Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

人工智能的真正用途是什么?

Posted on 2025-11-19

最好的情况:我们身处泡沫之中。最坏的情况:获利最多的人非常清楚自己在做什么。

经过三年对人工智能的深入研究,我得出了一个相对简单的结论:这是一项有用的技术,但很可能被过度炒作,以至于造成灾难性的后果。

最好的情况是,人工智能的价值远不如那些投资、开发和销售人工智能产品的人所认为的那样高。这是一个典型的泡沫。泡沫破裂时,我们都会遭受损失,而且考虑到当前市场的集中度远高于以往的泡沫,损失将会非常惨重。最糟糕的情况是,那些在人工智能领域投入最多资金的人其实知道它并非他们所宣称的那样。如果真是如此,那么泡沫和欺诈就会层出不穷。关于其中一种动机,我有一个想法,将在本文结尾部分阐述。但首先,让我们从炒作说起。

作为一名设计师,我发现人工智能的前景被严重夸大了。事实上,大多数人工智能在设计领域的应用案例在我看来都像是稻草人论证。我经常看到一些关于如何在设计中“端到端”使用人工智能的视频,最终却发现这种方法在实际工作中根本行不通。这通常是因为视频中展示的流程假设了从头到尾的完全控制——比如,在创建作品集演示项目或从零开始打造一个品牌时,完全由自己做决定。但将生成式人工智能生硬地插入到现有的设计系统中,几乎不会对任何人带来益处。

即使使用快速响应的工程工具来复制现有图像,也可能需要耗费大量时间,而且你选择的工具还可能时不时出现故障,或者根本无法捕捉到之前创作者的某些特定元素。我能想到很多来自我们团队客户项目的例子:难以复制的自定义插图风格、无法复制的文本和图像图层、以及即使是最明确的提示也无法实现的图像和文本之间的直接关联。布局方面也存在类似的问题。生成式人工智能可以帮助构思布局,但在现有的设计系统中却无法高效地交付成果。没错,有很多人工智能工具可以生成布局,并提供一键导入 Figma 的功能,但你几乎总是需要重新构建布局才能将其与之前的内容正确集成。就布局和用户界面而言,我认识的每一位合格的设计师都会选择自己设计,这样比使用任何人工智能工具都能更快地制作出更好的页面或屏幕。这一点毋庸置疑。

我在设计领域运用人工智能的经验,往往反映了我认为人工智能在职场中普遍存在的现象:应用场景越小,收益越大;应用场景越大,成本越高。我观察到的大多数大型应用场景——例如利用人工智能自动化整个工作流程、采集端到端运营数据或替代某个特定功能——其投入的工作量都等于甚至超过了节省的时间。我们原本以为能通过人工智能节省的时间,最终却往往被用于其他用途。

(在继续之前,请先了解一下,我是完全依赖人工智能的创业公司Magnolia的联合创始人。除了我之前描述的那些设计相关的具体应用案例之外,我还深知构建以更为复杂的方式运用人工智能的软件意味着什么。这方面的投入巨大,而维护成本——即维持输出质量和准确性,使其能够与 ChatGPT 等通用人工智能工具,甚至是 Perplexity 等人工智能研究工具相媲美——则更高。这直接支持了我的论点,因为创建这类创业公司的唯一目的就是为了利用人工智能的潜力以及围绕人工智能的“知识工作”的规范化趋势。但这或许是一座难以逾越的高山。)

麻省理工学院的研究指出,人工智能项目在企业环境中普遍失败,这一点已引起广泛关注。那些期望人工智能得到统一应用并获得统一、普遍的投资回报率的人往往遭遇失败,而那些将人工智能应用于特定目标群体的人则取得了成功。前者往往是对炒作的反应,后者则是真正理解的体现。许多小规模应用都能产生大规模的影响,其中大多数我将其归类为信息合成——搜索、摘要、分析。Magnolia(以及任何其他专注于人工智能的新兴企业)都属于此类。但是,那种席卷整个工作场所的全面变革呢?这才是真正站不住脚的地方。

