人工智慧的未來令人驚歎。在這篇來自a16z的合夥人Martin Casado的演講中。Martin 指出，歷史上曾發生兩次邊際成本大幅下降，而發生的平臺轉移和行業革命的案例：晶片將計算的邊際成本降低到了零，網際網路將分發的邊際成本降到了零。此時此刻，恰如彼時彼刻，大模型將創造的邊際成本降到了零，一場令人驚歎的AI革命即將開始，這是所有風險投資人感到如此興奮的原因
以下是他的發言實錄：
大約90年代末我上了人生中的第一門人工智慧課程。這東西實際上已經伴隨我們很長時間了。在過去的70年裡，它在每一個指標上都取得了巨大成功，且一直處於上升趨勢。
我們解決了一些我們原本認為計算機不擅長解決的問題。例如，在50年代和60年代，我們使用專家系統進行醫學診斷。在80年代和90年代我們在國際象棋上擊敗了俄羅斯人。我們在影像檢測方面做得很好、在機器人技術方面做得很好。我們已經解決了許多最初我們認為“計算機只是大型計算器”的問題。
除了解決這些問題之外，幾十年來，還有許多解決方案實際上比人類做得還好。比如，AI在字跡識別方面強於人類，在識別物體和影像方面也優於人類。憑藉這些優勢，AI實際上為大公司增加了很大的價值。每次使用谷歌搜尋的時候就是在使用人工智慧，得到一些個性化體驗的背後也是人工智慧。這些東西就像魔法一樣，已經存在很長時間了。它解決了以上我說的所有問題。
所以，在投資界有一個巨大的難題，這個難題是：如果這東西這麼神奇，解決了所有這些問題，為什麼我們還沒有看到像移動網際網路或網際網路那樣的平臺上的轉變？這為什麼還沒有發生？我們公司對此做了很多研究，答案是儘管AI能力像我剛才談到的那樣出色，但並沒有像網際網路或移動網際網路的經濟效益。原因有很多，我就不一一列舉了，但我會簡要介紹其中的一些。
首先，很多解決方案只適用於利基市場。它們沒有廣泛的市場吸引力。其次，這是可能是最重要的也是最微妙的一點，就是我們應用的很多用例中，準確率非常重要，比如機器人技術要達到絕對準確非常困難，需要巨大的投資。所以，許多解決方案需要硬體的加持。
最後，人工智慧的競爭不是和另一臺計算機之間的競爭，實際上是和人腦的競爭。也許它會做得更好，但也可能不會。人腦非常高效且成本低廉。最好的例子之一就是自動駕駛汽車或robotaxi。當我在2003年加入史丹佛攻讀博士學位時，Sebastian Thrun剛剛贏得了DARPA大挑戰，他駕駛一輛麵包車自動駕駛穿越沙漠並贏得了這個挑戰。我們當時想“好訊息，太激動人心了。”就像自動駕駛汽車在2003年就已經實現了。
20年後的現在我們再回顧，發現我們已經投資了750億美元。雖然確實有自動駕駛汽車在路上行駛，它們很棒，正在解決真正的問題，但單位經濟性仍然不如Uber和Lyft，因為它們在與人類大腦競爭。所以，雖然這是非常重要的技術，但目前為止，它實際上仍然是大公司的領域，能夠同步這些型別的投資。
所以，過去幾十年的人工智慧發展的經驗顯示，並不是技術不能被建立和商業化（我們實際上很擅長以上講的這些），而是說初創公司很難圍繞這些技術建立業務。因此，現在我們如此興奮、行業變化如此之快，是因為這一波浪潮在經濟效應上非常不同。
大模型以及各種SOTA模型的出現，讓我們進入了過往AI尚未解決的問題領域，例如創造力。這些模型在創造影像、音樂或聲音模仿方面比人類做得更好。事實證明，它們在自然語言推理方面也很棒。它們是出色的對話者、是強大的朋友、是逼真的浪漫伴侶、是厲害的治療師，而且現在它們還擔任我們稱之為助手的角色，這是一個包羅永珍的術語，它們在平均線上任務上做得很好。我用到了“平均”這個詞，如果這是你經常做的事情，它可以掌握它並做得很好。
