人工智能寒冬是一个术语，指的是人工智能系统研发资金的削减。 

这通常是在人工智能系统功能被过度炒作和预期未能实现的时期之后发生的。这听起来像今天的人工智能吗？ 

在过去的几个月里，我们发现几个关键的生成式人工智能系统未能兑现投资者和硅谷高管的承诺——从最近推出的 Open AI 的 GPT-4o 模型到谷歌的 AI 概览，再到 Perspective 的抄袭引擎等等。

虽然这样的时期通常是暂时的，但它们可能会影响行业增长。 

本文讨论的是：

• 人工智能寒冬的简要历史及其每次发生的原因。
• 过去人工智能寒冬的特点和教训。
• 我们是否正在走向人工智能的寒冬？
• 人工智能在搜索领域的未来以及您在其中扮演的角色。

人工智能寒冬简史及其发生的原因

人工智能领域有着悠久的历史（尽管很短），其特点是经历了一段极度兴奋的时期，随后又经历了一些失望。这些衰退时期就是我们现在所说的人工智能寒冬。

第一次危机发生在 20 世纪 70 年代。早期的人工智能项目（如机器翻译和语音识别）未能达到人们对它们的宏伟期望。人工智能研究资金枯竭，导致进展放缓。 

有几个因素导致了第一次人工智能寒冬。 

简而言之，研究人员过度承诺了人工智能在短期内能够实现的能力。 

即使是现在，我们还没有完全了解人类的智能，因此很难在人工智能中复制。

另一个关键因素是，当时的计算能力不足以满足人工智能领域日益增长的需求，这不可避免地阻碍了该领域的进步。 

20 世纪 80 年代，随着专家系统的发展，人工智能取得了一些进展，这些系统成功地解决了有限领域的特定问题。这段兴奋时期一直持续到 20 世纪 80 年代末和 90 年代初，随后又一个人工智能寒冬到来。

