揭秘AI的局限性：我们距离真正的人工智能还有多远？

揭秘AI的局限性：我们距离真正的人工智能还有多远？

近年来，人工智能（AI）技术的快速发展一直备受关注。大模型作为AI技术的重要进展，在过去的一年半里成为热门话题。然而，虽然大模型取得了显著的成就，但AI仍在不断“钻木取火”，致力于突破更多技术难题。

大模型的兴起是AI领域的重要里程碑。通过使用更大规模的数据集和更强大的计算资源，大模型在诸多领域实现了突破性的进展。它们在自然语言处理、计算机视觉、语音识别等任务中展现出了强大的能力。大型预训练模型如GPT-3和CLIP成为了AI研究和应用的焦点，吸引了众多科技公司和研究机构的关注。

然而，大模型的火热并不意味着AI技术已经达到了顶峰。相反，这一现象更像是AI发展的一个里程碑，标志着AI仍在不断追求突破。尽管大模型在某些任务上表现出色，但它们面临着许多挑战和限制。

AI不是万能药

现在很多人都觉得生成式 AI 是个万能药，自己的产品加上AI就很好卖了，但事实上并不是这样。

最近一些中国做消费电子的企业加了 AI 后，都觉得消费电子产品变得很智能了，但实际体验和期望的差距还是很远。包括美国也是一样的，虽然AIGC看上去很惊艳，但真正落地上并不容易。

为什么AIGC很难落地？最主要就两个问题：一是幻觉问题；二是结果不可控。

一旦AI有幻觉就会出错，而且你不知道什么时候会出错，每次结果还都不一样，所以结果不可控。

随着大家对幻觉的研究越来越多，发现造成幻觉的核心问题是脏数据。很多训练大模型的数据都来自于公开的互联网，里面很多数据并不正确。

上个月谷歌就闹出一个笑话：

你精心准备好所有材料，把披萨放进烤箱，期待着美味的晚餐。但当你迫不及待地准备咬上一口时，却发现奶酪掉了下来。你感到沮丧，于是上网求助谷歌。

谷歌回答道：“加点胶水，混合大约1/8杯的胶水和酱汁。无毒胶水会更有效。”

这个回答其实是网友在十多年前编的一个笑话，但大模型觉得这是正确的。

杀手级AI爆款应用并没有出现

在深入讨论AI之前，可以略回顾一下互联网和移动互联网给人类带来的改变。

互联网和计算机一起，给人类带来了第三次工业革命即信息革命。互联网诞生至今50多年，几乎完成了全世界普及，给全球绝大部分个人、企业和政府机关的生活、生产和运行，带来了几何级别的便利。以微软为代表的大量专业软件系统供应商崛起，谷歌、亚马逊等搜索类、电商类企业崛起。

将移动通信和互联网二者结合起来的移动互联网，在2010年前后与智能手机结合，迎来爆发。在不到10年的时间内，移动互联网对全球大部分个人完成覆盖，大量企业和政府端为完成To C服务，进行了移动互联网变革。在中国，大部分60岁以上老人近年也成为智能手机用户。

全球范围内，崛起于互联网时期的科技企业，几乎全部利用移互技术进行升级，新出现了Facebook、YouTube、微信、抖音、淘宝等10亿级用户移动应用。移动互联网还催生了移动支付、共享经济、数字政务等，初步带来便捷的数字生活、生产方式。

AI技术的提出时间在1956年，甚至比互联网诞生的1969年都要早13年。长期以来，AI都是一门被认为重要但难得其法去使用的技术。

2013年至2017年，第一轮AI技术热潮——计算机视觉热潮掀起。在这轮热潮中，2016年，谷歌的AlphaGo成为第一个战胜围棋世界冠军的人工智能机器人，我国的“AI四小龙”——依图、商汤、云从、旷视诞生。但该轮热潮最终未能带来AI的爆发，大量资本投资失利，大量创业者艰难维持。

