人工智能发展放缓：呼吁构建共享、去中心化和本地化的智能

法国 - 艾赫巴里通讯社

人工智能发展放缓：呼吁构建共享、去中心化和本地化的智能

人工智能（AI）的迅猛发展，特别是生成式AI领域，似乎正经历一个发展速度的放缓期。然而，这并非意味着要放弃这项潜力巨大的技术，而是提供了一个反思其现有开发和部署模式的宝贵机会。文学与数字人文教授Tony Gheeraert在《世界报》上发表的一篇文章中发出了明确的呼吁：我们不应停止AI的脚步，而应选择一条不同的道路——一条通往共享、去中心化、本地化且不受垄断限制的人工智能之路。

生成式AI在文本、图像及其他内容生成方面取得了令人瞩目的成就，这在很大程度上依赖于对海量免费数据和巨大能源资源的汲取，而这些资源过去往往成本低廉。然而，这一时代似乎正走向终结。高质量免费数据的可获得性正在下降，同时，AI模型训练和运行所需的能源成本却在显著上升，这与日益增长的需求和对环境的担忧不无关系。这些物质和经济上的制约正迫使AI行业的参与者们考虑向新的、更可持续的模式转型。

Gheeraert认为，当前的形势为AI的发展提供了重新定位的独特契机。他提议，与其继续沿着那些消耗海量资源、巩固少数科技巨头主导地位的巨型模型的发展路径，不如进行一场范式转变。其目标是推动一种更加“节制”（即资源消耗更少）和“共享”（即更易于广泛社区访问和受益）的人工智能的普及。

共享与本地化AI的原则

这一AI的替代愿景建立在几个关键原则之上：

• 去中心化与开放性： 核心在于打破技术和经济权力的集中。AI模型的设计应更加开放，允许更多主体——如研究人员、小型企业、非政府组织——对其进行定制和使用。这需要开发更小巧、更专业化、且可能是开源的模型。
• 能源与数字节制： 面对气候变化的紧迫性和日益增长的成本，一个更加节制的AI至关重要。这意味着需要重新审视模型的架构，以减少其在训练和运行过程中的能源消耗。重点在于效率，而不仅仅是原始计算能力的提升。
• 本地化与情境相关性： AI模型应更好地适应本地社区的特定需求。相较于普适性的方法，应优先考虑那些能够理解和处理特定文化、语言和社会背景的AI，从而增强其效用和接受度。
• 替代性商业模式： 对免费数据和廉价能源的当前依赖，应被更可持续的商业模式所取代。这可能包括基于服务、合作或共享计算资源的方法，使AI在不依赖垄断的情况下更易于获得。

AI的深思熟虑的未来

这一方向性的转变并非仅仅是技术上的乌托邦，而是当前现实所迫使的必要之举。在最大模型发展中所观察到的放缓并非失败，而是一个信号。它鼓励我们进行不同形式的创新，优先考虑质量和相关性而非数量，并构建一个真正服务于人类进步和地球的人工智能。

Tony Gheeraert的呼吁，是对AI采取更符合伦理且更可持续的方法的有力倡导。它敦促我们从一场对算力的无休止竞赛，转变为对如何将这项技术融入我们生活的战略性思考，确保它能惠及最大多数人，并尊重我们环境的极限。选择不在于是否使用AI，而在于我们选择如何发展和部署它。

Ekhbary.com