7 月中旬，英伟达一度成为全球最有价值的公司。这家用于训练人工智能模型的芯片和网络基础设施的领先供应商的股价自一月份以来已上涨近两倍。但事实证明情况并不稳定，在达到顶峰后，该公司的市值在三个交易日内下跌了 4000 亿美元。
分析师表示，这些波动反映了投资者对人工智能经济的不确定性。他们得出了一个结论。重要的是要明白，人工智能的成功取决于三个因素：数据、算法和计算能力。
AI成就取决于什么？
自学习系统的前景是显而易见的。自2016年以来，我们都看到了引发人工智能热潮的惊人应用。 2016 年 3 月，谷歌 DeepMind 的 AlphaGo 程序在一场双人 手机号码列表 棋盘游戏中击败了伟大的李世石，震惊了世界。 2020 年 11 月，谷歌的 AlphaFold 算法解决了自然科学领域最大的难题之一。作为深度学习系统开发的程序预测了蛋白质的空间结构。两年后，OpenAI 推出了一款可以即兴表演莎士比亚诗歌的语言聊天机器人。
所有这些进步都源自同一项创新：计算机预测模型准确性的大幅提高。加拿大计算机科学家理查德·萨顿（Richard S. Sutton） 在他的博客中证实了这一想法。
几十年来，研究人员一直在通过编码来之不易的人类知识来教计算机玩游戏和解决问题。但一切都变得简单多了。当拥有足够的计算能力和足够的数据时，学习算法会表现出色。萨顿总结道：“我们的发现越深入，就越难理解如何完成发现过程。”
计算能力与算法
加拿大心理学家菲利普·泰特洛克和他的合著者丹·加德纳在他们 2015 年的畅销书《超级预测：预测的艺术和科学》中解释说，什么是亚马逊搜索排名算法？ 同样的不可知论方法也适用于人类。预测比赛的获胜者总是那些有条不紊、公正的业余选手。常识加上吸收大量数据的意愿比深厚的领域知识和专业经验更有效。当今先进的人工智能模型基本上实现了超级预测者方法的自动化。
这个简单的公式——学习算法加上计算能力加上数据——产生了令人惊叹的预测结果。
非营利研究机构 Epoch AI 估计，2012 年至 2023 年间，达到给定性能阈值所需的计算能力大约每八个月减半。这就是通过神经网络的最新创新实现的成本效率。
然而，这些算法的长期价值很难确定。数字代码容易被仿造和盗窃。未来创新的步伐很难预测。目前在科技巨头人工智能实验室中的人才很容易离开。
第二个要素，强大的计算能力，是一个更简单的命题。但该型号的效率取决于芯片的体积和所用的电力。预计的资本成本如此之高，以至于许多投资者开始对这一领域保持警惕。 AMD曾宣布，到2027年AI芯片市场规模将达到4000亿美元。但按照目前的趋势来看，美国研究人员预测仅一年时间，人工智能投资就将达到3万亿美元。而首个价值1万亿美元的数据中心集群将在两年后开放。看起来，现在是计算机硬件而不是软件 博目录 ，正在主宰世界。
那么数据怎么样？
但这种推理存在缺陷。人工智能的前两个要素——算法和计算——如果没有第三个要素——数据就毫无价值。此外，数据越好，计算能力的价值就越低。
这一事实很容易被忽视。人工智能最著名的应用是经过训练的通用聊天机器人，可以处理大量流量和来自互联网的未经验证的文本。该系统的设计注重的是数量，而不是质量。美国最大的金融集团摩根士丹利打算使用至少 10,000 块图形芯片来通过 OpenAI ChatGPT 4 处理超过 9.5PB 的文本。