Databricks AI 副总裁：AI 效率超过了摩尔定律，但生物学是最终基准
快速阅读: 据《药物发现与开发》称，神经科学家兼企业家纳文·饶博士指出，人工智能效率虽大幅提升，但离真正的自主性还很远。他强调应整合AI到现有工作流程中，而非依赖独立工具，同时呼吁批判性思维和明确目标。
神经科学与创业背景兼具的纳文·饶博士（Naveen Rao），是极少数能够精准阐释人工智能炒作与实际局限之间平衡的人士之一。他创立的人工智能硬件先锋企业Nervana Systems于2016年被英特尔收购后，又领导了致力于提升AI效率的MosaicML。现任Databricks人工智能副总裁的Naveen Rao博士，在旧金山由NTT Research主办的Upgrade 2025活动上，重点阐述了人工智能的迅猛发展。
“我们观察到……自2021年以来，成本已经降低了四倍，”饶博士解释道。“这实际上是一种陡峭的指数增长……对于了解摩尔定律的人来说，大约是每年40%的进步。而这个进步是400%，速度快了十倍之多。”
“所以，当你仔细思考，这真的很深刻，对吧？”他继续说道。这种快速的步伐从根本上改变了人工智能开发的经济格局。
“当某些事情变化如此迅速时，那些今天看起来可能过于昂贵的项目——也许需要花费1亿美元——可能会比预期更早变得可行。同样的项目可能在一年内降至2500万美元，两年内降至600万美元。”他强调，这种戏剧性的成本降低对于推动广泛采用和创新来说是“相当大的”。
尽管效率有所提高，饶博士对人工智能当前的企业影响持务实态度。“我们现在所看到的并不是一年或两年前讨论过的那种突破性自动化，”他说。他将现实比作自动驾驶，结果证明这比早期预测的要困难得多。“事实证明这是一个非常难的问题……并且至今仍未解决，”饶博士说。“但这并不意味着没有价值……”
编码助手的发展速度比大多数人工智能应用都要快。“我认为我们在用户界面方面做得很好……我们可以为程序员提供见解，”饶博士说。他认为类似的“副驾驶”（一般概念）将在法律、人力资源等领域出现。“它不会消除工作——它会让每个人更高效，”他指出。用户将能够比过去更快地完成任务，并且获得更加精简的信息访问。
在软件工程领域，公布的生产率提升显著。谷歌首席执行官桑达尔·皮查伊在2024年表示，其超过四分之一的代码是由人工智能编写的。GitHub在2023年的研究发现，其Copilot工具帮助开发者将任务完成速度提高了55%。即便每个开发者的平均生产力提升仅为8%，在1000人中也是“相当大的”。但仅仅把人工智能应用到问题上并不一定能有所帮助。“你需要有熟悉现有工作流程的人，”饶博士说。“如果你是一名律师使用LexisNexis，你希望设计系统的人理解那个系统……这就像是你需要一个专门的产品经理。”
饶博士的神经科学背景为他提供了独特且关键的视角来审视当前的人工智能硬件。这一视角使他得出了一个尖锐的结论，即现代人工智能的工作马车——GPU。为什么会有如此严厉的评估？饶博士对比了GPU的蛮力方法与大脑的优雅效率。他指出了大型模型训练中常见的“全减少”操作，涉及以显著计算成本传输大量矩阵数据。“我们的大脑不会这样做，”他解释道。“它们以近似和其他更有效的方式进行操作。”
看看能耗：人类的大脑大约消耗20-30瓦，而GPU密集型的人工智能训练集群则消耗兆瓦——高出几个数量级。饶博士认为，这种低效部分源于我们如何利用硅。他观察到：“硅很棒……但我们实际上并没有充分利用它的丰富表征能力。”目前的数字系统主要将硅设备复杂的物理特性——能够表示多种值——简化为简单的二进制状态（0和1）。虽然这种简化促成了数字革命和摩尔定律的扩展，但饶博士认为，“有机会重新审视物理基质”，特别是针对人工智能。利用硅的固有模拟能力或开发完全受大脑高效、近似方法启发的新架构，代表着一项重要的长期研发课题——并且可能是实现真正高效的通用人工智能的途径。
饶博士区分了当前所谓的“人工智能代理”（工具/大语言模型系统的连接）与真正的自主代理。他认为今天的代理是“强化版的RPA（机器人过程自动化）”——为预定义任务提供高级自动化。真正的自主需要“能够……从错误中自我学习”的能力，饶博士认为，这一能力目前大多缺失。关键缺失的部分是意图。当前的大规模语言模型“没有任何意图”；幻觉是过程中的缺陷，不是有意的行为。他将此与人类进行对比：“通常是有意图的，”饶博士解释道。人类可能会忘记。“但通常是有意图的。如果一个人撒谎，那是有意为之。”然而，当前的大规模语言模型‘没有任何意图’，饶博士指出；它们的错误或‘幻觉’是过程中的缺陷。
开发能够形成意图、行动、自我检查和学习的人工智能是下一个发展方向，饶博士预测，这可能“在未来五到十年内”实现。
真正的自主需要“能够……从错误中自我学习”的能力，饶博士认为，这一能力目前大多缺失。关键缺失的部分是意图。当前的大规模语言模型“没有任何意图”；幻觉是过程中的缺陷，不是有意的行为。
饶博士强调，把握人工智能热潮需要通过研究培养出批判性思维。“辨别什么是真实的，什么是虚假的至关重要，”他强调。这种清晰度构成了有效的战略基础。对于CIO来说，这意味着集中精力于“评估——理解成功”并在部署前定义指标。对于创始人，饶博士指出视角的挑战，警告说：“理解人工智能仍然是一个根本性问题。”无论是评估技术还是建立新企业，饶博士都推崇聚焦于正确目标的激光般专注：“不要关注竞争对手。思考你真正想建造什么以及你为谁建造它。”
饶博士认为，人工智能的直接价值往往在于将其集成到现有的工作流程中——“满足用户所在位置”。独立的人工智能工具会创建繁琐的过程，比如将巨大的SQL查询结果复制到单独的聊天界面。饶博士称这样的工作流程“糟糕透顶”。解决方案是将人工智能嵌入现有工具中。例如，Databricks为SQL构建了一个“人工智能查询”扩展，让用户可以直接在其SQL环境中运行情感分析等人工智能功能。“这是我们发展最快的东西之一，”饶博士指出。“你是在满足用户所在位置……编写SQL。”
类似地，像Databricks AI/BI Genie这样的工具可以将自然语言翻译成SQL，帮助非编码人员。饶博士认为，人工智能的直接价值往往在于将其集成到现有的工作流程中——“满足用户所在位置”。独立的人工智能工具会创建繁琐的过程，比如将巨大的SQL查询结果复制到单独的聊天界面。饶博士称这样的工作流程“糟糕透顶”。
(以上内容均由Ai生成)
