人工智能在过去两年中一直是科技界的宠儿,吸引了数十亿美元的资金投入。然而,随着 2025 年的到来,一些专家认为这可能是"AI 泡沫"破裂的一年。
这并非专家们首次发出这样的预警。正如我在 Forbes 的一篇文章中提到的,百度 CEO 李彦宏曾表示:"人们会因为技术无法满足最初兴奋时产生的高期望而感到失望",并且"当 AI 热潮褪去时,只有约 1% 的公司能够存活下来。"
不过这一次,预测既有好消息也有坏消息。来自 Oxylabs 的 AI/ML 顾问委员会的专家们 —— 包括 Adi Andrei、Ali Chaudhry 和 Oxylabs CEO Julius Cerniauskas —— 预测 2025 年 AI 热情将减退,审查将加强,但同时 AI 领域也将出现令人兴奋的进展。
AI 收益递减法则
尽管生成式 AI 和大语言模型备受关注,但 Andrei、Chaudhry 和 Cerniauskas 三人警告说,该技术可能无法实现许多人之前期待的规模化成果。伦敦大学学院研究员、ResearchPal 创始人 Chaudhry 认为 AI 正面临收益递减。
他在新闻稿中表示:"扩展法则正显示出其局限性。一些 AI 实验室已经暗示,扩大模型规模和训练数据并不会带来像过去那样的突破。"
Chaudhry 还预测,针对 AI 社会影响的监管将更加严格,特别是对生成式 AI。他说:"2025 年将是 AI 安全的关键一年",并补充说"我们将看到技术和政策层面的努力来降低其风险。"
同时,Cerniauskas 指出,讨论正在转向负责任和可持续的 AI 实践。他说:"支撑 AI 发展的服务器给环境带来压力,人们也越来越关注 AI 运作的透明度。AI 公司必须解决这些挑战才能维持公众信任。"
Technosophics 的联合创始人兼 AI/ML 专家 Andrei 在预测中更为大胆,指出生成式 AI 泡沫即将破裂。Andrei 解释说:"在没有明确投资回报的情况下,注入生成式 AI 的资金推高了不可持续的期望。"
他引用了美国亿万富翁、C3.ai 创始人兼 CEO Tom Siebel 的话来说明硅谷许多 CEO 和专家的观点,Siebel 曾说"市场正在高估 AI"且"绝对存在泡沫"。Andrei 还指出专业人士和公众对生成式 AI 的抵制日益增长,这可能进一步消减炒作。
他总结道:"来自不同行业的普通人,如作家、艺术家、计算机科学家、工程师和哲学家,都在反对生成式 AI 范式方面找到了共同点。这提高了公众对技术带来的不可调和问题的认识,以及这项技术正被亿万富翁及其组织强加给人们的事实。"
更多 AI 监管
尽管 Oxylabs 的预测为 AI 蒙上了阴影,但公司们并未停止采用这项技术。这种加速的 AI 采用是推动更多监管的主要动力,特别是随着对偏见、隐私和虚假信息的担忧持续增长。
Cerniauskas 指出:"AI 发展的速度已经超过了我们充分理解其影响的能力。2025 年将是 AI 安全成为政府和组织关注焦点的一年。"欧盟的 AI 法案作为世界首个全面的 AI 立法,为许多政府制定 AI 监管框架提供了法律基础。
绿色 AI 是另一个日益增长的趋势,它优先考虑节能计算。随着 AI 模型需要大量计算和能源资源,减少其环境足迹现在已成为伦理必需。
AI 领域的好消息
虽然计算能力、投资回报和偏见等挑战仍然存在,但 Chaudhry 表示,多模态模型将在 2025 年成为焦点,特别是能够生成更长、更真实视频的文本转视频模型。他指出:"我们将看到这些模型在遵循物理法则方面取得显著进步,提高其质量和适用性。"
另一个有前途的领域是自动机器学习,根据 Cerniauskas 的说法,它可能让普通人也能使用机器学习和 AI。"通过 AutoML,各行各业的专业人士都可以创建适合其需求的 AI 工具。这有可能加速 AI 的采用并开启新的可能性。"
毫无疑问,AI 系统和应用确实具有实用价值。但 2025 年围绕 AI 的更大讨论可能将由平衡定义 —— 在不过度夸大其承诺的同时,安全地发挥 AI 的最大效用。
好文章,需要你的鼓励
Xbox 部门推出了名为 Muse 的生成式 AI 模型,旨在为游戏创造视觉效果和玩法。这一举措反映了微软全面拥抱 AI 技术的战略,尽管游戏开发者对 AI 持谨慎态度。Muse 不仅可能提高游戏开发效率,还有望实现老游戏的现代化改造,但其实际效果和对行业的影响仍有待观察。
Sonar收购AutoCodeRover,旨在通过自主AI代理增强其代码质量工具。这项收购将使Sonar客户能够自动化调试和问题修复等任务,让开发者将更多时间用于改进应用程序而非修复bug。AutoCodeRover的AI代理能够自主修复有问题的代码,将与Sonar的工具集成,提高开发效率并降低成本。
人工智能正在推动数据中心的变革。为满足 AI workload 的需求,数据中心面临前所未有的电力消耗增长、散热压力和设备重量挑战。应对这些挑战需要创新的解决方案,包括 AI 专用硬件、可再生能源、液冷技术等。同时,数据中心还需平衡监管压力和社区关切。未来数据中心的发展将决定 AI 技术能否实现其变革性潜力。