2022年11月30日，ChatGPT横空出世，基于Transformer架构的AI大模型自此被捧为AI技术的新未来。

人类通过20余年的继承式学习，才能具有一项或多项专有技能，胜任生活中各种角色，而人工智能则通过数月甚至更短时间的数据训练，拥有比人高得多的技能甚至是智能。

ChatGPT引发的震憾则是全方位的，机器通过类似人的神经网络一样的学习方式，将所见、所听、所看结合既有数据、记忆，在瞬间进行成千上万的并行计算，再以文本、图表、语音、视频等方式表达出来。似乎，人之所以为人的知、情、意，人工智能除了情、意之外，在认知的数量方面超过和辗压人类，质量方面正无限接近人，甚至是超过多数人。

至今，全球大多数科技企业均涉足AI大模型发展和训练，作为科技领先国家的美国和中国，更是各自诞生数百个大模型。这被形象地称为“百模大战”，甚至“千模大战”。

大量的资本冲向AI领域，席卷全球的AI热潮再次涌起。一年半的喧闹之后，人们暮然回首，与投资端的喧闹相比，市场对AI大模型的热情，还远远不及互联网、移动互联网。

除了训练AI大模型需要巨量GPU芯片，因此将芯片企业英伟达一度送上全美市值第一宝座外，这轮热潮下还没有诞生新的科技巨头。全球最好的AI大模型ChatGPT的日活至今只有数千万，国内大模型应用虽然均呈现向好态势，但C端日活和B端尝鲜者数量均不理想。

至今，全行业都在追问：杀手级、现象级或者说爆款AI应用，何时会出现？简单的问题，直击灵魂。业内回答，乐观者说1年内，中观者说2至3年，悲观者说“无法预计”。

6月13日，北京智源人工智能研究院院长王仲远接受媒体群访时说，回顾移动互联网时代或更早期的技术革命，每次新技术的出现都需要一定的周期，包括技术能力的提升、成本的降低以及硬件的支持。当这些条件具备时，能够解决真实用户需求的C端爆款应用才会出现。“因此，对于C端爆款应用，我们还需保持一定的耐心。未来，我们可能会先从B端看到非常好用的工具，然后C端应用会逐步出现。”

AI爆发或需更多等待

业内的一个共识是，从各方面看，AI技术可能已经接近首次爆发。但无法排除的可能是，AI也有可能需要一个更长的周期才能迎来爆发。

无论如何，有几个现实是AI大模型当前发展不容回避的。

首先，AI大模型十分烧芯片、烧数据，甚至烧电力。每一个大模型动辄需要上万块英伟达GPU，每块价值1万至1.5万美元以上。每次训练还需要规模达百亿、千亿级TOKEN的数据物料，无论英文数据物料还是中文数据物料，现有物料都难以接续。

很难想象，大模型的耗电量会成为能源专家的最新关注点。训练Open AI的GPT-3模型耗电量相当于120个美国家庭一年的用电量。在这背后，大模型的CPU（中央处理器）和GPU（图形处理器）等硬件在执行复杂计算时会消耗大量电力，同时大模型所需巨大内存带来的读写操作，同样需要电力。“这样集中、持续、稳定供应电力的地方并不好找，在这方面，中国的电力基础设施将比美国更容易支持本国的AI大模型发展。”

相比动辄数十亿级别的投入，AI大模型带来的收入还十分有限，甚至暂时可以忽略。

其次，AI大模型还有“硬伤”，即不够靠谱的问题仍然没有解决。虽然大部分时候，AI大模型的推理和判断结果令人欣喜，但时而“一本正经地胡说八道”还是会出现。目前任何大模型都不能幸免。在生活中，AI大模型的错误我们可以容忍，可以一笑置之，但这却关乎大模型商用的前途，例如金融系统和制造业的容错空间就极小。

再次，AI大模型目前的使用门槛还比较高。除了核心功能价格不够普惠外，内行与外行的使用效果差别明显。大多数模型的使用需要进行专门培训。而一个改变人类的基础技术，最终一定是像互联网一样低门槛的。

“AI技术已发展了30年，现在说它还处于钻木取火阶段可能有些夸张，但它仍然处于技术早期这不可否认。”一位大厂的AI专家表示。

科学技术发展带有不可确定性，没有人是先知。或许，AI爆发只差临门一脚。又或许，AI大模型并不是AI爆发的最终解。那么，我们可能需要继续等待。