美国科技板块“高得离谱”的估值，部分反映了这样一种信念：通用人工智能(AGI)已近在眼前。尽管鲜有人就通用人工智能的确切内涵达成一致，投资者似乎仍坚信：更强的可泛化AI将重塑manbetx20客户端下载 生产率，并为其创造者带来滚滚财富。
为维持这一叙事，美国科技公司正投入数千亿美元建设更多AI基础设施，以扩展其算力。问题在于，如今的扩容正产生边际效益递减，一些研究者怀疑AI行业的路线图是否会通向可完全泛化的智能。持强烈怀疑态度的加里•马库斯(Gary Marcus)近日写道，生成式AI模型仍应被视为“加强版的复读机”，在真实性、幻觉和推理方面很难，并且永远不可能把我们带向“通用人工智能的圣杯”。
围绕规模化极限的争论已持续多年，迄今为止怀疑者总被证明错了。2019年，计算机科学家理查德•萨顿(Rich Sutton)撰写《苦涩的教训》，主张解决人工智能问题的最佳方式是持续投入更多数据和算力。所谓“苦涩的教训”在于：人类的巧思被高估，且不断被规模化的力量所超越。
您已阅读27%（422字），剩余73%（1166字）包含更多重要信息，订阅以继续探索完整内容，并享受更多专属服务。