【转译】我非常讨厌炒作，尤其是当前的人工智能 AI 大模型炒作
我真的非常讨厌炒作。从它的虚假答案到它所代表的纯粹的愚蠢，但也许最重要的是，因为它经常导致毁灭性的后果。
炒作基本上就是奢侈地推广或宣传某事，而“大科技”公司所推动的现代炒作与中世纪的江湖骗子没有太大区别。
炒作始于一些公司或行业希望通过某些新产品或服务赚取利润。发起了大规模的宣传，然后由媒体进行传播，他们的客观性和调查程序完全被另一种绝望的利润渴望所回避。然后，大多数群众都跟进了这一切，不幸的是，他们主要由无意识的绵羊组成，他们很容易被这一切抛弃，结果，开始像疯子一样鹦鹉学舌。
炒作总是不好的。
炒作伤害了投资者，他们最终损失了大量资金，因为所有“黄金”承诺都被夸大了或只是假的。
炒作通常会伤害中小型企业，因为与其做真正有效的事情，不如改变程序并引入复杂性，这通常会导致供应商锁定、更高的财务费用、更低的安全性和更差的最终结果。
炒作也会伤害个人。人们投入时间和金钱来研究和学习被炒作的技术，但往往在多年后才意识到，更好的方法实际上存在。这是旧事物再次成为新事物的时候，人们第一次发现了前几代人一直以来都显而易见的事物。
通常，人们最终付出的代价不仅在于时间和金钱的损失，还在于一些最重要的贵重物品，即隐私和个人自由。
当大公司或政府推动炒作时，它总是很糟糕的。原因很简单。手头的利益从来都不是人民的利益，而是公司或统治精英的利益。这总是夸大其词或公然的谎言。这就是为什么我们必须始终努力独立思考，避免被媒体和人群的普遍观点所左右的原因之一。
在科技领域，炒作盛行。当一项新技术出现时，人们会过于热情，并希望将其应用于任何地方——我们已经在大数据、人工智能、数据科学、区块链、ChatGPT 等方面看到了它。我见过公司雇佣多达 70 人来构建产品，目标是追随趋势，而没有定义产品会做什么或客户是否需要它。
例如，就在几周前，一家公司联系我，寻求有关如何在财务会计软件中使用 ChatGPT 的建议。他们说这是因为他们试图筹集资金，如果投资者不将 ChatGPT 用于某事，他们就不会喜欢它。我在书中记录了 AI 背景下这种现象的许多例子。
— Emmanuel Maggiori 博士（计算机科学家）
当前的 AI 炒作
在技术领域，AI 目前是新的大炒作。在 AI 之前，它是“The Cloud”云计算，遗憾的是它还没有解决，但现在也与 AI 交织在一起。
“人工智能”（AI） 一词具有严重的误导性，因为根本不存在任何形式或种类的智能。使用这个术语的唯一原因是因为它更容易销售。当大多数人想到 AI 时，他们往往会想到科幻小说中的东西。
以我的拙见，大约 10% 的 AI 炒作是基于有用的事实，这是该技术提供的相关工具，其余的都是夸大其词。
尽管如此，许多公司（主要在美国，但也在世界其他地方）正在解雇员工，因为他们被引导相信他们可以通过使用人工智能而不是真人来省钱。这是一个很大的错误。虽然 “AI” 在用作工具时肯定对许多小任务有用，但这只不过是贪婪的管理不善的粗心行为。
AI 在很大程度上充当了 “搜索引擎” 的替代品，但从长远来看，用 AI 取代客户和服务人员会损害业务。当 AI 需要支持时，没有人愿意与 AI 交谈。我们都讨厌那个！当你需要服务和支持时，你最终会与地球另一端的人交谈，他们正在使用某种答题纸，完全不知道如何真正帮助你，这已经够糟糕的了。
技能最低、经验最少、工作效率最低的人将是推荐 AI 最多的人。真正思考的人会被视为愚蠢或完全倒退。
最后但并非最不重要的一点是，当前的许多 AI 产品代表了有史以来最大、最骇人听闻的抄袭例子。
我工作的公司的营销团队现在将计算机所做的一切都标记为“AI 驱动”。几十年前存在的技术现在突然变得“人工智能驱动”——仅仅是因为他们正在跳上炒作的马车。
