智能时代 — The Intelligence Age


在未来几十年里,我们将能够做到让我们的祖父母觉得像是魔法般的事情。


这种现象并非新出现的,但它将被加速。人们随着时间的推移变得越来越有能力;我们现在能够完成的事情,我们的前辈可能认为是不可能的。


我们变得更强大,并非因为基因的改变,而是因为我们受益于社会基础设施的智能和能力远超我们个人;在重要意义上,社会本身就是一种高级智能的形式。我们的祖父母,以及他们之前的世代,建造并实现了伟大的成就。他们为全人类都能受益的人类进步的框架做出了贡献。AI 将为人们提供解决难题的工具,并帮助我们添加自己无法独立想出的新支柱到这个框架中。进步的故事将继续,我们的孩子将能够做我们无法做到的事情。


这不会一次性发生,但我们很快就能与能够帮助我们完成比没有 AI 时所能完成的更多任务的 AI 一起工作;最终,每个人都可以拥有一个个人的 AI 团队,里面充满不同领域的虚拟专家,共同努力创造出我们能想象的几乎所有东西。我们的孩子将有虚拟导师,可以提供任何科目、任何语言的个性化指导,并以他们需要的任何速度进行。我们可以想象类似的观念在更好的医疗保健、能够创建任何人能想象的任何类型软件等方面的应用,以及更多。


凭借这些新能力,我们可以实现一种今天看似难以想象的共同繁荣;在未来,每个人的生活都可能比现在任何人的生活都要好。仅仅富裕并不一定能让人们幸福——有很多不幸的富人——但这将显著改善全世界人民的生活。


以下是看待人类历史的一种狭隘方式:经过数千年的科学发现和技术创新累积,我们学会了如何熔化沙子,添加一些杂质,在极其微小的尺度上以惊人的精确度排列它们,通过能源运行,最终得到能够创造出越来越先进的人工智能系统的计算机芯片。


这可能是迄今为止历史上最重要的事实。我们可能在几千天后(!)就会拥有超级智能;这可能需要更长的时间,但我确信我们能做到。


我们是如何走到下一次繁荣飞跃的门槛的?


在三个词中:”深度学习奏效了。”


在 15 个单词中:深度学习有效,随着规模扩大可预见到性能提升,我们投入了越来越多的资源。


这就是全部;人类发现了一个算法,这个算法真的能够学习任何数据分布(或者说,真正理解生成任何数据分布的“规则”)。在惊人的精确度下,可用的计算资源和数据越多,它就越能帮助人们解决复杂问题。我发现,无论我花多少时间思考这个问题,我永远无法真正理解它的深远影响。


还有很多细节需要我们弄清楚,但被任何特定的挑战分散注意力是个错误。深度学习有效,我们将会解决剩下的问题。我们可以谈论很多事情关于接下来可能发生的事情,但主要的一点是 AI 会随着规模的扩大而变得更好,这将导致全球人民生活有意义的改善。


AI 模型很快将作为自主个人助手为我们执行特定任务,比如代表您协调医疗护理。在未来某个时间点,AI 系统将变得如此出色,帮助我们构建下一代系统并推动各个领域的科学进步。


技术将我们从石器时代带到了农业时代,然后是工业时代。从这里开始,通往智能时代的道路铺满了计算、能源和人类意志。


如果我们想让尽可能多的人接触到 AI,我们需要降低计算成本并使其丰富(这需要大量的能源和芯片)。如果我们不建立足够的基础设施,AI 将成为一种非常有限的资源,战争会围绕它展开,这主要成为富人的工具。


我们需要明智而坚定地行动。智能时代黎明的到来是一个具有重大发展和非常复杂、极其高风险的挑战的时刻。这将不是一个完全正面的故事,但潜在的好处如此巨大,我们有责任,为自己和未来,找出如何应对我们面前的风险的方法。


我相信未来会如此光明,以至于现在尝试描述它的人无法做到公正;智能时代的一个定义特征将是巨大的繁荣。


虽然这将是一个逐步的过程,但令人惊叹的胜利——修复气候、建立太空殖民地以及发现所有物理学——最终将成为常态。拥有几乎无限的智慧和丰富的能源——能够产生伟大想法,以及将这些想法变为现实的能力——我们可以做很多事情。


