英国政府停止使用人工智能

你是否注意到,每家公司都声称他们拥有一些新发现的人工智能技术,这些技术显然使他们更胜一筹,但这些人工智能却完全是空洞的,令人失望?我也是,这也是我对这项技术如此怀疑的一半原因。但在过去几年里,这种承诺与交付之间的差距并没有阻止政府、企业和投资者全力投入人工智能。直到几天前,英国新工党政府停止了对英国人工智能行业价值 13 亿英镑的政府投资。虽然这听起来像是人工智能领域的一个小故事,但它可能是第一张倒下的多米诺骨牌,预示着人工智能行业即将到来的爆发。

我们先来看看这些资金的来源。在担任英国首相的最后几个月,英国首相里希·苏纳克宣布向英国人工智能行业投资 13 亿英镑,其中 8 亿英镑将用于爱丁堡大学的一台超级计算机,5 亿英镑用于人工智能研究。此举旨在刺激自英国脱欧和新冠疫情以来陷入停滞的英国经济。当时的想法是,人工智能是一项新兴技术,如果英国能够成为人工智能技术的中心,它将大大提高英国的生产力、英国的外国投资和英国的 GDP。

听起来是个不错的计划。对吧?

那么,新上任的工党政府为何取消这笔拨款呢?

他们表示,之所以做出这一决定,是因为他们"在面临数十亿英镑的未付承诺的情况下,需要跨所有部门做出艰难且必要的支出决定",而且"这对于恢复经济稳定和实现国家增长使命至关重要"。

与过去的保守党政府相比,这一点非常具有启发意义,尤其是在斯塔默领导的工党政府的背景下。

你看,保守党过于专注于控制叙事,迎合媒体和极端的后座议员,以保持控制权。因此,他们的许多政策都注重表面效果,而不是结果。看看他们的卢旺达法案就知道了。相比之下,斯塔默赢得大选的部分原因是将他的政党定位为结果驱动型。他们乐于减少奢侈甚至更不利的外表,以创造更好的结果。考虑到这一点,取消这项人工智能资助的理由表明,该技术的核心是可怕的经济腐败和空洞的承诺。

我的意思是什么?人工智能的发展正在放缓,而且成本越来越高,利润不高,而且人工智能股票泡沫巨大。

让我们从开发问题开始。你需要为人工智能提供更多的训练数据,使其更加准确。然而,随着人工智能的能力越来越强,需要成倍增加的数据才能实现同样的性能提升。这意味着创造更好的人工智能也需要成倍增加的能量,因为随着数据训练量的增加,人工智能训练消耗的能量也会成倍增加。这导致人工智能开发的收益递减,这也是为什么像 OpenAI 这样的人工智能公司最近放慢了产品更新速度,并表示更新带来的性能提升远不如以前。但这意味着人工智能实际上能达到的最高水平是有限的,因为可用于训练的数据和能量是有限的。这也意味着,人工智能要想比现在稍微好一点,都需要巨额的、可能不可行的资本支出。

这让我想到了利润,因为人工智能还远未成为一种盈利产品。以 OpenAI 为例。他们是世界上最受欢迎的人工智能公司,迄今为止,其收入和投资是全球所有人工智能公司中最大的。然而,尽管如此,该公司在人工智能培训上花费了超过 70 亿美元,在人员配备上花费了 15 亿美元,而运行其主要产品 ChatGPT 每天的成本超过 70 万美元!因此,到今年年底,他们的运营亏损将达到 50 亿英镑,甚至可能面临破产。简而言之,人工智能不是一种盈利技术。

这就引出了我的第三点。尽管人工智能正在触及发展天花板,远未实现盈利,但被误导和操纵的投资者将其视为革命性的技术,并向任何与人工智能相关的股票投入数十亿美元。特斯拉就是一个很好的例子。2023 年,特斯拉的毛利润为 134 亿美元,当时的估值为 5359.8 亿美元。但丰田拥有可能超越特斯拉的技术,包括自己的千兆广播、人工智能自动驾驶系统(虽然作为驾驶辅助系统销售)和价格实惠的超长距离固态电池,毛利润为 616.99 亿美元,但估值仅为 3313 亿美元。这些数字是人工智能泡沫的确凿证据。由于人工智能炒作,公司的估值远远超出了应有的水平,当这种炒作消退时,泡沫就会破裂,数十亿美元的市值和投资将会损失。这不只是我说的;美国银行最近的一项民意调查发现,40%的基金经理认为人工智能相关股票存在泡沫。

这就是斯塔默政府叫停这项巨额人工智能投资的原因。他们知道,虽然在目前的人工智能环境下,这项投资前景广阔,但它无法实现其承诺的经济增长。事实上,通过这样的资金将这样一个不稳定的行业变成英国经济的核心部分,当人工智能泡沫最终破裂时,可能会造成极大的破坏。

但这其实是一个重大时刻。此次撤资是大型机构(即投资银行或政府)首次拒绝支持人工智能。这是如此庞大的机构首次发现人工智能行业目前运作方式存在问题,并选择在情况恶化之前退出。因此,这可能是第一张倒下的多米诺骨牌,预示着人工智能泡沫的破裂。

相关推荐
咸鱼桨12 分钟前
《庐山派从入门到...》PWM板载蜂鸣器
人工智能·windows·python·k230·庐山派
喝醉酒的小白23 分钟前
Elasticsearch(ES)监控、巡检及异常指标处理指南
大数据·elasticsearch·搜索引擎
强哥之神23 分钟前
Nexa AI发布OmniAudio-2.6B:一款快速的音频语言模型,专为边缘部署设计
人工智能·深度学习·机器学习·语言模型·自然语言处理·音视频·openai
yusaisai大鱼27 分钟前
tensorflow_probability与tensorflow版本依赖关系
人工智能·python·tensorflow
18号房客27 分钟前
一个简单的深度学习模型例程,使用Keras(基于TensorFlow)构建一个卷积神经网络(CNN)来分类MNIST手写数字数据集。
人工智能·深度学习·机器学习·生成对抗网络·语言模型·自然语言处理·tensorflow
神秘的土鸡35 分钟前
神经网络图像隐写术:用AI隐藏信息的艺术
人工智能·深度学习·神经网络
数据分析能量站36 分钟前
神经网络-LeNet
人工智能·深度学习·神经网络·机器学习
Jaly_W44 分钟前
用于航空发动机故障诊断的深度分层排序网络
人工智能·深度学习·故障诊断·航空发动机
小嗷犬1 小时前
【论文笔记】Cross-lingual few-shot sign language recognition
论文阅读·人工智能·多模态·少样本·手语翻译
夜幕龙1 小时前
iDP3复现代码数据预处理全流程(二)——vis_dataset.py
人工智能·python·机器人