当然,随着人工智能的普及和应用,其效用会逐渐提升——任何新技术的发展都是如此。但普及并不意味着无限增长,而这正是财务状况令人担忧之处。市值排名前七的公司都在人工智能领域以及彼此之间进行了相互依赖的投资。投入到这项联合投资中的资金越多,各方期望获得的回报也就越多。然而,目前还没有一种可行的人工智能商业模式能够达到预期的市值。这正是埃德·齐特龙(Ed Zitron)所关注的重点。

这与25年前互联网泡沫破裂后市场面临的清算如出一辙。很明显,我们掌握了一项有用的技术,但很多人却没意识到它并非一台神奇的赚钱机器。

回首往事,紧随其后的另一个产品炒作周期在更短的时间内就概括了这种泡沫问题:风险投资家们曾将赛格威(Segway)吹捧为一项将改变城市建设方式的技术。人们确实这么说过。但当大家发现它只是一辆电动滑板车时,这种说法突然显得荒谬至极。如今,我们又听到人工智能将改变所有人的工作方式——这比改变所有城市的设计理念要宏大得多。我认为人工智能或许比赛格威更接近实现其宣传的目标,但当炒作如此盛行时,电动滑板车与普通技术之间的差距,如今已高达万亿美元。

从金融市场的现状来看,人工智能泡沫远比我们以往见过的任何泡沫都要大得多。就连萨姆·奥特曼也承认我们可能正处于泡沫之中,但他却轻描淡写地将其视为万亿美元资产负债表上十亿美元的小差错。他所关注的估值数字异常庞大——而且充满投机性——所以,市场对这些数字的依赖程度如此之高也就不足为奇了,因为市场已经严重失衡。泡沫的突然破裂,甚至是缓慢的通缩,都将是极其严重的后果,而且不幸的是,我们应该对此有所预料——即便人工智能这项事业最终没有彻底失败。

与此同时,生成式人工智能也对我们社会的诚信提出了更广泛的挑战。首先是真相。我们已经看到互联网技术如何被用来操纵民众对现实的认知。过去十年几乎被信息茧房、另类事实和被武器化的社交媒体所定义——而这还不包括人工智能。人工智能可以做得更好、更快、更精准。随着人们对全球主要网络信任度的普遍下降,我们很容易受到来自各种渠道的各种谎言的侵害,而且没有任何标准来检验我们所看到、听到或读到的信息。

我真的不喜欢这样,在我看来,这本身就足以成为我们远离人工智能的充分理由。社会不仅仅是一个市场,它是由无数人的思想构成的,而所有这些思想都可能在人工智能的输出中失去连贯性。考虑到人工智能的既定目标,这种情况就如同在广场上进行核试验一样,是一种附带损害。

但我不禁思考人工智能的真正目的是什么。也就是说,它真的能像他们所说的那样发挥作用吗?

在人工智能领域,我们这些用户和他们这些投资者被“兜售”的东西之间存在着巨大的鸿沟。我们被告知,人工智能将比我们更快、更好地完成我们的工作——没有人工智能,就没有未来的工作。这无疑是一个巨大的诱惑,我在这篇文章的大部分篇幅中,都试图从我有限的视角对其进行剖析。但是,那些向人工智能投入数十亿美元的人,他们被灌输的却是截然不同的东西。他们被灌输的是通用人工智能(AGI) ,一种变革性人工智能的概念,一个如此宏大的概念,足以容纳亿万富翁可能抱有的任何希望或恐惧。他们的数十亿美元让他们拥有了对未来世界的掌控权,而他们被告知,未来世界将几乎完全为他们服务,并从中获利。即便不是他们,也会是其他人。恐惧就此产生。它导致了“曼哈顿计划”式的逻辑:任何对追求这项技术是否明智的疑虑,都会被其不可避免的命运所压倒。总会有人成功,所以应该是他们,因为他们可以信任自己。