真是遗憾的是，一些有史以来最有益的工具，例如计算机、现代数据库、数据中心等，存在于一个如此痴迷于炒作和趋势的行业中，以至于它与时尚行业相似。
新一轮炒作的另一个主要问题是，它发生在一场严重的通胀危机中，而且发生在我们需要节约资源、能源和水的时候。然而，如果有的话，AI 正在慢慢成为资源、能源和水（用于数据中心冷却）的主要消耗。
退后一步，停下来，呼吸一下，以免你成为所有炒作的牺牲品。很多人会损失很多钱。我可以完全确信地说，因为对 AI 的大多数投资都是基于虚假的承诺，AI 根本无法也永远不会兑现这些承诺。
推荐材料
AI HYPE - Emmanuel Maggiori 博士讲解（1 小时 20 分钟 YouTube 视频）
Jesse Wright 与计算机科学家兼《Smart Until It's Dumb：为什么人工智能不断犯史诗般的错误（以及为什么 AI 泡沫会破裂）》一书的作者 Emmanuel Maggiori 博士一起，就 AI 和 AI 的未来进行了发人深省的对话。
AI 技术世界的“现代奴隶”（52 分钟的 YouTube 视频）。
认识 Google、Facebook、Amazon 和 Uber 等科技巨头背后的隐形员工。这些工资低廉的一次性工人为图像贴标签、审核内容并训练 AI 系统，他们的收入通常低于最低工资。他们的工作是必不可少的，但仍然处于阴影中，没有得到依赖他们的公司的认可。
解码 AI：Go 程序员的视角（30 分钟的 YouTube 视频）。
这是来自 BBC 的 Beth Anderson 的一次非常好的演讲。它在新举行的英国 GopherCon 上展出。
Beth 揭穿了常见的神话，并坦率地揭开了幕后知识，揭示了这些技术是什么，以及当我们尝试在生产系统中使用它们时它们是如何工作的。
Beth 在 90 年代开始了她在 AI 领域的旅程，当时她学习了计算机科学和人工智能，最终完成了一篇专注于机器学习的硕士论文——利用卷积神经网络对音频波形进行分类。Beth 后来加入了 BBC 的开创性 AI 团队 Datalab，在 BBC 内部开发推荐引擎和其他工具。Beth 还参与了 BBC 的 AI&ML 社区，该社区专注于在组织内负责任地使用 AI。
超越炒作：对大型语言模型的现实观察（40 分钟的 YouTube 视频）。
Jodie Burchell 的演讲是在 GOTO Amsterdam 2024 上录制的。
Jodie Burchell 是 JetBrains 的数据科学家和开发人员。
如果您远程关注大型语言模型 （LLM） 的最新发展，您可能已经被新闻淹没，从声称这些模型将取代众多白领工作到宣告感知和即将到来的 AI 启示录。在这个阶段，围绕这些模型的炒作已经远远超过了可用的实际有用信息。
在本次演讲中，我们将消除噪音，深入探讨 LLM 的当前应用、风险和局限性。我们将从旨在创建“人工大脑”的早期研究工作开始，并追溯引导我们实现当今复杂文本模型的路径。在此过程中，我们将解决这些模型是如何被误认为是智能系统的。
我们将阐明开发真正的通用人工智能的实际要求，并了解 LLM 离这个目标还有多远。最后，我们将通过实际演示来展示如何以发挥其优势的方式使用 LLM，并向您展示如何构建一个依赖于这些模型强大的自然语言功能的系统。
生成式 AI 已经达到顶峰了吗？- Computerphile（13 分钟的 YouTube 视频）。
视频中提到的论文是这样的： 没有指数数据就没有“零镜头”：预训练概念频率决定多模态模型性能 （PDF 47 MB）。
Jon Stewart 谈 AI 的虚假承诺 |每日秀（11 分钟的 YouTube 视频）。
我在科技行业工作多年，但我几乎从未在 Emmanuel Maggiori 博士手下工作过。
