2023 年，生成式人工智能让我们充满了奇迹——但所有的魔法都是有代价的
今年，聊天机器人将我们的提示变成了黄金——或者类似的东西。弄清楚哪个是哪个以及我们还需要注意什么是明年的问题。
鉴于人工智能 (AI) 今年取得的所有进步和文化影响，将 2023 年宣布为“人工智能年”似乎是公平的——只不过这一切以前都做过。
正如本学术期刊报道的那样，“人工智能年”被宣布为 43 年前，即 1980 年。人工智能已经陪伴我们很长时间了。几十年前，我写了一篇关于人工智能伦理的学术论文。 1986 年，我为早已停刊的计算机设计杂志写了一篇题为“人工智能作为系统组件”的文章。然后，在 1988 年，我推出了两款适用于 Mac 的基于人工智能的产品。
即便如此，人工智能也已经有 30 多年的历史了。我们可以将一些最早的人工智能活动追溯到斯坦福大学、麻省理工学院和达特茅斯学院的约翰·麦卡锡教授。 1955 年，他创立了 SAIL（斯坦福人工智能实验室），并于 1958 年发明了可爱的 LISP（我一直以来最喜欢的编程语言之一）。
因此，到 2023 年，人工智能已经存在至少 68 年了。这还不包括推理小说。艾萨克·阿西莫夫 (Isaac Asimov) 早在 25 年前（即 1940 年）就开始思考人工智能伦理。
然而，我很难反对将 2023 年称为人工智能年。已经过去了整整一年了。
发生了什么变化？
人工智能已经使用了很长时间。无论是在专家系统、诊断工具、视频游戏、导航系统还是许多其他应用中，人工智能已经投入生产数十年。
但它从来没有像今年这样投入使用过。今年是真正的生成式人工智能大显身手的一年。虽然很多年（1980 年，我正在看你）都可以被称为“人工智能年”，但毫无疑问，2023 年是“生成人工智能年”。
最大的差异是我们训练人工智能的方式，这一差异导致了今年真正有用的人工智能的巨大爆炸。到目前为止，人工智能的大部分训练都是有监督的。也就是说，每个人工智能都被人工智能设计者输入了特定的信息，这些信息构成了人工智能的知识库。有限的监督预训练限制了人工智能的知识和能力。
相比之下，我们现在正处于大型语言模型 (LLM) 时代，预训练是无监督的。像 OpenAI 这样的人工智能供应商并没有提供一组有限的特定领域信息并称其为好信息，而是向人工智能提供了几乎所有内容——整个互联网以及他们可以获得的任何其他数字内容。
这个过程使人工智能能够产生令人惊讶的多样化材料，其广度是以前不可能的。
处理器性能和存储的巨大改进为这一过程提供了帮助。早在 1986 年，当我写关于人工智能作为系统组件的文章时，你就可以花 10,000 美元（今天大约 27,000 美元）买到一个相当于两个微波炉大小、一个完整冰箱重量的硬盘。它有 470 兆字节。不是千兆字节，也不是太字节——兆字节。
相比之下，今天，您可以花 279 美元从 Amazon 购买20TB 内部企业 NAS 硬盘。云、宽带、更快的 CPU 和 GPU 形式的处理器以及更大的 RAM 池的结合使法学硕士的处理能力成为可能。
一个例子
为了给您提供这种差异的示例，让我们使用我多年前推出的产品之一。 House Plant Clinic 是一个专家系统，由园艺师对其领域知识进行了培训。我当时的另一个产品是专家系统开发环境Intelligent Developer，用于构建House Plant Clinic。
这个过程非常艰苦。通过一系列很长的采访，我和另一位工程师从工厂专家那里引出了规则、事实和最佳实践，然后将它们编码到知识库中。在植物专家的指导下，我们还为用户可能需要看到视觉效果的情况制作了插图。
House Plant Clinic 的知识范围就是我们在专家系统中编码的内容，仅此而已。但它奏效了。如果您有一个问题，并且您的问题落入我们编码的知识范围内，您可以获得答案并确信它是正确的。毕竟，所提供的知识已经过植物专家的审查。
现在，让我们看看 ChatGPT。我问 ChatGPT 这个问题：
我有一种室内植物生病了。一步步向我提问，每个问题只需要一个答案。
它在提问方面做得相当不错，询问土壤的湿度、树叶的状况等等。尽管它没有主动提供图像，但当我要求它向我显示可能在室内植物上发现的害虫图像及其名称时，我得到了更高级的图像：
也就是说，没有人（甚至谷歌）知道“KRIDEFLIT”是什么。正如我们一再看到的，生成式人工智能确实存在一些真实性问题。
因此，虽然 ChatGPT 可以自信地谈论几乎任何主题，但我们基于更老的专家系统的项目更有可能准确。其中一个是由实际的主题专家创建和审查的，而今天的聊天机器人则从大量不合格的数据中生成信息。
