最大的人工智能实验室一直在 obsessively 改进他们的基础模型。起初，这些 AI 模型的改进在版本之间产生了显著的差异。但现在，我们已经达到了模型优化的收益递减点。如今，每次对 AI 模型的升级似乎都不如上一次明显。这背后一个主要的理论是，人工智能实验室正在耗尽高质量、独特的数据来训练他们的模型。他们已经抓取了我们可以假设的整个互联网，那么他们接下来将从哪里获取数据，以及他们获得的数据将与他们的竞争对手试图获取的数据有何不同？
在遇到这个壁垒之前，AI模型成功的公式很简单：给大型语言模型提供更多的互联网数据，它们就会变得更好。然而，互联网是有限的资源，许多AI巨头已经耗尽了它。此外，当所有人都在同样的数据上进行训练时，没人能脱颖而出。如果你无法获得新的、独特的数据，就无法通过训练数据不断提升模型的性能。这就是许多公司遇到的壁垒。
那么，我们如何解决这个问题呢？缺少的是对消费者需求的关注，尤其是在产品层面。消费者希望获得能够解决他们生活中实际问题的 AI 产品和工具，这些产品应当直观易用，并且不需要 STEM 学位。相反，他们得到的产品似乎并没有做好投入生产的准备，比如一些代理，这些产品的使用案例模糊，更像是实验而不是产品。这样的产品显然不是为特定用户群体打造的；它们很难使用，可能是因为它们在推广过程中遇到了困难。
人工智能创新是否遇到了瓶颈？
人工智能(AI)似乎已经达到一个瓶颈。AI模型的创造者似乎没有像以前那样快速取得进展。他们承诺的许多产品被过度炒作却未能兑现，消费者对于生成式AI除了作为传统搜索引擎的替代品之外，不太确定该如何使用。
如果还没有的话，人工智能看起来正开始走出早期增长阶段，进入一个停滞期。
AI的爆炸性增长从2022到2024
从2022年11月到2024年底，人工智能的新发展迅速发生。ChatGPT于2022年11月推出。四个月后，我们得到了GPT-4。两个月后，OpenAI增加了代码解释器和高级数据分析。与此同时，文本到图像和文本到视频生成方面也发生了重大进展。OpenAI的进展似乎每30到120天就会出现一次，而他们的竞争对手似乎也在同步发展，可能是出于对落后的恐惧，如果他们不跟上步伐的话。
在所有这些动力的推动下，各公司开始做出大承诺：能够规划、推理并完成复杂任务的自主 AI 代理，整个过程无需人工干预。能够取代市场营销人员、设计师、电影制作人和词曲作者的创造性 AI，甚至能够取代整个白领工作类别的 AI。然而，这些承诺大多数仍未实现；如果实现了，也都乏善可陈。
为什么人工智能创新正在放缓
问题不仅仅在于AI代理或自动化劳动力的交付不足；更在于这些不尽如人意的产品是更大问题的结果。AI行业的创新正在放缓，构建这些工具的领先公司似乎迷失方向。
并不是所有在2022年至2024年间发布的产品都是革命性的。在此期间的许多更新可能都未被普通消费者使用。这是因为大多数人仍然仅将AI用作搜索引擎的替代品，或者，正如一些人开始称之为的那样，他们将AI用作答案引擎，这是搜索引擎的下一个迭代。
尽管这确实是一个有效的用例，但可以肯定地说，科技巨头对人工智能有更宏大的愿景。然而，可能阻碍他们的一件事，以及更多被炒作的产品在市场上挣扎的一个原因，是在高度技术化行业中的一个经典问题：杰出的工程师有时最终构建出只有其他杰出的工程师才能利用的工具和产品，但他们忘记了让这些工具和产品对更大规模的用户群体可用，而这些用户并不是杰出的工程师。在这种情况下，这意味着普通用户，毫无疑问是让人工智能在2022年进入主流的受众。
然而，即使是人工智能产品的停滞也是源于一个更大问题的涓滴效应，这个问题与人工智能模型的训练方式有关。
最大的人工智能实验室一直在 obsessively 改进他们的基础模型。起初，这些 AI 模型的改进在版本之间产生了显著的差异。但现在，我们已经达到了模型优化的收益递减点。如今，每次对 AI 模型的升级似乎都不如上一次明显。这背后一个主要的理论是，人工智能实验室正在耗尽高质量、独特的数据来训练他们的模型。他们已经抓取了我们可以假设的整个互联网，那么他们接下来将从哪里获取数据，以及他们获得的数据将与他们的竞争对手试图获取的数据有何不同？ 在遇到这个壁垒之前，AI模型成功的公式很简单：给大型语言模型提供更多的互联网数据，它们就会变得更好。然而，互联网是有限的资源，许多AI巨头已经耗尽了它。此外，当所有人都在同样的数据上进行训练时，没人能脱颖而出。如果你无法获得新的、独特的数据，就无法通过训练数据不断提升模型的性能。这就是许多公司遇到的壁垒。
需要注意的是，尽管这些模型的回报正在减少，但对这些模型所做的渐进式改进仍然非常重要。虽然这些改进的影响力不如过去的改进，但它们仍然需要发生，以便实现我们所承诺的未来人工智能产品。
人工智能的未来在哪里
那么，我们如何解决这个问题呢？缺少的是对消费者需求的关注，尤其是在产品层面。消费者希望获得能够解决他们生活中实际问题的 AI 产品和工具，这些产品应当直观易用，并且不需要 STEM 学位。相反，他们得到的产品似乎并没有做好投入生产的准备，比如一些代理，这些产品的使用案例模糊，更像是实验而不是产品。这样的产品显然不是为特定用户群体打造的；它们很难使用，可能是因为它们在推广过程中遇到了困难。
在某些事情发生变化之前，人工智能很可能会陷入一种停滞状态。无论这种突破来自更好的训练数据、对现有数据的新解读方式，还是一种最终受到欢迎的突出消费产品，总会有一些事情需要改变。
从2022年到2024年，人工智能似乎每四个月就向前跃进十步。但在2025年，它只是每次缓慢前进一步，而且频率大大降低。
不幸的是，这里没有快速解决方案。然而，专注于一个稳固的面向消费者的产品可能是低垂的果实。如果科技巨头们花费更少的时间去追逐听起来未来感十足但实际上用途广泛的人工智能产品，而更多地投入到提供一个狭窄使用场景、高影响力的工具，让人们能够立即使用，他们将会看到更多的成功。
但从长远来看，必须有某种重大的进展来解决我们当前所面临的数据匮乏问题，无论是公司寻找新的、独特的训练数据来源，还是找到让模型充分利用现有数据的方法。
为了使人工智能 (AI) 在法律框架内正常运作，并在日益增长的挑战面前蓬勃发展，它需要整合一种企业区块链系统，以确保数据输入质量和所有权——使其能够安全保存数据，同时保证数据的不可篡改性 查看 CoinGeek 对这一新兴技术的报道 以了解更多 为什么企业区块链将成为人工智能的支柱*.*
观看：人工智能需要区块链