。当我在1986年写关于AI作为系统组件的文章时，你可以花10000美元（约合现今的27000美元）购买一个体积像两个微波炉，重量像一个完整冰箱的硬盘，它容纳470兆字节。不是千兆字节，不是特兆字节——只有兆字节。
此外: 存储改进超过了摩尔定律的800%
相比之下，今天你可以从亚马逊购买到一块价值279美元的20TB企业级内部NAS硬盘。云计算、宽带网络、速度更快的处理器（包括CPU和GPU）、更大的内存池等因素共同促成了低能耗大规模深度学习的处理能力。
一个例子
为了给你一个差异的例子，让我们使用多年前我介绍过的产品之一。 House Plant Clinic 是一个由园艺专家培训过的专家系统。当时我还有另一个产品，用于构建 House Plant Clinic 的专家系统开发环境 Intelligent Developer。
整个过程非常费时。我和另一位工程师通过一系列漫长的采访从植物专家那里获取规则、事实和最佳实践，并将它们编码到知识库中。在植物专家的指导下，我们还制作了各种情况下用户可能需要查看的插图。
House Plant Clinic 的知识范围仅限于我们在专家系统中编码的内容，没有多了也没有少了。但它能够有效地工作。如果你有一个问题，并且你的问题符合我们所拥有的知识范围，你可以得到一个准确的答案，并且对此感到有信心。毕竟，所提供的知识是由植物专家审查过的。
现在，让我们来看看ChatGPT。我问ChatGPT这个问题：
我的室内植物生病了。按步骤提问，每个问题只需要一个回答。
它在问问题方面做得还算不错，询问土壤湿度、叶子状况等等。虽然它没有主动提供图片，但当我要求它展示一张可能出现在室内植物上的虫害图片及其名称时，我得到了一张更高级的图片：
尽管如此，没有人——甚至包括谷歌——知道 “KRIDEFLIT” 是什么。正如我们一次又一次地看到的，生成式人工智能确实存在着一些虚假的问题。
此外: 我与Bard、Claude和Copilot对ChatGPT进行了事实核查-而这个AI是最自信错误的
因此，尽管ChatGPT在几乎任何主题上都能自信地表达观点，但我们更早的基于专家系统的项目在准确性上有更大的机会。一个是由真正的专业领域专家创建和审核的，而如今的聊天机器人则从一大堆不合格的数据中生成信息。
今年我们一直在使用的生成式人工智能能做更多的事情，但所有的魔力都是有代价的。
潘多拉之盒
生成式人工智能很了不起。今年，作为我学习和测试该技术的一部分，以向你汇报情况，我利用生成式人工智能帮助我建立一个Etsy商店，帮助我为我的EP创作专辑封面艺术，通过创建定制社交营销图片帮助我妻子的电子商务业务，创建WordPress插件，调试代码，进行详细情感分析等等。
此外: 研究发现，生成式人工智能每周可以为营销人员节省5个小时，为未来提高生产力
但是生成AI并非没有问题。正如我们所示，它有严重的准确性问题。你不能完全相信AI所产生的内容。因为它是在广泛的知识语料库上进行训练的，所以非常了不起。但正因为它是在我们人类写和发布的大量知识语料库上进行训练的，它也被我们人类的观点所影响和污染。
这个问题引出了偏见和歧视。由于本文已经很长了，所以我不想再重复我同事们写过的观点，我将引导你阅读他们在这个主题上的优秀思考文章：
接下来是就业问题。六年前，我和我的技术记者同事鲍勃·雷斯曼坐下来讨论顾虑。当时ChatGPT还没有积极地让白领工作者担心他们的未来。最近，今年早些时候，我讨论了一个真正的担忧，即ChatGPT及其同类很可能会大规模替代知识工作者。
今天，ChatGPT就像一个才华横溢却有些态度问题的实习生。它会在需要的时候帮忙，但只有它愿意这样做时才会这样。但随着这项技术的发展，它将能够处理更具细微差别的更大问题，届时我们将面临着更大的问题。
对于一个只有两个人的公司来说，依赖AI来帮助扩大我的时间并不是个问题。但是当大公司决定宁愿节省开支并使用AI服务时，许多人将失去工作。
这种趋势将从初级职位开始，因为ChatGPT基本上只是一名初级员工。然后，还会出现另外三个趋势：
- 经验丰富的工作者将会越来越少，因为越来越少的新手能够进入职场。
- 人工智能将变得更加复杂，公司会放心地用每月100美元的AI订阅替代年薪10万美元的员工——即使AI的工作成果不像专业人员的工作那样干净、高级、细致和准确。
- 工作质量和产出将降低，准确性也会下降，从而对整个经济和社会产生连锁反应。
在一篇最近的文章中，我说过以下话：
我们正处于一个新时代的前夜，这个时代与工业革命、个人电脑革命和互联网的诞生一样具有变革性、不同寻常、赋权和问题重重。我们曾经依赖的工具和方法正在演变，伴随着它们，我们的责任和伦理考虑也在不断扩大。
好、坏和丑
2023年开始时，我们能够惊叹地发现，它可以写一篇《星际迷航》的故事，并可以像海盗一样说话。到年底，我们对好处、坏处和丑陋有了更清楚的认识。
从好的一面来说，我们现在有了一个有用但不可靠的个人助手，它能够为我们节省时间，帮助我们解决问题和完成更多工作。
坏的一面是，我们所有知识工作者都面临存在的工作威胁，还有一个自动的偏见反射器，它能够汇集我们集体的时代精神，有时选择与魔鬼的肩膀为伍，而不是选择那些更好的天使。
至于丑陋的一面，还有一些问题需要解决：
- 找到一种能够在不过多限制效果的情况下提高准确性的方法。
- 提供有用的信息和插图，而不抄袭那些工作受到威胁的人。
- 防止人工智能的滥用，以改变选举和进行其他邪恶活动。
- 接收输入并生成足够长的输出，使其具有真正的意义。
- 涉足其他媒体，例如与图像生成工具一样令人惊叹的视频生成。
- 帮助学生学习，而不会给他们提供一种无法打败的作弊方式。
- 而且还有很多其他问题。
2023年是人工智能发展最为迅猛的一年，不像其它半个多世纪以来的任何一年。这项技术为我们打开了强大工具的大门，但也带来了可怕的后果。
你对2023年有什么看法？对2024年你有什么期望、希望和担忧？请在下方评论中告诉我们。我只关注2023年的生成式人工智能变革。如果你想了解更广泛的趋势，这篇ENBLE文章是一个很好的开始。
您可以在社交媒体上关注我的每日项目更新。记得订阅我的每周更新通讯on Substack，并在Twitter上关注我：@DavidGewirtz，在Facebook上关注我：Facebook.com/DavidGewirtz，在Instagram上关注我：Instagram.com/DavidGewirtz，在YouTube上关注我：YouTube.com/DavidGewirtzTV。
