观点：生成式人工智能的炒作即将结束——现在这项技术可能真的会派上用场

Josiah02

不到两年前，ChatGPT 的推出引发了一场生成式人工智能热潮。有人说这项技术将引发第四次工业革命，彻底重塑我们所知的世界。
2023 年 3 月，高盛预测，人工智能将导致 3 亿个工作岗位流失或退化。一场巨大的转变似乎正在发生。
十八个月过去了，生成式人工智能并未改变商业。许多使用该技术的项目被取消，例如麦当劳尝试实现免下车点餐自动化，但在出现滑稽的失败后在 TikTok 上疯传。政府试图建立汇总公众意见并计算福利金的系统的努力也遭遇了同样的命运。
那么发生了什么？
人工智能炒作周期
与许多新技术一样，生成式人工智能一直遵循着被称为 Gartner 炒作周期的路径，该路径最早由美国科技研究公司 Gartner 描述。
这个广泛使用的模型描述了一个反复出现的过程，即一项技术的最初成功导致公众期望过高，而最终却无法实现。在早期的“期望过高高峰”之后，是“幻灭低谷”，随后是“启蒙斜坡”，最终达到“生产力高原”。
图片来源：The Conversation
Gartner 于 6 月发布的一份报告指出，大多数生成式人工智能技术要么处于过高的预期顶峰，要么仍在上升。报告称，大多数此类技术距离完全投入使用还需要 2 到 5 年的时间。
虽然已经开发出许多引人注目的生成式人工智能产品原型，但实际应用却不太成功。美国智库兰德公司上周发布的一项研究显示，80% 的人工智能项目失败，是非人工智能项目的两倍多。
当前生成式人工智能技术的缺点
兰德公司的报告列举了生成式人工智能的诸多难题，包括数据和人工智能基础设施投资要求高、人才匮乏等。然而，GenAI 的局限性的特殊性代表着一项重大挑战。
例如，生成式人工智能系统可以解决一些高度复杂的大学入学考试，但却无法完成非常简单的任务。这使得很难判断这些技术的潜力，从而导致错误的信心。
毕竟，如果它能解决复杂的微分方程或写一篇文章，它就应该能够接受简单的免下车订单，对吧？
最近的一项研究表明，GPT-4 等大型语言模型的能力并不总是符合人们对它们的期望。尤其是在高风险情况下，更强大的模型表现严重不佳，因为错误的回答可能会带来灾难性的后果。
这些结果表明，这些模型可能会让用户产生错误的信心。由于它们能够流畅地回答问题，人们可能会对其能力得出过于乐观的结论，并在并不适合的情况下部署这些模型。
成功项目的经验表明，让生成模型遵循指令并非易事。例如，可汗学院的 Khanmigo 辅导系统经常会显示问题的正确答案，尽管有人指示不要这样做。