如果说2023年是人们对人工智能充满好奇和惊叹的一年，那么2024年则是努力让这种“惊叹”变得实用，同时避免成本失控的一年。
Arvind Narayanan表示：“从过去单纯地推出模型，到如今真正开始构建有价值的产品，这一趋势正在发生转变。”
两年前，ChatGPT刚刚面世时，首批尝试它的一亿多用户是主动去探索这款聊天机器人，并惊叹于它在某些任务上的卓越表现，同时也对它在其他任务上的平庸甚至可笑之处感到意外。
如今，这类生成式人工智能技术已逐步融入各种技术服务，无论我们是否主动寻找，都在日常生活中悄然出现。例如，Google搜索结果中的AI生成答案，或是照片编辑工具中新增的AI功能等。
“去年，生成式人工智能的主要问题在于，各家公司推出了这些强大的模型，但并没有明确的方式让人们真正用上它们。”Narayanan指出，“而今年，我们看到的趋势是，企业正在逐步构建能够充分利用这些能力的产品，使其真正为人们提供价值。”
与此同时，自从OpenAI在2023年3月发布GPT-4，并且竞争对手也相继推出性能相当的AI大模型后，这些模型不再以过去那种“指数级增长”的速度变得更大、更强。这也让外界逐渐放下了过度夸大的期待，不再认为人工智能每隔几个月就会突破某个临界点，直逼甚至超越人类智慧。Arvind Narayanan指出，这一现实让公众讨论的焦点也发生了转变——从“人工智能会不会毁灭人类？”变成了“这项技术究竟能带来什么实用价值？”
AI的“价格冲击”
在今年的季度财报电话会议上，科技公司高管们经常被华尔街分析师追问，要求他们证明在人工智能研发上的巨额投入未来能否带来可观的回报。像OpenAI的ChatGPT或Google的Gemini这样的生成式AI工具，其背后的AI系统需要依赖耗能巨大的计算基础设施运行，而这些设施又依赖昂贵的AI芯片。因此，为了支撑庞大的算力需求，科技巨头们今年纷纷宣布与核能供应商达成合作，以获取更稳定、可持续的电力资源。
高盛分析师Kash Rangan表示：“我们谈论的是数千亿美元的资本投入，这些资金源源不断地涌入人工智能领域。”
今年夏天，另一位来自纽约投资银行的分析师曾引起广泛关注，他认为当前的人工智能并未解决那些复杂到足以证明其高昂成本合理化的问题。他还质疑，即使AI模型已经训练了几乎涵盖人类历史上所有的文字和视觉数据，它是否真的能够像人类一样高效地处理问题。
不过，Rangan对此持更乐观的态度。他表示：“当初我们曾对这项技术抱有极大的期待，认为它将带来彻底的颠覆性变革。但自ChatGPT推出两年以来，AI并没有达到人们想象中的那种革命性水平——它比我们预期的更昂贵，带来的生产力提升也没有想象中那么显著。”
然而，Rangan依然对人工智能的潜力持乐观态度。他表示，AI工具已经在销售、设计以及多个专业领域展现出“显著且持续的生产力提升”，尽管它并未如人们最初预期的那样带来彻底的变革。
AI与就业
随着人工智能技术的不断发展，许多职场人士都在思考——AI工具究竟是用来辅助他们的工作，还是会最终取代他们？
例如，科技公司Borderless AI目前正使用AI公司Cohere的聊天机器人来起草土耳其和印度的劳动合同，而无需依赖外部律师或翻译。这种应用方式让人们对AI是否会替代法律、翻译等行业的部分岗位产生新的担忧。
影视行业的表演者们也表达了类似的焦虑。今年7月，美国影视演员工会（SAG-AFTRA）的电子游戏演员发起罢工，担心AI可能会通过复制他们的一次表演，自动生成多个不同的动作，而无需获得他们的同意，从而减少甚至消除他们的工作机会。事实上，去年好莱坞电影和电视行业的罢工，就有很大一部分原因是对电影公司如何使用AI的担忧。这场工会罢工持续了四个月，而一些游戏公司为了能继续使用演员，也与工会签署了包含特定AI保护措施的附加协议。