對於前面提到的，傳統人工智在經濟性上不成立。在這些用例中，對準確率的要求不高，創造一個想象中的圖片或創作一首十四行詩沒有正式的準確率概念。這些案例通常是軟體。
最後一點是我無法預料的，也是最令人驚訝的一點，那就是在這些任務中，我們認為是非常人性化的任務，比如，你知道的，交流、社交和創造力，計算機要比人類便宜得多，也優秀得多。我想舉一個非常具體的例子。這個例子可能很傻，但它實際上具有普遍意義。
假設我，Martin,，想要創造一個我的皮克斯角色。如果我讓其中一個人工智慧模型來做，實際的推理成本大約是0.01 美分，而且只需要一秒鐘。和人工相比的話，僱傭一個平面設計師一小時大約是100美元，實際上要比這更貴，我以前走過這條路。所以，人工智慧不僅僅是稍微好點，它不是好 20%，而是便宜和快 4 個數量級。
這不僅僅限於影像，對於任何型別的語言理解也是如此。拿一個複雜的法律檔案來舉例，我可以將一個複雜的法律檔案輸入到一個大型語言模型（LLM）中然後進行提問。和人工相比的話，我的律師可能需要閱讀它、理解它。我不知道律師的平均費用是多少，但大概是500美元的標準吧。所以使用LLM比僱傭律師便宜和快速了四到五個數量級。
正是因為這個原因，我們作為風險投資者和私募市場的參與者非常興奮。原因在於，我們見證過網際網路歷史上增長最快的公司（也包括網際網路本身），這種增長不僅僅是透過收入或使用者數量等指標來衡量的。正是經濟性的錯位（或者說經濟性的波動和變化）催生了新的創業公司，而不僅僅是新技術。
從歷史上講，當邊際成本大幅下降時，就會產生平臺轉移，並徹底改變整個行業。這種情況發生了兩次。我想具體談談這兩次。
第一個是計算。晶片的誕生，將計算的邊際成本降到了趨近為零。在微晶片出現之前，計算是透過手工完成的。人們在大房間裡做對數表。然後ENIAC被引入，計算速度提高了四個數量級，然後發生了計算機革命。這一時期出現了IBM、惠普等公司。
第二個是網際網路，網際網路將分發的邊際成本降到了零。以前無論你傳送什麼（一個盒子或者一封信）都需要一定的成本，網際網路出現後，每bit的價格急劇下降。順便說一下，這也是四個數量級改進。這引領了網際網路革命。這一時期出現了亞馬遜、谷歌和Salesforce等公司。
很顯然，如果從基本的經濟分析來看，大模型將創造的邊際成本降到了零，比如建立影像和語言理解，比如對這些文件進行推理。這些都是它們可以應用的非常廣泛的領域。
現在，每當我們談論經濟時，我們總是要談論工作的錯位（Job dislocation）。這一點非常重要，尤其是在這種規模化的經濟錯位情況下。我們可以從前兩個時代（晶片和網際網路）中學到一些經驗。如果需求具有彈性，比如計算需求似乎是無限的，分發的需求也似乎是無限的，那麼即使成本下降，總吞吐量，總使用量也會因為可及性而大幅增加。因此，它們傾向於擴大增長，而不是消除工作或價值。幾乎可以肯定的是，網際網路擴大了美國的增長。所以我們認為，人工智慧（AI）也將經歷同樣的事情。
我們絕對認為創造力本身將會改變。生產率也正在發生改變。如果你真的想要一些預測，我想說，我們第一次有了一條通往通用人工智慧（AGI）的真正路徑。我所說的通用人工智慧（AGI）是指在經濟上可行的，你不會有一堆因為成本太高而無法工作的機器人。通用人工智慧（AGI）將實際解決我們的需求。
原文：The Future of AI Is Amazing https://a16z.com/the-future-of-ai-is-amazing/
來自：Z Potentials