Bill Evans 提出人工智能發展的問題點：ChatGPT 的快速增長與人工智能泡沫化，似乎跟科技歷史發展有相似之處，還沒有這麼快到來。
他以網際網路泡沫化為討論起點，一個科技趨勢的發展需要各種基礎建設支持，例如串流媒體成功必須要基礎寬頻網路，還有個人電腦、電子商務基礎建設、雲端儲存設備等等，這都需要數年至十年以上的發展路徑。
一個很明顯的例子在美國零售業，主要業者將 20% 的業務從實體轉移到線上，需要 20 多年的時間。即使雲端軟體已經是個成熟技術，現在也只占企業整體流程的 1/3，這已經是初始概念發展的 25 年後的數字。科技滲透不僅是需要時間，而且也要人們願意改變自己的習慣。
ChatGPT 似乎走入同樣的邏輯，它在 2022 年末進入我們的視野，幾乎立刻就占據了科技界的鎂光燈。但更重要的是，ChatGPT 在短短兩個月內就擁有了 1 億用戶。到今年春天，聽說過它和使用過它的人都達到了前所未有的數量。這很大程度站在現今網路基礎建設之上，
ChatGPT 也有些使用趨勢讓人深思，像是許多人可能不是隨時隨時都在「使用」ChatGPT，而是嘗試過、玩過一兩次、或是一週可能用幾次的頻率。這個離普遍使用的距離還有很大一段距離，即使 ChatGPT 已經有這麼大的使用者基礎，還是很難讓人常常使用。
這代表著大語言模型在某種程度上，使用者需要改變習慣與思維模式，模型變得更好可以解決很多的使用問題，但這不代表可以滲到到所有領域。在金融、法律或是人力資源裡，工作習慣不太能夠被改變，除非是一個大家都公認的遊戲規則。
如果以我可以理解的角度，因為知識生產技術的狀況不是隨著大語言模型而改變，而是能否創造更多的利益。Accenture 顧問公司提供一個數據，指出已經使用生成式人工智能為客戶產生 3 億美金的工作，解決 300 多個專案。但是，這個數字是否代表著生成式人工智能，已經能夠解決「生產」問題？還是只是一些節點的工作。
如果 Bill Evan 提出：ChatGPT 的快速成長，是一個陷阱，它其實是一個表現方法，但是不是個產品，他可能是對的。一個問題的投入，跟答案的產出必須要配合許多資料連結，公開的模型不太可能解決垂直領域的需求，但是封閉的模型也無法直接應用，需要更多基礎建設支持。
於是我們看到硬體公司急速發展，各種運算平台迅速建立，但軟體似乎還是停滯不前。如果我們用網際網路、電子商務和 iPhone 都必須經歷痛苦的成長和學習過程，才能變得有用。現在看起來也是如此，如果要讓人工智能變得真正有用，它必須要進入成長痛點，此時泡沫化出現不是一種夢想破滅，而是更有效、更好用的人工智能產品即將出現。
Bill Evan 說至少不是這個轟轟烈烈的夏天，至少不是今年。
或許是吧？
