隨著時(shí)代的進(jìn)步科技的發(fā)展，AI技術(shù)到如今現(xiàn)在不僅能寫詩，還能根據(jù)文本提示生成圖像，甚至是幫助人類發(fā)現(xiàn)未知的蛋白質(zhì)結(jié)構(gòu)，不得不感慨AI技術(shù)的發(fā)展趨勢很強(qiáng)！

一張圖揭示了AI算力70多年發(fā)展了6.7億倍，未來AI各方面能力將全面超越人類，而真正令人期待的是，AI行業(yè)才剛剛進(jìn)入爆發(fā)前的萌芽期。

電子計(jì)算機(jī)于上世紀(jì)40年代誕生，而在計(jì)算機(jī)出現(xiàn)后的10年內(nèi)，人類歷史上的第一個(gè)AI應(yīng)用就出現(xiàn)了。

70多年過去了，AI模型現(xiàn)在不僅能寫詩，還能根據(jù)文本提示生成圖像，甚至是幫助人類發(fā)現(xiàn)未知的蛋白質(zhì)結(jié)構(gòu)。

那么，是什么推動(dòng)了AI技術(shù)在如此短時(shí)間內(nèi)的指數(shù)級(jí)增長呢？

一張來自「我們數(shù)據(jù)中的世界」（Our World in Data）的長圖，通過用于訓(xùn)練AI模型的算力變化為刻度，對(duì)AI發(fā)展歷史進(jìn)行了追溯。

圖中數(shù)據(jù)的來源，是源于一篇由MIT等大學(xué)研究人員發(fā)表的論文。

除了論文之外，還有一個(gè)研究團(tuán)隊(duì)根據(jù)這篇論文數(shù)據(jù)做了一個(gè)可視化的表格，可以隨意縮放圖標(biāo)來獲取精細(xì)的數(shù)據(jù)

圖表的作者主要通過計(jì)算運(yùn)算次數(shù)以及GPU時(shí)間來估計(jì)訓(xùn)練每個(gè)模型的計(jì)算量，而對(duì)于選擇哪一個(gè)模型作為重要模型的代表，作者主要通過3個(gè)性質(zhì)來確定：

1. 顯著的重要性：某個(gè)系統(tǒng)具有重大歷史影響，顯著提高了SOTA，或者被引用次數(shù)超過 1000次。
2. 相關(guān)性：作者只收錄了包含實(shí)驗(yàn)結(jié)果和關(guān)鍵機(jī)器學(xué)習(xí)組成部分的論文，并且論文目標(biāo)是推動(dòng)現(xiàn)有SOTA發(fā)展。
3. 獨(dú)特性：如果描述同一系統(tǒng)的另一篇論文更具影響力，那么該論文將被從作者的數(shù)據(jù)集中排除。

一、AI發(fā)展的三個(gè)時(shí)代

1. 1950年代

美國數(shù)學(xué)家Claude Shannon訓(xùn)練了一個(gè)名為Theseus的機(jī)器老鼠，使其能在迷宮中導(dǎo)航并記住路徑—這是第一個(gè)人工學(xué)習(xí)的實(shí)例。

Theseus的構(gòu)建基于40個(gè)浮點(diǎn)運(yùn)算（FLOPs）。FLOPs通常用作衡量計(jì)算機(jī)硬件計(jì)算性能的指標(biāo)。FLOP數(shù)量越高，計(jì)算能力越強(qiáng)，系統(tǒng)也越強(qiáng)大。

B端产品经理的能力模型与学习提升

B端产品经理面临的第一大挑战，是如何正确的分析诊断业务问题。 这也是最难的部分，产品设计知识对这部分工作基本没有帮助，如果想做好业务分析诊断，必须具备扎实 ...

查看详情 >

計(jì)算能力、可用的訓(xùn)練數(shù)據(jù)和算法是AI進(jìn)步的三大要素。而在AI發(fā)展的最初幾十年里，所需的計(jì)算能力是按照摩爾定律增長的——計(jì)算能力也在大約20個(gè)月的時(shí)間翻一倍。

2. 2012年

由AlexNet（一個(gè)圖像識(shí)別AI）標(biāo)志著深度學(xué)習(xí)時(shí)代的開始時(shí)，這個(gè)翻倍時(shí)間大大縮短到了六個(gè)月，因?yàn)檠芯咳藛T加大了對(duì)計(jì)算和處理器的投資。

3. 2015年

AlphaGo的出現(xiàn)——一個(gè)擊敗了人類職業(yè)圍棋選手的計(jì)算機(jī)程序——研究人員發(fā)現(xiàn)了第三個(gè)時(shí)代：大規(guī)模AI模型時(shí)代到來了，它的計(jì)算需求比以前所有的AI系統(tǒng)都要大。

二、未來AI技術(shù)的進(jìn)展

回顧最近的十年，計(jì)算能力的增長是如此之快，簡直令人難以置信。

例如，用于訓(xùn)練Minerva（一個(gè)可以解決復(fù)雜數(shù)學(xué)問題的AI）的計(jì)算能力幾乎是十年前用于訓(xùn)練AlexNet的600萬倍。

這種計(jì)算增長，加上大量可用的數(shù)據(jù)集和更好的算法，令A(yù)I在極短的時(shí)間內(nèi)取得了大量進(jìn)展。如今，AI不僅能達(dá)到人的表現(xiàn)水平，甚至在很多領(lǐng)域超過了人類。

1. AI能力將在方方面面不斷超越人類

從上圖可以清楚地看出，人工智能在很多領(lǐng)域已經(jīng)超越了人類的表現(xiàn)，并且在其他方面也將很快超越人類的表現(xiàn)。

下圖展示了在常見的人類日常工作和生活會(huì)使用到的能力中，AI在哪一年已經(jīng)達(dá)到或者超過了人類水平。

2. AI技術(shù)發(fā)展勢能充足

難以說計(jì)算增長是否會(huì)保持相同的速度。大規(guī)模模型需要越來越多的算力來訓(xùn)練，如果算力供應(yīng)不能繼續(xù)增長，可能會(huì)減緩AI技術(shù)發(fā)展的進(jìn)度。

同樣，耗盡目前可用于訓(xùn)練AI模型的所有數(shù)據(jù)也可能妨礙新模型的開發(fā)和實(shí)施。

然而，2023年，大量資本涌入AI行業(yè)，尤其是以大語言模型為代表的生成式AI?；蛟S更多的突破即將出現(xiàn)，似乎以上3個(gè)促進(jìn)AI技術(shù)發(fā)展的元素都將在未來進(jìn)一步得到優(yōu)化和發(fā)展。

2023年上半年，AI行業(yè)的初創(chuàng)公司融資規(guī)模達(dá)到了140億美元，甚至比過去4年獲得的融資總和還要多。

而大量（78%）的生成式AI初創(chuàng)公司都還處于發(fā)展非常早期的階段，甚至27%的生成式AI初創(chuàng)公司公司還沒有進(jìn)行融資。

360多家生成式人工智能公司，27% 尚未進(jìn)行融資。超過一半是 輪或更早的項(xiàng)目，說明整個(gè)生成式AI行業(yè)還屬于非常早期的階段。

由于開發(fā)大型語言模型的資本密集型性質(zhì)，自 2022 年第三季度以來，生成式AI基礎(chǔ)設(shè)施類別已獲得超過 70% 的資金，僅占所有生成式AI交易量的10%。大部分資金源于投資者對(duì)基礎(chǔ)模型和API、MLOps（機(jī)器學(xué)習(xí)操作）以及向量數(shù)據(jù)庫技術(shù)等新興基礎(chǔ)設(shè)施的興趣。