持续创新 – AI 的下一波浪潮

快速阅读: 《福布斯》消息，在IIA达沃斯2025会议的人工智能建模小组讨论中，专家们认为规模法则依然有效，但需转向更高效的分布式架构。未来需培养跨学科双语人才，如结合AI与化学知识。小组还讨论了通过AI实现收入增长和优化效率的方法。

在IIA达沃斯2025会议上的人工智能建模小组约翰·维尔纳，既然现在大多数人已经熟悉生成式人工智能和神经网络及大型语言模型的工作原理，下一步会是什么？市场将会经历什么，又是什么将推动行业前进？今年一月我们在达沃斯的IIA会议上有一个小组讨论，探讨了这些问题。其中包括来自谷歌、塔塔咨询服务公司等公司的优秀业务代表。由我在麻省理工学院计算机科学与人工智能实验室（CSAIL）的同事丹妮拉·鲁斯主持，这些专家们回顾了一些可能在未来几年影响AI使用的主流趋势。

规模法则和架构
大多数小组成员同意，规模法则仍然存在且相关。“人们已经遍历了互联网的所有角落，并尽可能地收集了大量的词汇和语料库，但在训练集方面我们遇到了一些瓶颈。”沙盒AQ的首席执行官杰克·海达里说道，“当然，你必须花费数十亿美元……不过，在其他人工智能领域，当生成数据时，比如来自方程、传感器或其他来源的合成数据，我们尚未遇到数据瓶颈。所以我认为我们可以大幅扩展规模。”

然而，从转换模型转向为大型语言模型构建其他新的分布式、去中心化并能在边缘设备上运行的架构。例如，液态AI的首席技术官马蒂亚斯·莱赫纳介绍了液态网络的一些较小且更精简的结构及其附带的资源节省。我写过很多关于液态网络的内容，所以你可以回去查看技术细节。此外，这也是常见的免责声明：我曾为液态AI提供咨询，并认识在CSAIL从事这项技术研发的人。“推理成本，即实际操作这些模型的成本，需要考虑。”他说。“重要的是：训练如此庞大的模型，运行和操作这个模型（比运行和操作一个更高效、更优化的小型模型）要昂贵得多。”

在未来的应用中，小组建议我们需要寻找工程解决方案。“我们会看到更高的效率。”西洛的彼得·萨尔林说。“我们会看到性能有所提升。同时，我认为我们仍然主要集中在通用人工智能辅助和支持非常特定的应用场景，正如强调的那样，……我们需要处理许多新的模式，这具有巨大的价值。”

双语人才
那么，需要什么样的人才来引领下一代人工智能的发展呢？我们可能不需要语言专家，但我们需要具备非常特殊技能的人才。海达里谈到了化学、生物和物理之间的对比，并提出随着量子计算的加入，将需要双语专业人才，他们不仅受过AI培训，还受过如化学等其他学科的培训。他还提到如何在GPU上运行定量AI，这是硬件领域的关键发展。

将产品推向市场
小组还讨论了如何通过AI实现收入增长。哈里克·文指出，塔塔咨询服务公司在通过数字流程“增强人员”以提高决策质量方面正在进行研究。海达里谈到了生物制药和化学领域，以及二氧化碳的实际应用。其他人则讨论了一种更广泛的应用，其中AI支撑着不同垂直领域的各种能力。

更大的背景
很明显，我们将采用新的模型来帮助优化和提高效率。这个小组讨论较少涉及的一个问题是工作流失。最近我写了一篇文章，探讨了可能会很快被AI实体取代的各种常见类型的工作。但该小组讨论了公司如何利用这些能力获取优势，这是一个值得探讨的话题，以了解不久的将来的情况。

(以上内容均由Ai生成)