新闻 
大西洋:效率低得惊人 生成式AI为何是一场工程灾难
大西洋:效率低得惊人 生成式AI为何是一场工程灾难大西洋:效率低得惊人 生成式AI为何是一场工程灾难
她写道：“ 认为只有依赖大企业投入数百万美元训练的巨型基础模型，才能完成困难任务，这种想法本身就是一个陷阱 。”
她开发的模型不能取代大型语言模型 。 这个模型并不是用来生成语言，而是为生物学和电气工程等领域解决逻辑问题 。 不过，目前一些由规模大得多的人工智能模型承担的任务，这种小模型也能完成 。
然而，我们似乎已经被大型语言模型困住了，或许是因为这些产品的营销过于强势 。 如今，无论用户是否需要，大型语言模型都在被塞进各种产品 。
2024 年和 2025 年，大型语言模型被整合进 Windows 和 macOS，这意味着现在连运行一台基础个人电脑，也需要更强的算力 。 由于企业预计未来会推出更多人工智能功能，智能手机也开始配备升级后的硬件 。
效率低下的人工智能，还被加入 Adobe Photoshop 和微软 Word 等常用软件，这意味着计算机必须拥有更强性能，才能运行这些程序 。
这一切尤其糟糕，因为计算机性能已经无法按照过去的速度提高 。 从 20 世纪 50 年代开始，制造商不断让微芯片变得更快 、 更小 、 更便宜，这一趋势通常被称为摩尔定律 。
但过去几年，芯片元件已经小到制造商遭遇分子层面的物理限制，无法继续大幅缩小，技术进步因此明显放缓 。
制造商没有继续缩小元件，而是把重点转向开发专门适配人工智能的新型硬件 。 这偶尔能够带来渐进式性能提升，但没有任何进步能够追上人工智能需求呈指数增长的速度 。
归根结底，对于科技行业内部那些相信自己正在复制智能本身的人来说，效率低下可能根本不值得担忧 。
硅谷许多人怀有一种近乎宗教信仰般的执念，认为某种类似心智的东西能够从大型语言模型中诞生 。
但大型语言模型说到底只是通过统计规律生成语言的软件 。 这类软件无法记住基本事实，缺乏常识，与生物大脑也完全不同 。
甚至被称为人工智能 “ 教父 ” 之一的扬 · 勒昆最近也对 《 纽约时报 》 表示：“ 大型语言模型并不是通往超级智能，甚至人类水平智能的道路 。”
然而，人工智能的神话诱惑如此强烈，以至于许多工程师认为，为了推动人工智能继续发展，任何原则都可以让路，甚至连编写高效软件这一最基本的要求也不例外 。
[加西网正招聘多名全职sales 待遇优]
无评论不新闻，发表一下您的意见吧
她开发的模型不能取代大型语言模型 。 这个模型并不是用来生成语言，而是为生物学和电气工程等领域解决逻辑问题 。 不过，目前一些由规模大得多的人工智能模型承担的任务，这种小模型也能完成 。
然而，我们似乎已经被大型语言模型困住了，或许是因为这些产品的营销过于强势 。 如今，无论用户是否需要，大型语言模型都在被塞进各种产品 。
2024 年和 2025 年，大型语言模型被整合进 Windows 和 macOS，这意味着现在连运行一台基础个人电脑，也需要更强的算力 。 由于企业预计未来会推出更多人工智能功能，智能手机也开始配备升级后的硬件 。
效率低下的人工智能，还被加入 Adobe Photoshop 和微软 Word 等常用软件，这意味着计算机必须拥有更强性能，才能运行这些程序 。
这一切尤其糟糕，因为计算机性能已经无法按照过去的速度提高 。 从 20 世纪 50 年代开始，制造商不断让微芯片变得更快 、 更小 、 更便宜，这一趋势通常被称为摩尔定律 。
但过去几年，芯片元件已经小到制造商遭遇分子层面的物理限制，无法继续大幅缩小，技术进步因此明显放缓 。
制造商没有继续缩小元件，而是把重点转向开发专门适配人工智能的新型硬件 。 这偶尔能够带来渐进式性能提升，但没有任何进步能够追上人工智能需求呈指数增长的速度 。
归根结底，对于科技行业内部那些相信自己正在复制智能本身的人来说，效率低下可能根本不值得担忧 。
硅谷许多人怀有一种近乎宗教信仰般的执念，认为某种类似心智的东西能够从大型语言模型中诞生 。
但大型语言模型说到底只是通过统计规律生成语言的软件 。 这类软件无法记住基本事实，缺乏常识，与生物大脑也完全不同 。
甚至被称为人工智能 “ 教父 ” 之一的扬 · 勒昆最近也对 《 纽约时报 》 表示：“ 大型语言模型并不是通往超级智能，甚至人类水平智能的道路 。”
然而，人工智能的神话诱惑如此强烈，以至于许多工程师认为，为了推动人工智能继续发展，任何原则都可以让路，甚至连编写高效软件这一最基本的要求也不例外 。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: