微软( NASDAQ：MSFT ) 可能正在加倍押注人工智能(AI)，但整个行业似乎越来越受到投资者的怀疑，他们怀疑该技术能否在短期内带来利润。
科技巨头微软最近宣布向总部位于迪拜的人工智能技术控股公司G42进行15 亿美元的战略投资。这两家公司已经非常熟悉，但这次“扩大合作”将使微软总裁布拉德·史密斯加入 G42 董事会。
G42 将在微软的Azure云计算平台上运行其 AI 应用程序和服务，“为全球公共部门客户和大型企业提供先进的 AI 解决方案”。合作伙伴还计划共同努力，“为中东、中亚和非洲国家带来先进的 AI 和数字基础设施”。
在人工智能项目方面，微软并不羞于投入巨资，但斯坦福大学以人为本人工智能研究所的一份新报告显示，2023 年全球对人工智能的投资有所下降，这标志着投资者对人工智能的兴趣连续第二年减弱。
2023 年，人工智能领域的私人投资总额为 960 亿美元，低于 2022 年的 1034 亿美元，与 2021 年的约 1300 亿美元相比大幅下降。然而，从 2022 年到 2023 年，新获得资助的人工智能公司数量增长了 40.6%，这表明，尽管投资者仍然有兴趣押注谁将成为下一个大热门，但他们对更多公司的押注较少。
逆势而上的一个领域是生成式人工智能，该领域的投资从 2022 年起增长了八倍，达到 252 亿美元。一些熟悉的面孔——OpenAI 、 Anthropic 、
Hugging Face和Inflection是这项支出的主要受益者。
至于企业使用人工智能的五大方式，联络中心自动化以 26% 的比例领先，个性化以 23% 的比例位居第二，客户获取和基于人工智能的产品增强并列 22%，基于人工智能的新产品的创造占 19%。
在实施人工智能解决方案的公司中，59% 报告收入增加，42% 报告成本降低。
美国引领潮流
美国继续在人工智能投资领域占据主导地位，去年投入了 672 亿美元，远远超过欧盟/英国的 110 亿美元和中国的 78 亿美元。美国在值得关注的机器学习模型数量上也占据主导地位，去年有 61 个，是中国的四倍。
然而，2022 年中国获得了绝大多数（61%）的 AI 专利（2023 年的信息似乎不可用），而美国（21%）则远远落后。2022 年授予的 AI 专利总数比 2021 年增加了近三分之二。
欧盟在人工智能监管竞赛中处于领先地位，去年通过了 32 项新规定，比美国多 7 项。但美国政客一眼就能看出这是一个宣传生成器，导致去年推出了 181 项新的人工智能相关法案，高于 2022 年的 88 项。其中只有一项法案真正获得通过，这更多地反映了国会历史上最失调的状态，而不是缺乏对人工智能需要护栏的共识。
美国对人工智能的关注或许可以解释为什么去年声称使用人工智能的公司让他们感到不安的美国人比例上升了 11 个百分点。尽管大多数人口统计数据都认为人工智能将减少完成任务所需的时间，但相信人工智能将改善 就业市场的人却少得多（总体约三分之一）。
可悲的是，超过三分之一（36%）的美国人认为人工智能将在未来五年内取代他们目前的工作。但这可能是有利有弊的，因为人工智能相关职位占 2023 年所有职位空缺的 1.6%，低于 2023 年的 2%。
基础训练
可能导致人工智能投资者兴趣降温的一个因素是培训大型语言模型 (LLM) 的成本不断上升。谷歌 ( NASDAQ: GOOGL ) 花费 1.91 亿美元培训其Gemini Ultra (前身为 Bard)，而 OpenAI 花费 7800 万美元培训 GPT-4。面对如此多的资金，生成式人工智能将需要开始证明它的能力不仅仅是将黑人纳入唐纳德·特朗普的轨道。
尽管进行了所有这些投资，但人工智能“幻觉”仍然很常见，我们谈论的不仅仅是律师引用不存在的法律先例或研究人员引用从未进行过的研究。（就个人而言，GPT-4 最近谋杀了一位前同事。）
正如《 60 分钟》最近一集所记录的那样，一个旨在帮助预防饮食失调的人工智能聊天机器人最终给出了更适合厌食症网站的建议。有人推测，接管聊天机器人编程的第三方公司注入了一些生成性人工智能功能，这些功能会抓取网站上的相关信息。
这种不加批判地从互联网上任何网站获取数据的行为，都被认为是人工智能在公众心目中开始形成的“垃圾进垃圾出”的名声。
例如， Cnet 最近嘲笑谷歌的Gemini “有点乱”，“容易产生幻觉并链接到不正确的信息”。Gemini 与开放互联网的连接使其响应更加及时，但代价是其过滤掉通常非常不准确的数据的能力。
CoinGeek 经常建议区块链技术可以提供更可靠的经过批准、经过事实核查的数据存储库，以供 LLM 进行培训。BSV BSV链具有可扩展性，能够满足企业级数据需求，特别适合这项任务。（开始时可能需要较小的、集中的数据集，但考虑到网络的持续增长，天空才是极限。）
CoinGeek 并不是唯一一个将区块链视为人工智能花生酱巧克力的人。
是一个AI训练网络，最近提出使用基于Solana的第2层作为其训练平台。
遗憾的是，由于 Solana 的网络中断过于频繁（包括今年 2 月的一次长达 5 小时的停机），这一努力似乎从一开始就注定要失败。最近， Solana被迫推出网络升级，以解决该链上过多无功能的 memecoin 造成的拥堵。所以，祝你好运。
这是不可避免的
一些研究人员得出结论，幻觉在法学硕士 (LLM) 中是不可避免的，因为大多数模型都需要对提示做出反应，即使他们的知识不足以做出适当的反应。
甚至还有一个不断更新的幻觉排行榜，根据法学硕士们编造东西的频率对他们进行排名。目前表现最好的是 GPT-4 Turbo，幻觉率仅为 2.5%，而这个图腾柱上排名较低的“人”（我们不会点名/羞辱）在大约 16% 的时间里都在胡言乱语。
这种“不可避免的”困境迫使人工智能支持者想出其他方法来缓解错误信息的传递。英伟达（ NASDAQ：NVDA ）总裁黄仁勋最近表示，人工智能幻觉可以通过“检索增强生成”来处理，也就是说确保“人工智能不应该只是回答；它应该先做研究，确定哪一个答案是最好的。”
其他人开发了一种称为搜索增强事实性评估器(SAFE) 的系统，用于对聊天机器人的响应进行事实核查。SAFE“利用 LLM 将长格式响应分解为一组单独的事实，并使用多步骤推理过程评估每个事实的准确性，包括将搜索查询发送到 Google 搜索并确定搜索结果是否支持某个事实。”
普遍的看法是，人工智能的适应和学习能力将继续减少幻觉的数量，新版本的软件（以及这场竞赛中不断推动发展极限的新进入者）也是如此。但是，由于错误信息和彻头彻尾的虚假信息泛滥，没有任何减弱的迹象，人类对生成性人工智能反应的监控不会很快消失。
为了使人工智能 (AI) 能够在法律框架内正常运作并在日益严峻的挑战面前蓬勃发展，它需要集成一个企业区块链系统，以确保数据输入质量和所有权——使其能够保证数据安全，同时保证数据的不变性。查看 CoinGeek 对这项新兴技术的报道，了解更多企业区块链为何将成为 AI 的支柱。
观看：区块链与人工智能——这些技术应该融合
刚接触区块链？查看 CoinGeek 的“区块链初学者”部分，这是了解有关区块链技术的更多信息的终极资源指南。