如我们所见,其他技术也有其负面影响,我们需要从现在开始工作,以最大化人工智能的好处并最小化其危害。例如,我们预计这项技术在未来几年会在劳动力市场(好与坏)中引起重大变化,但大多数工作将比大多数人认为的改变得慢得多,我没有任何担心我们会做不完事情(即使它们看起来不像“真正的工作”)。人们天生就有创造和互相帮助的欲望,人工智能将使我们能够以前所未有的方式放大自己的能力。作为一个社会,我们将再次处于一个不断扩大的世界中,我们又可以专注于玩赢者通吃的游戏。


我们现在所做的许多工作,在几百年前的人看来可能像是微不足道的浪费时间,但没有人会回顾过去,希望自己是那个提灯的人。如果提灯的人能看到今天的世界,他会认为他周围的一切繁荣是无法想象的。如果我们能从今天快进一百年,我们周围的一切繁荣也会感觉同样无法想象。

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/87776.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2024年12月12日 01:03
下一篇 2024年12月24日 23:09

相关推荐

  • 嘿谷歌,请让 YouTube 自由

    今年到目前为止,谷歌母公司 Alphabet Inc. 的股价一直落后于竞争对手。有人担心,该公司在人工智能领域的进展缓慢意味着其核心业务(即在搜索结果旁边销售广告)的前景并不乐观。但该公司帝国的一部分(在公司文件中,它的细节很少,就像一些副业一样)并没有显示出被赶下王位的迹象。 YouTube 是一家视频共享网站,现已成为娱乐巨头,去年收入估计达 451 …

    2024年5月8日
    24200
  • 投资管理中的 AI:前线的 5 堂课

    作者:Markus Schuller,Michelle Sisto, PhD,Wojtek Wojaczek, PhD,Franz Mohr,Patrick J. Wierckx, CFA 和 Jurgen Janssens 资产管理行业正处于一个关键转折点,人工智能(AI)正在重新塑造许多传统流程和决策框架。从投资组合管理到公司分析,AI 的能力提供了前所…

    2025年11月13日
    4100
  • 化石燃料真的那么糟糕吗?

    假设我们对碳和气候的所有看法都是错误的? 传统观点认为:使用碳氢化合物作为燃料是造成气候变化的罪魁祸首,这种气候变化显然是有害的,因此大幅减少化石燃料的使用是现实和道德上的当务之急。要开始解决这个问题,我们需要让几乎所有的东西都电气化,减少整体能源消耗,并将化石燃料留在地下。 但假设传统观点是错误的?假设我们犯了脱碳错误?如果真是这样,那么这个错误的代价是什…

    2024年5月16日
    13100
  • ML 模型需要更好的训练数据:GenAI 解决方案

    我们对金融市场的理解本质上受到历史经验的限制——在无数可能展开的情景中,只实现了一个单一的时间线。每个市场周期、地缘政治事件或政策决定都只是潜在结果的一种表现形式。 在训练机器学习(ML)模型时,这一限制尤为明显,因为模型可能会无意中从历史遗迹中学习,而不是学习底层的市场动态。随着复杂 ML 模型在资产管理中的普及,它们倾向于过度拟合特定的历史条件,这给投资…

    2025年7月15日
    8500
  • OpenAI、Google 和 Meta 正使用您的数据构建他们的 AI 系统

    当白宫公布七家人工智能公司签署的自愿安全和社会承诺清单时,有一点明显缺失:与这些人工智能系统收集和用于训练这项强大技术的数据相关的任何内容。很可能包括你的。 人们对复杂的生成人工智能系统给公众带来的潜在危害有很多担忧。他们对我们的数据所做的事情就是其中之一。我们对这些模型从哪里获取所需的 PB 数据、如何使用这些数据以及在涉及敏感信息时采取了哪些保护措施(如…

    2023年8月5日
    25400
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部