生成式AI想要持续发展需解决好这七个问题
当AI 聊天机器人破茧而出时，很多人感到惊喜或惊讶。
这些大型语言模型擅长自我学习，并且能用各种语言和风格与人类进行交流。其生成的艺术模型几乎可以生成人们能想到的任何事物；能够回答人们可以提出各种问题，甚至越古怪越好；科学家们正在训练AI作曲、探索太空，以及执行传统上由人类完成的重复性任务（这让很多人担心他们的工作岗位会被替代）。
尽管取得了惊人的成果，但AI呈现出来的严重问题却只是冰山一解。也许人们还没有注意到，也许仍然处于敬畏的状态。然而别无选择，我们只能努力解决AI带来的现实和道德困境。当AI带来的奇迹和梦想开始消退时，人们不能忽视阻碍AI发展的七个“减速带”。
1、资源稀缺
大多数大型AI模型依赖于大规模并行计算，这些计算可以通过GPU或TPU专用芯片来加速。充分发挥AI模型的潜力需要采用大量IT硬件，但成本高昂。
每家厂商及个人都希望采用更多的IT硬件，在过去的几年，由于供不应求，芯片和IT硬件的成本飙升。更糟糕的是，越来越多的人正在使用云计算服务，导致云计算平台容量扩展的速度难以满足需求。
硬件并不是成功推出AI所需的唯一稀缺资源。运行大型AI模型还需要大量电力，但并不是每个国家或地区都能充分供应。在地缘政治冲突和主要采用可再生能源电力的地区，能够以可预测的价格获得足够的电力是一项挑战。为了弥补损失，一些云计算提供商正在提高某些地区的云服务价格。
2、AI伦理
人类总是知道在某些场合避免争论一些问题，然而AI需要学习如何在各种情况下处理此类问题。一些大型语言模型被编程为对提出的问题转移话题或者拒绝回答，但一些用户总是很执着，当这样的用户注意到AI在回避一些棘手的问题，例如引发种族或性别偏见的问题时，他们会立即寻找绕过这些护栏的方法进行提问。
随着时间的推移，AI数据偏差和数据不足是可以纠正的问题，但与此同时，恶作剧和滥用的可能性也是巨大的。虽然让AI发表仇恨言论很糟糕，但当人们开始使用AI来探索现实生活决策的道德含义时，就会变得更加复杂。
3、AI劳动力待遇不平等
许多AI项目依靠人类的反馈来指导它们的学习。通常情况下，一个大规模的AI项目需要大量的人员来构建训练集，并随着模型规模的增长调整大型语言模型的行为。对于许多项目来说，只有在贫穷国家向训练人员支付更低工资的情况下，才能在经济效益上可行。
这引发了人们对于AI公平和公正的深入辩论，但没有人能够为开发大型AI项目找到经济可行的解决方案。正如宝石行业人士并不考虑从事采矿这一棘手而危险的工作一样，AI行业也没有简单可行的劳动力成本解决方案。
4、糟糕的反馈循环
以虚假新闻和评论的形式出现的虚假信息已经存在了一段时间，无论是处于政治考量还是获取利润目的，虚假信息总有市场生存空间。然而阻止不良行为者的AI算法异常复杂，需要大量维护，大模型供应商不见得会花大力气来解决这个问题。
可以想象一下，当AI开始被用来制造虚假信息时会发生什么情况：一方面，虚假信息的数量将呈指数级增长；另一方面，有的AI系统很有可能会选择假信息并将其反馈到训练语料库中。如此，病毒式传播的错误信息将会对人们的社交网络带来不利影响，糟糕的反馈循环可能会破坏知识和信息。
5、法律法规
AI通过复制大量的文本和图像来学习它们所知道的一切。在大多数情况下，创造这些数据的人类从未被告知，他们的成果可能被价值数十亿美元的AI模型所盗用。
当这些人的工作被AI取代时会发生什么？他们可能去找律师处理许可、版权和剽窃知识的问题。人们可能会通过训练AI学习相关的判例法规，但是，可以在几毫秒内做出裁决的AI法官要比一个需要数年时间权衡问题的人类法官更可怕。
还有另外一种场景：当AI错误地评价某一历史事件或当今流行文化时，可能只会令人反感，但不会直接伤害到任何人。但是当AI说出一些贬损某人的话时，实际上成为了一种诽谤。很容易想象，如果AI诽谤某人时，假设这个人雇佣律师进行诉讼，那么AI本身需承担责任吗？还是拥有它的公司承担责任？
6、死亡与毁灭
现在好像并没有显著的例子表明，被坏人利用的AI就像科幻电影中的恶棍那样邪恶。众所周知，自动驾驶汽车和工厂的机器会犯错，但到目前为止，似乎还没有恶意事件发生。然而对于AI来说，人们似乎还不知道如何解释它造成严重伤害或死亡的可能性，以至于AI威胁论始终萦绕在人们的耳边。
7、期望值过高
人们通常认为AI的思维方式可能和人类一样，但这可能是错误的。真正的问题是，AI具有截然不同的智能形式，还没有被人们理解。作为一个新物种，人们对AI的独特优势和劣势还有很多需要了解的地方。
与此同时，AI也被人们的乐观情绪所炒作和鼓舞，以至于它永远无法实现人们的梦想。只要是人们的想法和希望超越现实，那么AI领域的发展注定会让人失望，这可能会极大地阻碍AI的持续发展。