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?