无论以何种标准衡量，2023 年对于人工智能（AI）来说都是令人惊叹的一年。大型语言模型（LLM）及其聊天机器人应用程序抢尽风头，同时在广泛的应用领域也取得了进展，这些功能包括图像、语音和视频生成。

　　这些数字技术的结合催生了新的用例和商业模式，甚至发展到了数字人变得司空见惯的地步，以至于替代人类成为了影响者和新闻主播。

　　更重要的是，2023 年是许多人开始有意使用和采用人工智能作为日常工作一部分的一年。与此同时，人工智能的快速创新也推动了对未来的预测，包括十年内从家庭机器人发展到真正的通用人工智能（AGI）。然而，技术发展从来不会一帆风顺，许多挑战可能会使人工智能的一些预期进展偏离轨道。

　　随着 AI 技术越来越多地融入我们的日常生活和工作中，它也带来了一个问题：“接下来我们可以期待什么？”

　　数字技术的进步不断让人感到惊讶，但人工智能的物理领域（尤其是机器人技术）在激发我们的想象力方面也不曾落后。对于机器人而言，大语音模型（LLMs）提供的部分本质上是一个大脑，特别是当与相机视觉的图像识别功能相结合时。借助这些技术，机器人可以更容易地理解和响应请求，并感知周围的世界。

　　在《机器人报告》中，英伟达Nvidia）机器人和边缘计算事业部副总裁 Deepu Talla 表示，大语音模型将使机器人能够更好地理解人类指令，相互学习并理解其周围环境。

　　提高机器人性能的一种方法是使用多种模型。例如，麻省理工学院计算机科学与人工智能实验室（CSAIL）下属的一个团队 Improbable AI Lab 开发了一个框架，该框架利用了三种不同的基础模型，分别针对语言、视觉和动作等特定任务进行调整。

　　该实验室研究人员报告称，“每个基础模型都能捕捉到（机器人）决策过程的不同部分，然后在需要做出决策时协同工作。”

　　不过，仅仅结合这些模型可能不足以让机器人在现实世界中被广泛使用。为了解决这些局限性，斯坦福大学还开发了一种名为 Mobile ALOHA 的新型人工智能系统。

　　据介绍，该系统允许机器人“自主完成复杂的移动操作任务，例如炒菜和上菜，打开两门壁柜以存放沉重的烹饪锅、呼叫并进入电梯，以及使用厨房水龙头冲洗用过的锅”。

　　AI 公司 Anthropic 联合创始人 Jack Clark 在其 ImportAI 时事通讯中表示：“机器人可能正在接近‘ImageNet 时刻’，届时学习机器人行为的成本和学习其行为的数据都会下降。”

　　ImageNet 是一个由李飞飞（Fei Fei Lee，美国华裔计算机科学家）于 2006 年创建的大型标记图像数据集，被广泛用于推进计算机视觉和深度学习研究。从 2010 年开始，ImageNet 成为年度竞赛的数据集，旨在评估计算机视觉算法在图像分类、目标检测和定位任务中的性能。

　　而 Clark 提到的时刻是在 2012 年，当时包括 Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 在内的几位人工智能研究人员开发了一种卷积神经网络（CNN）架构，这是深度学习的一种形式，该架构可以大幅降低图像分类的错误率。这一时刻展示了深度学习的潜力，并有效地开启了现代人工智能时代。

　　Clark 认为，物理机器人行业现在也正处于类似的时刻。如果这一观点成真，那么双足机器人可能会在十年内在医院、工厂、商店或家庭中提供帮助。

　　正如上文提到的，人工智能发展中的许多拐点可能即将到来。英伟达首席执行官黄仁勋最近表示，“人工智能可能在五年内实现，它可以在各种任务中达到人类水平。”英伟达高级研究科学家兼人工智能代理负责人 Jim Fan 则补充道：“过去一年的人工智能发展就像是从石器时代跨越到了太空时代。”

　　咨询巨头麦肯锡估计，新一代人工智能每年将为全球经济增加超过4万亿美元的收入。瑞银证券则称人工智能为未来十年的科技主题，并预测人工智能市场将从2022年的22亿美元增长到2027年的2250亿美元，复合年增长率（CAGR）达到了152%。