这一次，原因与一项计算技术——LISP 机器的消亡更为密切相关，它被更高效的替代方案所取代。 

同时，专家系统在遇到意外输入时未能满足预期，从而导致错误和信任的丧失。 

替代 LISP 机器的 一项关键举措是日本的第五代计算机项目。

这是该国计算机行业与政府之间的合作，旨在彻底改变人工智能操作系统和计算技术、技术和硬件。但最终未能实现大部分目标。  

尽管整个 20 世纪 90 年代人工智能研究仍在继续，但许多研究人员避免使用“人工智能”一词，以与该领域未能实现的承诺的历史划清界限。 

这与目前观察到的趋势非常相似，许多杰出的研究人员都会谨慎地标明他们所从事的具体研究领域，并避免使用总称。 

21 世纪初期，由于机器学习和计算技术的进步，人们对人工智能的兴趣日益高涨，但实际整合却进展缓慢。

尽管这一时期被称为“人工智能之春”，但“人工智能”一词本身却因过去的失败和未满足的期望而蒙上污点。 

投资者和研究人员都回避这一术语，认为它与炒作过度和表现不佳的系统有关。 

因此，人工智能经常被冠以不同的名称，例如机器学习、信息学或认知系统。这使得研究人员能够远离与人工智能相关的污名，并确保他们的工作获得资金。

从 2000 年到 2020 年，IBM 的 Watson 是人工智能整合失败的典型例子，尽管该公司承诺彻底改变医疗保健和诊断领域。 

尽管在游戏节目《危险边缘！》（Jeopardy!）上取得了成功，但这个人工智能超级项目在应用于现实世界的医疗保健时 面临着重大挑战。

肿瘤学专家顾问与 MD 安德森癌症中心合作，努力解读医生的笔记并将研究结果应用于个别患者病例。 

纪念斯隆凯特琳癌症中心的类似项目因使用合成数据而遇到问题，合成数据引入了偏差，并且未能考虑到患者病例和治疗方案的实际差异。 

当 Watson 在世界其他地区实施时，它的建议通常与当地的医疗保健基础设施和治疗方案无关或不兼容。 

即使在美国，它也因提供明显或不切实际的建议而受到批评。 

最终，Watson 在医疗保健领域的失败凸显了将 AI 应用于复杂的现实问题的挑战，以及考虑背景和数据限制的重要性。

与此同时，出现了几种与人工智能相关的趋势。这些小众技术获得了关注和资金，但由于未能达到预期而迅速消退。

想想：

• 聊天机器人。 
• IoT (物联网)。
• 语音命令设备。
• 大数据。
• 区块链。
• 增强现实。
• 自动驾驶汽车。 

所有这些研究和开发领域仍然具有巨大的潜力，但投资者的兴趣在过去的不同时期达到顶峰。 

总体而言，人工智能的发展史警示人们，炒作和不切实际的期望会带来危险，尽管它也展示了该行业使命的韧性和进步。尽管遭遇挫折，但人工智能技术仍在不断发展。 

深入挖掘：不，人工智能不会改变你的营销工作：反向观点

过去人工智能寒冬的特征和教训

生成式人工智能是人工智能突破、炒作、投资和在生活和商业等诸多领域的多方面技术融合周期中最新的迭代。 

让我们来追踪一下现在是否正走向人工智能寒冬。但在此之前，请允许我简要回顾一下过去每个人工智能寒冬中吸取的教训。 

每一次人工智能寒冬都有以下几个关键里程碑： 

炒作周期

• 人工智能的寒冬通常发生在狂热炒作和期望过高之后。
• 这些不切实际的期望与人工智能技术的实际能力之间的差距导致了失望和幻灭。

技术壁垒

• 人工智能的寒冬常常与技术限制同时发生。
• 无论是缺乏计算能力、算法挑战还是数据不足，这些障碍都会严重阻碍进步。

金融干旱

• 随着人们对人工智能的热情逐渐消退，研发资金也逐渐枯竭。
• 投资不足会进一步抑制创新并加剧经济放缓。

反弹和怀疑

• 人工智能寒冬常常会导致科学界和公众的批评和怀疑情绪激增。
• 这种负面情绪会进一步挫伤人们的情绪，并使获得资金或支持变得困难。

战略撤退

• 为了应对这些挑战，人工智能研究人员往往将重点转移到更易于管理、不那么雄心勃勃的项目上。
• 这可能涉及重新塑造他们的工作或专注于特定的应用，以避免与人工智能相关的负面含义。
• 然后，一个利基突破出现了，整个循环又重新开始。