然而,尽管我对人工智能领域兜售给我们的东西深表怀疑,我对那些投资人工智能未来的亿万富翁投资者们所相信的东西也同样抱有怀疑。我对通用人工智能(AGI)的承诺持怀疑态度,不仅因为我们不断地重新定义AGI的含义,从而改变目标,更因为它始终是一种抽象的科幻幻想,而非连贯、精确且可衡量的追求。与以往那些雄心勃勃的科学目标(例如绘制人类基因组图谱)不同,实现AGI从未达到过足够精确的程度。认为只要有足够的计算能力就能编写出意识代码,就好比认为只要有足够的彩虹,其中一道彩虹的尽头就会藏着一罐金子一样荒谬。

我再次认为,人工智能可能只是一项普通的技术,正处于一波正常的炒作浪潮之中。

而我在这里萌生了一个特别的阴谋论:我认为人工智能的创造者们知道这一点。

我认为人工智能泡沫背后的真正原因,与大多数金钱、权力和影响力背后的原因相同:土地和资源。无论是你我还是亿万富翁,人工智能所承诺的未来都需要同样的东西:大量的能源、土地和水资源。为了维持数据运转而耗费大量资源的数据中心规模庞大、造价昂贵,而且必须建在某个地方。开发这类地产的交易带有政治色彩——它们对城市和州的影响,几乎超过了在其境内运营的任何其他企业。

人工智能公司声称需要数据中心来兑现其面向基层用户、日常使用的承诺,同时又宣称他们已接近通用人工智能(AGI) 。这显然自相矛盾。建设一个数据中心需要数年时间。像OpenAI这样的公司,如今的计划又如何能够弥补他们声称的计算能力缺口,从而满足对更多数据中心的需求呢?然而,这些交易却屡屡达成。这里存在一个逻辑漏洞,而人工智能很可能只是资源和权力整合的幌子。人工智能的价值可能会跌至谷底,但对土地和水资源的控制权却不会。

当拥有这处房产的人寥寥无几时,就会出现一种非常奇特的权力失衡,几乎相当于在国中建立了一个独立的国家。全球化通过跨越国界削弱了边界,而这种新的现象——私有化——则从内部瓦解边界。要知道,数据中心建在大片土地上,它们对现有基础设施和自然资源的消耗远大于对周边社区的回馈,以至于它们往往拥有市政机构的地位,却缺乏将真正的城市和城镇与构成我们国家的系统连接起来的人口或治理体系。

当一家私营公司能够建造一座本质上是新能源城市,而没有居民,也没有民选代表,并且每年在全国各地这样做几十次,以至于半个世纪以来的国家能源政策突然被颠覆,核反应堆重新流行起来,这就造成了权力突然失衡,就像癌症在国家内部蔓延一样。

天平已经倾斜了。我并不太担心工作的终结,而是担心终结之后会发生什么——当支撑人工智能的基础设施比人工智能本身更有价值,当掌控这些基础设施的人比民选政府对政策和资源拥有更大的影响力。我知道,你可能会想象我对着我那乱七八糟的图钉和绳子拼凑的板子手舞足蹈,但我其实只是在追寻金钱和权力的逻辑走向。

或许人工智能会包揽人类的一切。或许它会催生一个全新的社会,其定义不再局限于劳动单位和财富单位的平衡。或许通用人工智能(AGI) ——如今被定义为在所有方面都超越人类的通用智能——将会出现,并为这一切“提供正当理由”。或许吧。

我非常乐意承认自己错了;我甚至更希望如此。但我观察科技领域已久,深知当某件事需要如此巨额的资金投入、如此大的宣传造势,以及如此多的矛盾才能解释清楚时,就值得探究背后是否还有其他隐情。市场垄断和错综复杂的投资骗局是真实存在的。基础设施建设是真实存在的。土地交易是真实存在的。由此引发的权力转移也是真实存在的。无论人工智能最终能否兑现承诺,这些问题都不会消失,而且我们迟早会发现自己身处一个截然不同的世界,而我们或许并不喜欢这种新世界。

原文: https://www.chrbutler.com/what-ai-is-really-for

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme