AI泡沫破裂或成技术转折点：资源紧缩促创新

快速阅读: 谷歌前CEO埃里克·施密特称AI泡沫有益，但资金枯竭可能促使技术创新。历史表明，稀缺条件下技术进步显著，如能源危机催生节能技术，劳动力短缺推动农业机械化。AI需类似调整，以更少资源实现更大成效。

“泡沫很好。愿这些泡沫继续存在。”谷歌前首席执行官埃里克·施密特近日表示。为了推动人工智能的发展，公司必须继续向AI基础设施投入创纪录的资金——这是普遍的看法。建设更多的数据中心，AI将找到癌症的治疗方法，实现通用人工智能并超越中国。然而，进步通常发生在压力之下。当能源价格上升时，人们会发明节能方法。当劳动力短缺时，他们会发明省力机器。AI泡沫的破裂可能是科技行业所需要的：随着资金枯竭，公司将不得不构建用更少芯片和更少电力完成更多工作的模型。经济学家将这种在稀缺时期的技术创新称为“定向技术变革”。

1977年，美国人在长长的加油站队伍中等待，时任总统吉米·卡特将能源危机比作战争，企业因此相应地开发了我们现在视为理所当然的技术：更高效的发动机、更好的隔热房屋、一波电动汽车和混合动力车技术以及早期可再生能源形式。

类似的情况也改变了农业。20世纪初，廉价劳动力充足，减少了机械化的需求。然后，在1927年春天，密西西比河冲破堤坝，将棉花种植区变成内陆海。许多居民逃往红十字会营地；一些县高达四分之三的家庭离开。随着可用于种植和收割的劳动力减少，地主转向了机器：拖拉机取代了马队，机械工具在这些地区比邻近县份更快普及。生成式AI也需要类似的调整方向——不仅为了能源效率，也是为了自身的进步。

大型语言模型虽然有其奇妙之处，但只能预测人类接下来会说什么。如果用19世纪末的文本训练它，它不会发明飞机或火箭。它只会传达那个时代的观念，当时顶尖科学家认为人类飞行是不可能的。如果我们只是扩大当前的方法，浪费资金在快速过时的芯片和耗能的数据中心上，我们不会超越现有的技术，而这项技术目前仍然产生有限且平庸的结果。更好的AI会记住它学到的东西，就像人类一样，并从每一瓦特中榨取更多的工作。科技公司花费数十亿美元运行不学习的大规模语言模型。一种能够同时学习和运行的工具将更接近模拟人脑，从而更容易创新。繁荣与萧条的模式一直是AI发展的重要部分。20世纪80年代，蓬勃发展的AI产业试图通过向计算机系统输入数千条由程序员编写的“如果-那么”规则来复制人类推理。这种方法既昂贵又有限。但随之而来的冲击促使研究人员转向从例子中学习并更好地处理不确定性的模型，而当时不受欢迎的神经网络也在不断改进。进步变得更加容易衡量，该领域不再将所有赌注押在一个大方向上。尽管工作丢失，实验室关闭，但那次放缓教会了科学家和开发者更好的习惯——更加实证、灵活和结果导向——为现代AI奠定了基础。稀缺仍在推动AI前进，资源较少的公司在学习如何用更少的资源做更多的事情。2018年，欧洲的数据法规对个人数据的收集和存储实施了严格规定和重罚。对此，科技公司调整策略，微调现有模型，并使用人工生成的数据代替真实记录。自2018年以来，中国公司DeepSeek绕过了美国的出口限制。其模型使用西方竞争对手一小部分的计算能力训练，但在许多性能基准上表现相当，这显示了稀缺如何激发创造力。当没有能源效率创新的动力时，技术可能会走上错误的道路。大约在1900年，电动汽车前景光明；纽约和伦敦甚至运营着电动出租车队。但由于电网投资不足和廉价石油，导致了一个数十年来偏爱内燃机的体系。不难想象，如果我们早点定价碳并持续建设电网，这个世纪可能会有所不同。如果不改变方向，AI可能会遭遇同样的命运——一项具有巨大潜力的技术被困在消耗资源的过时范式中。人类是惊人的能源效率高。一个孩子可以用只有约20瓦功率的大脑理解因果关系、物理世界的行为和基本的社会规范。今天的AI模型消耗大量数据和电力以达到类似的性能，但在面对不熟悉的问题时仍会失败。

经过校正的人工智能将帮助我们应对新的挑战——实现科学发现，促进医学突破——而不仅仅是改进我们已知的事物。泡沫膨胀时噪音很大，破裂后泡沫消散，可以看到哪些想法在没有补贴的情况下依然站得住脚。如果人工智能热潮降温，幸存下来的将是那些能够以更少资源做更多事情的系统。

(以上内容均由Ai生成)