最大的人工智能實驗室一直在 obsessively 改進他們的基礎模型。起初，這些 AI 模型的改進在版本之間產生了顯著的差異。但現在，我們已經達到了模型優化的收益遞減點。如今，每次對 AI 模型的升級似乎都不如上一次明顯。這背後一個主要的理論是，人工智能實驗室正在耗盡高質量、獨特的數據來訓練他們的模型。他們已經抓取了我們可以假設的整個互聯網，那麼他們接下來將從哪裏獲取數據，以及他們獲得的數據將與他們的競爭對手試圖獲取的數據有何不同？
在遇到這個壁壘之前，AI模型成功的公式很簡單：給大型語言模型提供更多的互聯網數據，它們就會變得更好。然而，互聯網是有限的資源，許多AI巨頭已經耗盡了它。此外，當所有人都在同樣的數據上進行訓練時，沒人能脫穎而出。如果你無法獲得新的、獨特的數據，就無法通過訓練數據不斷提升模型的性能。這就是許多公司遇到的壁壘。
那麼，我們如何解決這個問題呢？缺少的是對消費者需求的關注，尤其是在產品層面。消費者希望獲得能夠解決他們生活中實際問題的 AI 產品和工具，這些產品應當直觀易用，並且不需要 STEM 學位。相反，他們得到的產品似乎並沒有做好投入生產的準備，比如一些代理，這些產品的使用案例模糊，更像是實驗而不是產品。這樣的產品顯然不是爲特定用戶羣體打造的；它們很難使用，可能是因爲它們在推廣過程中遇到了困難。
人工智能創新是否遇到了瓶頸？
人工智能(AI)似乎已經達到一個瓶頸。AI模型的創造者似乎沒有像以前那樣快速取得進展。他們承諾的許多產品被過度炒作卻未能兌現，消費者對於生成式AI除了作爲傳統搜索引擎的替代品之外，不太確定該如何使用。
如果還沒有的話，人工智能看起來正開始走出早期增長階段，進入一個停滯期。
AI的爆炸性增長從2022到2024
從2022年11月到2024年底，人工智能的新發展迅速發生。ChatGPT於2022年11月推出。四個月後，我們得到了GPT-4。兩個月後，OpenAI增加了代碼解釋器和高級數據分析。與此同時，文本到圖像和文本到視頻生成方面也發生了重大進展。OpenAI的進展似乎每30到120天就會出現一次，而他們的競爭對手似乎也在同步發展，可能是出於對落後的恐懼，如果他們不跟上步伐的話。
在所有這些動力的推動下，各公司開始做出大承諾：能夠規劃、推理並完成復雜任務的自主 AI 代理，整個過程無需人工幹預。能夠取代市場營銷人員、設計師、電影制作人和詞曲作者的創造性 AI，甚至能夠取代整個白領工作類別的 AI。然而，這些承諾大多數仍未實現；如果實現了，也都乏善可陳。
爲什麼人工智能創新正在放緩
問題不僅僅在於AI代理或自動化勞動力的交付不足；更在於這些不盡如人意的產品是更大問題的結果。AI行業的創新正在放緩，構建這些工具的領先公司似乎迷失方向。
並不是所有在2022年至2024年間發布的產品都是革命性的。在此期間的許多更新可能都未被普通消費者使用。這是因爲大多數人仍然僅將AI用作搜索引擎的替代品，或者，正如一些人開始稱之爲的那樣，他們將AI用作答案引擎，這是搜索引擎的下一個迭代。
盡管這確實是一個有效的用例，但可以肯定地說，科技巨頭對人工智能有更宏大的願景。然而，可能阻礙他們的一件事，以及更多被炒作的產品在市場上掙扎的一個原因，是在高度技術化行業中的一個經典問題：傑出的工程師有時最終構建出只有其他傑出的工程師才能利用的工具和產品，但他們忘記了讓這些工具和產品對更大規模的用戶羣體可用，而這些用戶並不是傑出的工程師。在這種情況下，這意味着普通用戶，毫無疑問是讓人工智能在2022年進入主流的受衆。
然而，即使是人工智能產品的停滯也是源於一個更大問題的涓滴效應，這個問題與人工智能模型的訓練方式有關。
最大的人工智能實驗室一直在 obsessively 改進他們的基礎模型。起初，這些 AI 模型的改進在版本之間產生了顯著的差異。但現在，我們已經達到了模型優化的收益遞減點。如今，每次對 AI 模型的升級似乎都不如上一次明顯。這背後一個主要的理論是，人工智能實驗室正在耗盡高質量、獨特的數據來訓練他們的模型。他們已經抓取了我們可以假設的整個互聯網，那麼他們接下來將從哪裏獲取數據，以及他們獲得的數據將與他們的競爭對手試圖獲取的數據有何不同？ 在遇到這個壁壘之前，AI模型成功的公式很簡單：給大型語言模型提供更多的互聯網數據，它們就會變得更好。然而，互聯網是有限的資源，許多AI巨頭已經耗盡了它。此外，當所有人都在同樣的數據上進行訓練時，沒人能脫穎而出。如果你無法獲得新的、獨特的數據，就無法通過訓練數據不斷提升模型的性能。這就是許多公司遇到的壁壘。
需要注意的是，盡管這些模型的回報正在減少，但對這些模型所做的漸進式改進仍然非常重要。雖然這些改進的影響力不如過去的改進，但它們仍然需要發生，以便實現我們所承諾的未來人工智能產品。
人工智能的未來在哪裏
那麼，我們如何解決這個問題呢？缺少的是對消費者需求的關注，尤其是在產品層面。消費者希望獲得能夠解決他們生活中實際問題的 AI 產品和工具，這些產品應當直觀易用，並且不需要 STEM 學位。相反，他們得到的產品似乎並沒有做好投入生產的準備，比如一些代理，這些產品的使用案例模糊，更像是實驗而不是產品。這樣的產品顯然不是爲特定用戶羣體打造的；它們很難使用，可能是因爲它們在推廣過程中遇到了困難。
在某些事情發生變化之前，人工智能很可能會陷入一種停滯狀態。無論這種突破來自更好的訓練數據、對現有數據的新解讀方式，還是一種最終受到歡迎的突出消費產品，總會有一些事情需要改變。
從2022年到2024年，人工智能似乎每四個月就向前躍進十步。但在2025年，它只是每次緩慢前進一步，而且頻率大大降低。
不幸的是，這裏沒有快速解決方案。然而，專注於一個穩固的面向消費者的產品可能是低垂的果實。如果科技巨頭們花費更少的時間去追逐聽起來未來感十足但實際上用途廣泛的人工智能產品，而更多地投入到提供一個狹窄使用場景、高影響力的工具，讓人們能夠立即使用，他們將會看到更多的成功。
但從長遠來看，必須有某種重大的進展來解決我們當前所面臨的數據匱乏問題，無論是公司尋找新的、獨特的訓練數據來源，還是找到讓模型充分利用現有數據的方法。
爲了使人工智能 (AI) 在法律框架內正常運作，並在日益增長的挑戰面前蓬勃發展，它需要整合一種企業區塊鏈系統，以確保數據輸入質量和所有權——使其能夠安全保存數據，同時保證數據的不可篡改性 查看 CoinGeek 對這一新興技術的報道 以了解更多 爲什麼企業區塊鏈將成爲人工智能的支柱*.*
觀看：人工智能需要區塊鏈