　　当前，人们对于人工智能提高生活质量的潜力可谓是热情高涨。比尔·盖茨曾在 2023 年底的“盖茨笔记”信中表示：“人工智能即将为创新赛道注入超级动力。”

　　《》的一篇文章也引用了人工智能初创公司 Adept 首席执行官 David Luan 的观点：“人工智能的快速发展将持续下去。这是不可避免的。”

　　凡此种种，都说明了科技大佬们对 AI 技术发展的高度看好。而考虑到这些，根据Gartner新兴技术成熟曲线（衡量新技术热情的指标，也被称为炒作周期），新一代人工智能被认为正处于过高期望的顶峰也就不足为奇了。

　　当我们陶醉于 2023 年人工智能所取得的成就的同时，我们也必须思考在这一快速增长期过后，未来将面临哪些挑战。人工智能背后的动力是我们从未见过的，就好像互联网热潮推动了网络时代的到来。

　　那么，随着 2024 年人工智能的繁荣，类似的事情会发生吗？《财富》杂志的一篇文章指出：“今年可能是紧缩的一年，因为投资者发现，他们投资的许多公司没有可行的商业模式，而且许多大公司发现，计算的成本超过了收益。”

　　这一观点与阿马拉定律高度一致。该定律指出：“我们往往会高估一项技术的短期效应，而低估其长期效应” 。从一个角度来看，系统在受到破坏后会试图重新平衡，或者说，炒作往往会超越现实。

　　这种观点并不一定预示着人工智能行业会衰落，但历史上这种情况其实已经发生过两次。

　　自从 1956 年在达特茅斯学院的一次会议上“人工智能”这一术语被首次提出以来，人工智能至少经历过两个被寄予厚望的时期，但都因在构建和部署应用程序时遇到问题，一些投机的承诺并没有实现，最终以失败告终。这两个时期被称为“人工智能寒冬”，分别发生在 1974 年至 1980 年，以及 1987 年至 1993 年。

　　如今，正值辉煌的“人工智能之夏”，是否存在另一个寒冬的风险？除了计算成本之外，人工智能模型训练和推理中的能源使用问题，也面临着气候变化和可持续性问题的不利影响。

　　此外，还有被称为“人工智能末日四骑士”的因素：数据偏差、数据安全、版权侵权和幻觉。其中版权问题是最直接的，最近《》对 OpenAI 和微软提起诉讼。一些评论家推测，如果《》胜诉，它可能会结束许多新一代人工智能公司赖以生存的整个商业模式。

　　最大的担忧则是来自人工智能的潜在生存威胁。虽然有些人欢迎通用人工智能（AGI）的出现，认为这是通往无限富裕的途径，但以“有效利他主义支持者”为首的许多人却担心这可能会导致人类的毁灭。

　　一项针对 2700 多名人工智能研究人员的最新调查结果揭示了目前这些生存恐惧的程度，调查指出：“三分之一到一半的受访者认为人工智能会导致人类灭绝或类似的后果。”

　　如果不出意外的话，已知和潜在的问题都会阻碍人工智能的热情。然而，就目前而言，人工智能的发展势头仍在向前推进，因为有大量预测称人工智能将在 2024 年继续发展。

　　例如，《》指出：“今年的人工智能行业有一个主要特点：随着技术的不断进步，人工智能将以惊人的速度迅速发展，使人工智能能够生成新型媒体，以新的方式模仿人类推理，并通过新一代机器人渗入物理世界。”

　　沃顿商学院教授 Ethan Mollick 在其“一件有用的事”博客中也持类似观点：“最有可能的是，人工智能的发展实际上还会加速一段时间，但最终会因为技术、经济或法律的限制而放缓。”

　　未来一年，人工智能无疑会带来巨大的变化。我们希望这些变化能包括带来我们生活质量的进步，比如发现挽救生命的新药。可以预想的是，最乐观的承诺或许无法在 2024 年实现，从而导致市场预期出现一定程度的回落。这符合炒作周期的本质。但是希望任何此类失望都不会带来另一个人工智能寒冬。产形齿条刨床筛分粒度分析汽车配件真空表计算机辅助制造相对耐磨性