人工智能寒冬不仅仅是暂时的挫折；它确实会阻碍进步。

资金枯竭，项目被放弃，人才离开该领域。这意味着我们错过了可能改变生活的技术。

此外，人工智能寒冬可能会使人们对人工智能产生怀疑，使得优秀的人工智能更难被接受。

由于人工智能越来越融入我们国家的经济、我们的生活和许多企业，因此经济衰退会给每个人带来损失。

这就像在我们开始朝着实现AGI（通用人工智能）等世界上最大的技术相关目标迈进时踩下了刹车。

这些循环也不鼓励长期研究，导致人们只关注短期利益。

尽管进展缓慢，但人工智能寒冬提供了宝贵的学习经验。它们提醒我们要现实地看待人工智能的能力，专注于基础研究，并确保资金来源多样化。

不同部门之间的合作是关键，关于人工智能的潜力和局限性的透明沟通也很重要——尤其是对投资者和公众而言。

通过吸取这些教训，我们可以为人工智能创造一个真正造福社会的可持续的、有影响力的未来。

让我们来探讨一下这个大问题——我们是否正在走向人工智能的寒冬？

---

我们是否正走向人工智能的寒冬？ 

在经历了 2023 年的爆炸式增长之后，人工智能的进展似乎有所放缓，无论是新技术的发布、现有模型的更新，还是围绕生成式人工智能的炒作。

加里·马库斯 (Gary Marcus)等人认为，人工智能模型性能的重大飞跃正在变得越来越少。

该领域的领导者在生成式人工智能和新模型开发方面缺乏突破，这表明进展可能会放缓。

从投资者电话会议来看，对人工智能的提及也有所减少，这让更多人相信，生成人工智能所承诺的生产力提升不会比已经实现的更多。

不可否认的是，这并不多。投资回报率也不高。许多公司都难以从他们的人工智能投资中获得预期的生产力回报。

ChatGPT 等工具的快速发展和热度让人们对其功能和潜在影响的期望过高。

大型语言模型(LLM)是以前只有一小部分人（主要是人工智能研究人员）知道的东西，现在正成为普遍知识。

这些模型面临着重大的局限性，包括幻觉和缺乏真正的理解，这降低了它们的实际影响。

人们意识到，如果这些技术被滥用，就会危害网络。人工智能生成的内容已遍布整个网络，从社交媒体评论到帖子、博客、视频和播客。

真实的人工生成内容越来越稀缺。未来的人工智能模型将不可避免地接受合成内容的训练，这是无法避免的，并且随着时间的推移会导致性能下降。

我们甚至还没有解决生成式人工智能的黑客攻击的简易性、获取训练数据的道德问题、保护用户数据的挑战以及科技公司在人工智能讨论中经常忽视的许多其他问题。

不过，一些迹象表明短期内人工智能寒冬即将来临。

人工智能技术持续快速发展，开源模型迅速赶超封闭模型，人工智能代理等创新应用不断涌现。

此外，人工智能正在融入到各个行业和应用中，通常是无缝衔接的（有时不是——看看你，人工智能概述），至少展示出一些实用价值。

目前还不清楚这些实施是否能经受住时间的考验。

尽管怀疑论者揭穿了Perplexity等公司的一些说法，并质疑其在知识产权方面的策略，但投资者对 AI 搜索潜力的信心依然不减。

深入挖掘：谷歌人工智能概述是一场进化，而不是一场革命

人工智能在搜索领域的未来以及您在其中的角色

毫无疑问，人工智能将会继续存在。我和我的自动化爱好者们都很高兴看到，现在每个人都对这项技术感到兴奋，并亲自探索它。

重要的是不要让当前的兴奋让你的期望过高。这项技术仍然有局限性，要充分发挥其潜力还有很长的路要走。

要警惕那些承诺惊人投资回报率或分享世界末日预言（总是如此，如此之快）的技术兄弟和首席执行官，他们预言将会有通用人工智能 (AGI) 出现，而​​你将被人工智能 (AI) 取代。 

虽然自动化正在彻底改变劳动力，但变化是渐进的。 

AGI 正在取得进展，但知名的 AI 研究人员认为，这一现实不会在短期内实现。要实现这一目标，仍需克服许多障碍。 

了解任何新兴技术（尤其是目前被广泛讨论的人工智能）及其工作原理对于制定经得起时间考验的战略至关重要。 

我们可能会看到以下两种情况（尤其是在搜索方面）。 

继续取得进展

实施经受了时间的考验，模型也不断改进。 

对于搜索营销人员来说，这可能意味着更多的人工智能生成内容来超越竞争对手，同时也意味着改进搜索系统和人工智能检测算法，通过放大人类书写的真实声音来简化这一任务。 

投资者获胜。大型科技公司获胜。每个人都获胜。 

如果我们解决了与道德、安全、知识产权和资源使用相关的挑战，情况就会是这样。不过我离题了。

进展停滞

系统变得更糟。想想：

• Google AI 概览没有任何改进。
• 网络搜索结果中出现更多垃圾邮件。
• 误传。
• 完全毒害了社交媒体信息、在线论坛和其他数字空间。 

在这种情况下，大型科技公司将开始迅速亏损。（一些证据表明这种趋势已经开始。） 

从根本上来说，人工智能系统的开发、维护和改进成本非常高。 

然而，如果不这样做，就会损害投资者的信任，他们最终将屈服并缩减该地区的实施规模。 

其中一些技术未能满足公众的期望，将导致人们普遍失去对生成式人工智能潜力的信任。 

在这两种情况下，品牌、公司及其员工的真实性以及处理消费者关系的方式都将变得更加重要。 

第二种情况还将增强消费者对真实非数字体验的渴望。 

我对搜索营销人员的建议是，要时刻警惕人工智能的风险，并了解不同模型的工作原理。它们的优点和局限性是什么？它们能很好地处理哪些任务，哪些任务处理得不好？

尝试使用工具来提高您的工作效率。许多模型尚未准备好充分用于营销，如果这样对待它们，可能会加剧本文中提到的问题。

深入挖掘：人工智能将如何影响搜索的未来