The AI Breakthrough That Could Transform the World in 2025
13:03 Share

我们正在听取记者和专栏作家关于科技领域一些最大公司、趋势和人物，以及2025年可能出现的情况的报道。人工智能聊天机器人背后的底层技术被称为“转换器”，它可能对一系列行业产生深远的影响，并可能为科学界一些最棘手的问题提供答案。华尔街日报科技专栏作家克里斯托弗·米姆斯加入我们，讨论一些研究人员希望如何在2025年突破AI的可能性。詹姆斯·伦德尔主持。

了解您的广告选择。访问megaphone.fm/adchoices</context> <raw_text>0 亚马逊Q商业是来自AWS的生成式AI助手，因为业务可能会很慢，就像在泥地里跋涉一样。但亚马逊Q有助于简化工作，因此像总结月度结果这样的任务可以在短时间内完成。访问aws.com/了解更多信息，了解亚马逊Q商业能为您做什么。欢迎收听科技新闻简报。今天是12月27日星期五。我是华尔街日报的詹姆斯·伦德尔。

我们正在听取记者和专栏作家关于科技领域一些最大公司、趋势和人物，以及2025年可能出现的情况的报道。在今天的节目中，人工智能无处不在，这是OpenAI的ChatGPT和其他模型的成功推动的。但生成式AI背后的技术远不止是一个花哨聊天机器人的引擎。研究人员正在探索如何利用这项技术来创造可以吞噬塑料的细菌、自动驾驶汽车或潜在的癌症治疗方法。

我们的科技专栏作家克里斯托弗·米姆斯将与我们一起讨论AI研究的前沿技术明年如何走向主流。克里斯托弗，近几个月来，由于ChatGPT和其他平台，许多人已经将AI视为一种本质上是对话式搜索工具。然而，这项底层技术具有更广泛的应用。请告诉我们关于Transformer以及为什么它如此重要。2017年，谷歌DeepMind（他们的AI部门）的一些研究人员，

发表了一篇名为“注意力是你所需要的一切”的论文。从那时起，我们就看到了这场AI的超新星爆发。这篇论文的关键之处在于它引入了一套算法，为我们提供了一种新的

在计算机中创建通用学习者的模型，这种模型可以从任何具有内在结构的大型数据体中提取信息，例如语言，以及数据的底层顺序。这就是我们拥有ChatGPT的原因，例如。但有趣的是，世界充满了结构化数据。

我们可以将转换器架构或算法应用于这些数据。结果是一种适用于各种事物的GPT，对吧？用于药物发现、合成生物学、自动驾驶汽车、机器人等等。那么，公司希望在2025年如何使用它呢？

例如，公司正在利用它来创建新的分子。这里的类比是，当你使用ChatGPT时，你并不是真的在与AI进行对话。这就像你们在同一个谷歌文档中，你们正在合作。你们正在写一个合作的故事，但叙述方式是聊天。你写一些，然后机器人写一些，等等，

在生物学中，人们所做的是，他们没有将互联网上的所有文本输入这些转换器模型（这是获得ChatGPT所需的操作），而是将所有曾经在科学论文中被描述过的有机分子以及我们所知道的关于该分子的所有信息（它在现实世界中的作用，它的功能）输入这些模型。

然后你转向这种生物GPT，并提示它，好吧，我想要一个能做到这一点的分子。你知道，它治疗这种特殊的癌症。就像ChatGPT一样，它继续对话。它自动完成接下来可能出现的内容，这不再是一个句子，而是一个建议的词序列。

构成这种新药的分子，或者它可能是一种新的酶，可以进入细菌以消化大太平洋垃圾带中的所有塑料。对我来说，这是一个最有趣和最引人注目的例子。但同样，人们正在使用这些转换器并向它们输入机器人可以执行的大量动作。

然后它们可以帮助驱动机器人，机器人可以自学如何执行某些任务。这在机器人技术中一直是一个圣杯。因此，最终结果是一家名为Physical Intelligence的公司展示了一个可以折叠你衣物的机器人。事实证明，这可能是目前机器人技术中最难解决的问题。它甚至比波士顿动力公司的机器人进行跑酷还要难。

关键之处在于它基本上自学了如何折叠衣物。它不是一系列预先编排的动作。因此，许多高度专业化的GPT（如果用更好的词来形容的话）正在开发中。研究人员遇到的一些限制是什么？当你试图创建一个新的转换器模型时，最大的限制始终是数据。

因此，世界上第一个GPT出现在语言领域并非巧合，因为互联网上充满了文本，你可以去抓取所有文本。关于你是否有权这样做是一个法律灰色地带，但没有类似的巨大免费的机器人可以执行的动作库或自动驾驶汽车在各种情况下可以做出的决定库。所以，再次，

