当你发明船只时，你也同时发明了船只沉船。
在60年代，约瑟夫·魏岑鲍姆对人类如何与计算机进行交流产生了兴趣。这导致了ELIZA的诞生，这是聊天机器人的一个早期例子。ELIZA的工作方式与像ChatGPT这样的现代聊天机器人完全不同，后者会通过大量的文本“学习”并理解其含义。ELIZA则是通过规则进行编程的；它试图将你说的话与其程序中预先设定的一系列模式进行匹配，并基于此给出回应。制作这个系统一定是一项巨大的工程——需要手写大量的代码，以便它能处理一个人可能向它说的大量事情，而这些代码使用的是过去半个多世纪的古老语言。
然而，这项艰苦的工作似乎很有效，与ELIZA互动的人开始认为它理解了他们。就像真的理解他们一样。即使魏岑鲍姆不同意，人们仍然认为它不仅仅是一些代码。ELIZA可以扮演心理治疗师的角色，向你传递像上面图片中所见的毫无意义的名言警句。然而，这并没有阻止学术界认为它将开始取代医生和心理医生。
这听起来有点熟悉，对吧？尽管ELIZA与GPT4相比非常简陋（在某种程度上），人们仍然匆忙地相信它理解了他们，并从而迅速决定它也将取代他们。
什么是炒作？
新产品炒作有一个熟悉的模式——一切都取决于一个曲线。刚开始时，人们对于这件事越来越兴奋（且不理性）。最终，它达到曲线的顶峰。从那里开始，现实开始出现，当人们面对事实时，他们的兴奋逐渐消退。最终，公众舆论会跌至失望谷底。当一切归于平静，我们才会发现这项技术实际上有什么用处，从而达到一个幸福的平台。
我的工作涉及与机器人狗和虚拟现实头盔等新兴技术合作。我感觉自己不断被夸大其词的事物所围绕。波士顿动力的机器人狗非常酷炫——很难不断宣称它们是未来的产物（事实并非如此）。让我们来看一些明显没有被过度宣传的技术：
好吧，也许它们有点被夸大了。希望它们至少已经达到了一个有效的平台！让我们看看它们在2023年的进展如何：
也许（如果你对这些例子很熟悉）这一切都不会让人惊讶。显然，它们都是灾难。谷歌眼镜已经死了两次。特斯拉正受到诉讼。FTX的创始人目前住在联邦监狱里。问题是，曲线并不总是正确的。有时候你无法通过曲线，有时候你会跌入幻灭谷并永远继续下去。
但我们为什么要关心呢？谷歌眼镜被大肆宣传然后证明糟糕，这重要吗？嗯，有点重要。如果你总是过度宣传一切，并说每一项新技术都是未来，谁会相信你？人们会认真听取你的建议吗？当然，声称特斯拉完全自动驾驶很令人兴奋，但在事实上并非如此，这导致严重事故发生。
通过对技术设定（并鼓励）不切实际的期望，我们让自己陷入了失望的境地。可能不仅是我们自己，还有我们的同事和客户。现在某个地方，这一点非常清楚，就在人工智能领域。
如何降低人工智能的炒作效应？
人工智能最终会陷入幻灭谷。我觉得当人们面临“我该如何实际应用它？”这个简单问题时，问题的破绽开始显露出来。当你玩ChatGPT时，几乎会感到神奇，但是当你试图想象如何将其应用于业务时，这种神奇可能会消失。显然，这些问题都可能发生变化，但很难看到如何解决所有这些问题：
- 安全性：我们如何与人工智能进行安全交互，并确保我们的私人数据不会泄露给外界？
- 可信性：我们真的能相信它吗？如果不能，我们能否真正将其用于自动化任何过程？
- 成本：也许我们可以获得安全可靠的人工智能，但此类服务的成本可能非常高。
- 偏见：克服系统中的偏见将是困难的。如果你有一个与你的客户进行交互的人工智能模型，你是否会愿意它曾经浏览过全网，包括Reddit和4Chan，而且在任何时刻都可能重复那里的某些信息？
最后一个思考的是我们被教导相信“越大越好”。有一个关于这些模型的“规模定律”的想法——基本上是，你输入的数据越多，模型越大，输出就会越好。然而，这些资源并非无限——世界上只有那么多GPU。更为根本的是，数据也是有限的。预计到2027年，全球所有高质量的文本数据都已被用于训练大型语言模型。那之后呢？
所以，如果这将使我们陷入谷底，什么会拯救我们？有哪些好的东西能让我们有意义地使用人工智能？
- 让它关注你！：一个普通的聊天机器人并没有太多用处。一个能为我写一首歌的人工智能很酷，但那对你的业务帮助不大。通过缩小范围，但将其关注点集中在你身上（通过使用自己的数据进行微调），这些聊天模型将变得更加有用。它可以写一份文件是个有趣的想法，但当它能像你一样写一份文件时，才是真正有用。
- 大数据已经过时：直到最近，进行大规模数据科学需要大量的数据。但在使用LLM（大型语言模型）时，情况已经不同——任何人都可以访问GPT4。
- 让一切都归于草图：自动化（这是一个巨大的概括）通常涉及转换数字。人工智能确实能够实现包含自然语言的自动化流程。前提是其中有一个人在其中起到关键作用。
为什么我应该在意？
如果你正在阅读这篇文章，很有可能你曾经使用过ChatGPT——你可能希望得到清晰和现实的期望。炒作会让这种清晰度变得模糊。另一方面，我们中的许多人都是开发人员、初创公司的创始人、技术人员，使用AI预建工具来实现某些目标，或者只是AI的支持者。把某事炒作起来并让人们使用它（尤其是你自己亲手制作的东西），并非是将工具交给别人后就结束了。或者用更为优美的说法：
当你发明船时，也同时发明了沉船；当你发明飞机时，也同时发明了飞机失事；当你发明电力时，也同时发明了电击。
– 保罗·维里里奥
当你制造一样东西时，你也要对人们对其的应用负部分责任。作为开发者，我们对上述所有负面事物——偏见、成本、可信度都负有责任。
很容易（也是错误的）认为AI的发展是由硅谷的开发人员在远处进行的，我们对此影响甚微。尽管如此，维里里奥的引述涵盖了远远超出这个范畴，包括我们所开发和推荐的所有技术。我们每天都会遇到新的、未经测试的想法。从软件更新中的新功能到大型科技公司推出的新SAAS产品，伴随着惊人的广告宣传，承诺改变一切。
对于AI的现实态度不应该让我们脱离对其他一切的现实和务实。那个闪亮的新SAAS产品真的准备好了吗？我一定要使用这个新的架构吗？技术从来不是完美的解决方案。我的工作涉及与机器狗一起工作，但是我很痛苦地承认，也许（只是也许）它们并没有那么有用。
谢谢你的阅读！你也可以在这里联系我：领英，或者看一下我参与的通讯
\