不仅仅是演员，音乐家和作家也对AI爬取他们的声音和作品表示抗议。
不过，弗吉尼亚理工大学（Virginia Tech）电气与计算机工程教授、AI专家Walid Saad指出，生成式AI目前仍然无法真正创造出全新的、独一无二的作品。
“我们可以用更多数据来训练AI，使其掌握更丰富的信息。但信息的增加，并不意味着它会变得更具创造力。”
Saad解释道，作为人类，我们能够理解世界的物理规律，比如你知道把球扔到地上，它会弹起来。然而，当前的AI工具并不具备这样的理解能力，它只是通过模式识别来生成内容，而非真正“理解”世界。
Saad举了一个关于AI局限性的经典网络梗图作为例子——当有人让AI生成一幅鲑鱼在河中游泳的图像时，AI却生成了一条河，里面漂浮着超市里切好的鲑鱼片。
“AI目前缺乏的是人类的常识，而我认为，这将是人工智能下一步要突破的关键。”
迈向“智能代理”的未来
思考和推理能力的提升，是让AI工具变得更加实用的核心环节。思科（Cisco）创新孵化部门Outshift的高级副总裁Vijoy Pandey表示，AI开发者们正致力于打造新一代的智能代理，以取代传统的生成式AI聊天机器人，使其能为用户执行更多复杂任务。
Pandey指出，未来的AI代理将能够理解模糊问题，并自行推理和规划，逐步分解任务，最终找到解决方案。他预测，2025年将是技术朝这一方向加速发展的关键一年。
他进一步描绘了未来AI的工作模式——AI代理不会再是单个独立的工具，而是像一个团队一样协同工作，类似于一群人共同解决问题，而不是单独执行某项任务。
例如，未来的比特币软件可能会依赖于人工智能软件代理的使用。他说，这些代理各有专长，包括“检查正确性的代理、检查安全性的代理、检查规模的代理”。
“我们正迈向一个‘智能代理时代’。”Pandey说，未来的AI代理不仅会擅长某些技能，还会带有一定的个性和风格，因为这才是人类社会运作的方式。
AI 在医疗领域的突破
人工智能不仅简化了医疗流程，在某些情况下甚至提供了实实在在的帮助，成为医疗行业的重要工具。今年的诺贝尔化学奖——两个与AI相关的诺奖之一——便授予了由Google主导的研究，该研究有望加速新药的发现。
弗吉尼亚理工大学教授Walid Saad表示，AI在诊断领域的最大贡献，是能够快速提供医生判断病情的起点，从而缩短诊断时间。虽然AI无法独立检测疾病，但它可以快速分析海量数据，并指出潜在的健康问题，帮助医生更高效地进行进一步检查。然而，和其他领域一样，AI在医疗领域也面临着传播错误信息的风险。
例如，科技巨头OpenAI的AI语音转录工具——Whisper，被宣传为几乎具备人类级别的精准度和稳健性。然而，专家指出Whisper存在一个严重缺陷——它可能凭空捏造部分文本，甚至整句话，这在医疗场景中可能带来严重后果。
思科（Cisco）创新孵化部门Outshift的高级副总裁Vijoy Pandey表示，AI正在帮助制药行业缩小“湿实验室”（wet labs）与“干实验室”（dry labs）之间的差距。
- “湿实验室”指的是需要人类进行实际实验和研究的实验室
- “干实验室”则是依靠计算机进行建模和数据分析的研究环境
在制药研发过程中，这种数据与实验的结合通常需要数年时间，但借助AI，这个过程可能被压缩至短短几天。
“在我看来，这无疑是AI最具革命性的应用之一。”Pandey说道。