最近在达沃斯世界经济论坛上举行的题为“生成模型的扩展宇宙”的小组讨论中，包括 Yann LeCun、Daphne Koller、Andrew Ng、Kai-Fu Lee 和 Aidan Gomez 在内的一批杰出人工智能专家召集了会议剖析人工智能（AI）的未来轨迹。这次聚会标志着理解人工智能不断发展的格局的关键时刻，特别是在生成模型领域。
一个关键的讨论点是人们普遍认为互联网可供人工智能处理的新数据可能不足。与这一观点相反，Yann LeCun 提出我们只是触及了可用数据资源的表面。达芙妮·科勒 (Daphne Koller) 对此进行了扩展，指出增强现实和当前孤立的数据是人工智能学习的新兴来源。这种观点将焦点从感知到的数据稀缺转移到丰富的未开发资源上，为人工智能开发开辟了新的途径。
图像处理和个性化模型
人工智能界的知名人物吴恩达分享了他对该领域未来的愿景。随着最近基于文本的人工智能的兴起，他预计图像处理和自动化将发生一场革命。此外，吴恩达还强调了在个人设备上运行大型语言模型的战略重点，这与传统的基于云的方法不同。相比之下，李开复强调了基于文本的大型语言模型的持久商业潜力，这表明即使在潜在的创新放缓的情况下，企业家也面临着巨大的机遇。
克服局限性：人工智能的未来之路
艾丹·戈麦斯 (Aidan Gomez) 阐明了人工智能架构和方法论的现有局限性。尽管面临这些挑战，他仍然对未来持乐观态度，因为硬件技术的进步可以推动该领域向前发展。该小组达成共识，虽然互联网可能看起来数据饱和，但大量未开发的感官数据对于人工智能探索来说已经成熟。这种认识强调了科学和技术突破的必要性，以利用和处理如此大量的信息。
Yann LeCun 使用儿童通过视觉学习的比喻来强调人工智能从感官数据中学习的潜力。他推测，在人工智能领域实现这些能力可能还需要 5-10 年或更长时间。这种长期观点凸显了人工智能发展的初级阶段及其巨大的未开发潜力。
达沃斯世界经济论坛的讨论阐明了人工智能的前进道路，其特点是巨大的潜力和艰巨的挑战。这些人工智能杰出人物分享的见解强调了人工智能的旅程远未完成的观念。人工智能领域还有广阔的未开发领域和挑战，正处于变革性发展的边缘，可能会重新定义我们与技术和数据的交互。
