技术进步的顶峰总是伴随着期望和兴奋的高涨，让人将其与历史上的技术革命相比较，例如 1840 年代的铁路热潮或 90 年代末的互联网热潮。
在当代前沿，关键的颠覆者是生成式人工智能，尤其是像 OpenAI 的ChatGPT，它引发了类似于之前创新爆炸的期待气氛。
然而，高昂的言辞往往掩盖了技术革命必须走的陡峭而不平坦的道路，以结出提高生产力和社会福祉的承诺成果。 正在展开的人工智能革命会带来什么不同吗？
解读人工智能的狂热
关于生成式人工智能技术的热议并非完全没有根据。 例如，OpenAI 的 ChatGPT 已经证明了自己的实力，展示了令人印象深刻的功能，例如自动化从论文写作到代码生成的任务。
这引发了对巨大经济影响的预测。 例如，高盛 (Goldman Sachs) 预测，人工智能推动的生产力可能在十年内将全球 GDP 提高 7%。
然而，所有这些预期都漂浮在不确定性的海洋之上。 虽然与过去的电力和铁路等技术革命相比，人工智能的资本密集度和基础设施依赖性明显较低，但它确实有其独特的先决条件和挑战。
例如，尽管数百万人只需点击一下即可访问 ChatGPT，但生成式人工智能系统的高效运行需要相当大的计算能力，这对钱包来说并不轻松。
此外，虽然人工智能的用户友好性促进了采用，但企业仍然需要时间来培训员工并相应地调整模型。
平衡人工智能的力量
生成式人工智能带来了一系列独特的障碍，可能会减缓其上升速度。 例如，监管监督就不容忽视。 鉴于人工智能的巨大力量，许多技术专家已经主张暂停进一步开发尖端模型。
与取代体力劳动的历史创新不同，生成式人工智能深入研究认知任务，执行写作、分析和设计等活动。
这可以增强人类的能力，但也需要采取适应性法律和政策措施来对其进行监管并减轻对社会和劳动力的影响。
此外，人工智能的出现也可能会矛盾地dent生产力。 尽管生成式人工智能旨在简化流程，但如果不能有效利用节省的时间，生产力可能不会显着提高。
人们还担心人工智能的滥用，例如数据操纵、冒充和学术不诚实。
该技术甚至可以帮助trac效率，例如垃圾邮件和在线trac，尽管其改进欺诈检测的能力可能有助于清理其中一些混乱。
绘制轨迹
生成式人工智能的最终轨迹——在经历最初的低谷后能够上升到多高——在很大程度上取决于它的实用性。
虽然人工智能在提高知识型工作的生产力方面具有巨大潜力，从加快医生诊断到加快法律trac的撰写，但并非所有行业都能同样受益。
它能在多大程度上通过加速研究进程来刺激技术进步和迭代生产力的提高还有待观察。
正如铁路最终提高了效率（主要是因为工业和贸易同时蓬勃发展）一样，生成式人工智能的影响也将取决于同时发展。
例如，如果政府采用人工智能来完成减少文书工作等任务，则可以进一步缓解生产力障碍。
生成式人工智能的前景是不可否认的。 它增强认知任务的能力传统上很难量化，这表明它的影响可能很难准确衡量。
历史表明，只有有效利用该技术，才能保证真正的生产力提高。 因此，当我们引导这场人工智能革命时，采取扎根的方法势在必行。
