有时候,业内人士会发表一些见解,将人们对 AI 发展方向的诸多想法进行提炼总结。
在 AI Daily Brief 最新一期中,Nathaniel Whittemore 分析了 Sam Altman 的一篇名为"三个观察"的新博文。
在开始分析之前,Whittemore 先讨论了超级碗广告,比如 ChatGPT 的广告,以及由 Woody Harrelson 和 Matthew McConaughey 主演的 Salesforce "特工部队"广告。随后他开始解析 Altman 的新文章。
在这篇文章中,Altman 一开始就详细阐述了三个主要观察。第一个是模型的智能程度大致等于用于训练和运行它的资源的对数。这为公司从这类项目获得的投资回报提供了一个粗略的概念,也让我们对规模化有了一些见解。
Altman 的第二个观察是,特定智能水平的成本每年下降 10 倍。其他人也认识到这一点,并看到这些巨大的进步如何推动着指数级的发展曲线。Altman 还补充说,较低的价格会导致使用量大幅增加,这体现了杰文悖论 (我们大多数人现在才开始听说这个概念:简而言之,杰文认为当获得新能力时,人们最终会利用资源效率来做更多事情,而不是保持价值)。
第三个观察是"智能的社会经济价值是超指数级的"。
"世界不会一下子就改变;它从来都不会这样," Altman 写道。"从短期来看,生活将基本保持不变,2025 年的人们大多会像 2024 年一样度过他们的时间。我们仍然会坠入爱河,组建家庭,在网上争吵,在大自然中徒步等。但未来将以一种无法忽视的方式向我们袭来,对我们社会和经济的长期改变将是巨大的。我们会发现新的事物去做,新的方式来互帮互助,以及新的竞争方式,但它们可能与今天的工作大不相同。"
Altman 如此赞扬晶体管这一增强大语言模型能力的先驱:
"从某些方面来说,AI 在经济上可能会像晶体管一样——一个能够良好扩展并渗透到经济几乎每个角落的重大科学发现。我们不会过多考虑晶体管或晶体管公司,收益被广泛分配。但我们确实期望我们的计算机、电视、汽车、玩具等能够创造奇迹。"
他警告说:
"未来将以一种无法忽视的方式向我们袭来。"
Whittemore 对这些观察的见解
在这个转折点上,Whittemore 分享了他自己的五个观察。
第一个与规模化有关:
"这里有一个明确的切入点,关于我们过去几个月一直在进行的规模化辩论……现在有趣的是,他现在把推理也纳入了这些扩展定律中。因此,与其将测试时间计算作为一个根本不同的东西,它只是'更多资源等于更好输出'这个相同方程的不同版本。"
Whittemore 的第二个观察呼应了 Altman 的观点:
"智能成本下降的速度确实令人难以置信,"他说。
作为第三个观察,Whittemore 指出我们可能都需要成为管理者,需要这些技能来处理可能被委派各种任务的 AI 代理。
Whittemore 概述的下一点是一个相对性论点。
"从某种意义上说,AGI 只是人类进步脚手架中的另一个工具,"Whittemore 说。"但你能感觉到这才是他真正的意思:这一次,情况确实不同。"
Whittemore 的最后一点是目前还没有实际的政策。他引用了在这个行业有着令人印象深刻资历的 MIT 教授 Ethan Mollick 的话。
"正如 (Mollick) 指出的那样,对于未来世界的样子没有清晰的愿景,"他说,"而且实验室把决定如何使用他们创造的东西的负担推给了政策制定者。"
当然,随着各方利益相关者齐聚一堂为未来铺路,我们需要解决这类问题。你可以自己看看 Altman 的文章,也许会想用 Whittemore 的笔记作为指南。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。