AI 領域的人似乎不理解智能

這篇文章挑戰了驅動 AI 發展的「規模就是一切」的信條。OpenAI 在複雜數學問題上取得的快速進展，並不能保證其具備通用智能。智能需要持續、清晰的回饋才能保持有效。如果沒有回饋，模型可能會偏離現實，就像 Samuel Langley 在 1903 年失敗的飛行嘗試一樣。他資金充足、設計穩定的飛機最終還是墜入了波托馬克河。

亞洲科技界應該注意 AI 擅長的領域：編碼、數學和天氣預報。這些領域提供大量的數據和快速的回饋。金融市場，例如由 Two Sigma Investments 服務的市場（該公司擁有前五名的超級計算能力），也符合這種模式。這意味著這些領域的亞洲公司將看到最快、最深刻的 AI 整合。其他領域，如藥物研發，將面臨較慢的採用速度。

亞洲 AI 公司真正的考驗是識別具有清晰、快速回饋迴路的問題集。這是智能發揮最大影響力的地方。預計該地區將繼續投資於金融服務和軟件開發領域的 AI。然而，AI 在個性化內容創作或複雜科學研究等領域的回報將會減少。這是因為回饋較慢且不夠精確。