AI未来挑战：超越人类，还是面临现实瓶颈？

刚刚荣获阿克塞尔·斯普林格奖的山姆奥特曼再次语出惊人：

他预言五年后AI将全面超越人类，人类智力的霸权时代即将进入倒计时。

到2030年，GPT-8不仅能解答终极难题量子引力，还能详细阐述其思考过程、灵感来源，以及研究动机。

它，有资格成为真正的AGI。

届时，“当今经济活动中30%到40%的任务都将由AI执行。”

……

如果是在两年前，我们或许还会激动、为自己的工作担忧。

但如今，虽然仍有类似的感觉，但大多数人已经淡然了许多。

听得太多惊人的言论，已经有些麻木了。

看着现在与你对话的傻瓜式AI大模型，虽然有点用，但真有那么厉害吗？

就这么个玩意，你很难想象它能在5年内成为超越一切的存在。

01

现实很骨感

美国智库METR于7月初发布的报告称，大语言模型每7个月能力翻倍，远超摩尔定律。

预计到2030年，AI足以在数小时内完成人类一个月的工作量。

这与奥特曼的预测时间节点相近，未来似乎很美好。

但回到现在，同样是智库METR的一项试验显示：将一批经验丰富的软件工程师分成两组，一组纯人工，另一组使用AI工具编程。

结果却出乎很多人意料。

相比于纯人工，借助AI工具预测效率提升40%，实际上却慢了19%。

也就是说，AI不仅没有提升效率，反而降低了效率。

无论是采用不同的结果指标、估计方法，还是对数据进行各种子集/子分析，开发速度的放缓现象依然存在。

使用了更先进的工具，效率为何会下降呢？

为了解释这种现象，实验方将之归为“能力-可靠性缺口”概念。

简单来说，现在的大语言模型虽然能完成大量复杂的任务，但成果无法达到真实企业需要的业务水平。

比如在执行编程任务中，程序员确实在查找信息和主动编码上花费的时间更少了，但撰写提示词同样需要时间。

同时，AI虽然能快速生成大量代码，但其中充满小错误，导致人类程序员不得不花费大量时间去检查、更正AI输出，甚至重写。

大部分情况下，人类反而成了AI的保姆。

02

未来确实不远

如果说古人的生产力是天平，付出多少力气就收获多少粮食。

那么现代人的生产力就是一根杠杆，只需坐在机器前敲敲打打，就能驱动万吨巨轮。

在我们的想象中，生成式AI打破了“成本、质量、速度只能选其二”的三角模型。

不过目前来看，无论是成本、质量还是速度，AI工具似乎都与我们预想的还差很远。

因为现阶段的AI只会标准化的创作，这会导致两个问题：

以AI绘图为例，生成式AI是通过整合大量资源获得绘画能力。

一旦源头出现交叉重复，必然导致AI作画出现不可避免的同质化。

这一点我们平常使用AI工具时都能感受到，如果不输入大量特定的提示词，它给出的图片风格其实都非常类似。

更关键的是，它只是把数据具象化为图片，这就不可避免出现大量低级错误。

比如人物装饰不完整、某些器官比例失真、手指多一根等等。