获取数据，拥有数据，这是真正的区别因素。这是能够利用转换器来做这些奇迹般的新事物的大公司和初创公司之间的护城河。我认为这是一个非常有趣的观点，因为从表面上看，这似乎是魔术。这些算法可以做令人难以置信的事情，但将炒作与现实分开有多重要？在你的专栏文章中，你描述了转换器的工作原理，以及

基本上能够吸收给它的所有数据，并对例如句子中的关键词或接下来会发生什么做出合理的假设。但这与真正理解语言或真正独立做出决定并不相同。是的，这些模型在任何真正的意义上都不是智能的。

它们非常擅长让我们误以为它们可能是智能的，因为当然，它们可以自动完成我们可以给它们的任何文本链。它擅长获取大量数据并使用该数据的所有隐含关系（你可能称之为知识）来尝试以非常原始的方式进行类比推理或其他什么。但它没有心理学家所说的世界模型。

它没有任何接近人类或动物感知的东西。正如一位AI研究人员对我所说，它确实证明了你可以与零智力进行真正轻松、流畅的沟通。但这并不意味着它没有用，因为某些可以模仿人类智力、复制它、模拟它、

可以非常快速地完成许多非常低级的知识工作任务，并取代人类正在做的许多苦差事。这就是为什么你会看到它出现在客户服务聊天机器人或执行后台苦差事（例如处理发票）的系统中。休息后，我们将进一步了解AI的承诺和陷阱。请继续收听。

亚马逊Q商业是来自AWS的新的生成式AI助手，因为许多任务会使业务变慢，就像在泥地里跋涉一样。呃，帮忙？幸运的是，有一个更快、更容易、更简洁的选择。亚马逊Q可以安全地理解您的业务数据，并利用这些知识来简化任务。现在，您可以立即总结季度业绩或进行复杂的分析。Q搞定了。访问aws.com/了解更多信息，了解亚马逊Q商业能为您做什么。

随着世界拥抱AI，随着公司寻找AI的不同用途，围绕AI还有哪些其他考虑因素？例如，数据传感器的环境影响、数据隐私问题以及用于这些用途的所有其他内容。我对AI的三个主要担忧是：第一，过度依赖它。我的意思是，这是无数科幻小说的主题，现在我们看到它正在发生

在现实世界中。如果我们将决策权交给这些AI，而我们对它们如何实际做出决策没有足够的

了解，我们可能会陷入困境。这方面有很多例子，随着我们尝试自动化更多任务并将它们交给AI，AI系统性地做出错误或有偏差的决策，还会有更多例子。这是我最担心的问题。第二是AI的环境影响，因为当然它现在非常耗能。我的意思是，随着时间的推移，随着它的优化，这种情况会改变，但是

也有一些证据表明，我们对AI的要求越高，它回答我们问题所需的能量就越多。因此，我们似乎像许多其他事情一样，有着无限的胃口。因此，今天的AI可能会随着计算机科学家优化这些算法而变得更高效。但在未来，这可能仅仅意味着我们将使用更多AI，或者我们将让AI更多地与自身对话。

为了代表我们进行更多推理。第三个我担心AI的事情本质上是投资错误。我们现在显然正处于AI支出和投资的泡沫中，但很可能在未来几年的某个时候，你会看到许多AI初创公司倒闭。可能会有另一个AI寒冬

将会有许多大公司将在某些类型的AI上进行大量投资，最终发现它们并没有产生他们希望的生产力提升。继续这个想法，特别是自从生成式AI出现以来，发展似乎以惊人的速度进行，你是否预计这种情况会继续下去，或者鉴于我们已经讨论过的关于数据访问、环境问题以及其他所有问题的挑战，你是否预计它会在某个时候达到平台期？

特别是对于当今聊天机器人风格的生成式AI的功能，我们在提高其性能方面肯定遇到了瓶颈。我们现在进入的是一位经济史学家所说的技术的安装阶段，即你从早期采用者转向，好吧，它对普通人来说到底是如何工作的？它如何帮助现实世界中的人们？

他们如何才能弄清楚如何将其融入他们的日常生活。这个过程可能需要几十年。因此，即使模型的能力目前似乎已经达到平台期，我们仍然需要几十年时间来弄清楚如何将其融入人们的生活和企业，就像我们对个人电脑、手机或4G和云计算所做的那样。那是我们的科技专栏作家克里斯托弗·米姆斯。

这就是科技新闻简报的全部内容。今天的节目由朱莉·张制作。我是你的主持人詹姆斯·伦德尔。杰西卡·芬顿和迈克尔·拉瓦莱创作了我们的主题音乐。我们的主管制作人是凯瑟琳·米尔索普。我们的开发制作人是艾莎·阿尔-穆斯林。斯科特·索洛韦和克里斯·津斯利是副编辑。菲拉娜·帕特森是华尔街日报的新闻主管。感谢收听。