我们今年一直在使用的生成式人工智能可以做更多的事情，但所有的魔法都是有代价的。
潘多拉魔盒
生成式人工智能非常棒。今年，作为我学习和测试技术并向您汇报的过程的一部分，我使用生成式人工智能帮助我建立了一家 Etsy 商店，帮助我为我的 EP 制作专辑封面，帮助我妻子的电子商务通过创建自定义社交营销图像、创建 WordPress 插件、调试代码、进行详细的情绪分析等等来开展业务。
但生成式人工智能也并非没有问题。正如我们所展示的，它存在严重的准确性问题。你不能相信人工智能产生的结果。因为它接受了如此广泛的知识库的训练，所以这是令人难以置信的。但由于它接受了如此广泛的知识库的训练，因此它受到了我们人类编写和出版的内容的污染。
这个问题给我们带来了偏见和歧视。这篇文章已经很长了，所以我不会尝试重新表述我的同事所写的内容，而是向您指出他们关于这个主题的一些优秀的思想文章：
- 人工智能伦理学家表示，如果我们现在不采取行动，今天的人工智能繁荣将会加剧社会问题
- 人工智能安全和偏见：理清人工智能训练的复杂链
- 医疗保健中的人工智能存在种族主义
- 生成人工智能的伦理：我们如何利用这项强大的技术
然后是工作。早在六年前，我就与我的科技媒体同事鲍勃·雷塞尔曼 (Bob Reselman) 坐下来讨论了我的担忧。早在 ChatGPT 积极说服白领担心自己的未来之前。最近，今年早些时候，我讨论了一个真正令人担忧的问题：ChatGPT 及其同类可能会大规模取代知识工作者。
如今，ChatGPT 就像一位才华横溢但态度有问题的实习生。它很有用，但只有在它想要的时候才有用。但随着这项技术的发展，它将能够处理更细微的更大问题，然后我们就会遇到更大的问题。
对于我这样一个拥有两人公司的人来说，依靠人工智能来帮助我增加时间是一回事。但是，当大公司决定宁愿省钱并使用人工智能服务时，很多人都会失业。
这种趋势将从入门级职位开始，因为 ChatGPT 基本上是入门级工人。但随后，其他三个趋势将会随之而来：
- 有经验的工人将会越来越少，因为没有足够的初学者能够进入劳动力市场。
- 人工智能将变得更加复杂，公司将放心地用每月 100 美元的人工智能订阅取代每年 10 万美元的员工——即使人工智能输出的工作并不像人工智能那样干净、复杂、细致或准确。由付费专业人员制作的作品。
- 工作质量和产出以及准确性都会下降，从而对整个经济和社会产生连锁反应。
在最近的一篇文章中，我说了以下内容：
我们正站在一个新时代的风口浪尖，就像工业革命、个人电脑革命和互联网的黎明一样，它具有变革性、差异性、赋权性和问题性。我们曾经依赖的工具和方法正在不断发展，我们的责任和道德考虑也随之扩大。
好的、坏的和丑陋的
我们从 2023 年开始，天哪，我可以让它写一个《星际迷航》故事，天哪，我可以让它像海盗一样说话。到了年底，我们对好、坏、丑有了更好的认识。
从好的方面来说，我们现在有了一个乐于助人（尽管不太可靠）的个人助理，它可以节省我们的时间，帮助我们解决问题并完成更多工作。
不利的一面是，我们对所有知识工作者都面临着生存的工作威胁，并且自动偏见反射器利用了我们的集体时代精神，有时选择与魔鬼并肩，而不是与我们更好的天使并肩。
至于丑陋的地方，还有很多工作要做：
- 找到一种方法来提高准确性，而又不会因过多的护栏而削弱有效性。
- 提供有用的信息和插图，但不会抄袭那些使其工作面临风险的人。
- 防止滥用人工智能来改变选举和其他邪恶活动。
- 获取足够长的输入并生成具有真正意义的输出。
- 进入其他媒体，例如视频生成，这与图像生成工具一样令人惊讶。
- 帮助学生学习，而不会给他们带来无与伦比的家庭作业作弊方式。
- 不断不断。
人工智能在 2023 年蓬勃发展，与我们半个世纪或更长时间以来的任何其他年份都不一样。这项技术为强大的工具打开了大门，但也带来了可怕的后果。
您对 2023 年有何看法？对 2024 年有何期待、希望和恐惧？请在下面的评论中告诉我们。我只是在写 2023 年的生成式 AI 转型。如果您想了解一些更广泛的趋势，这篇 ZDNET 文章是一个很好的起点。
您可以在社交媒体上关注我的日常项目更新。请务必订阅我在 Substack 上的每周更新时事通讯，并在 Twitter 上关注我：@DavidGewirtz、Facebook 上：Facebook.com/DavidGewirtz、Instagram 上：Instagram.com/DavidGewirtz 和 YouTube 上：YouTube.com/DavidGewirtzTV。