但这些能力是有代价的。训练和部署人工智能模型需要巨大的计算能力,这会导致大量的能源消耗和不断增长的碳足迹。想要部署人工智能的公司往往找不到具有相关专业知识的人选。而且人工智能还带来了一系列其他的伦理问题,包括深度伪造(换脸等深度合成技术)的兴起、知识产权的价值以及人工智能系统的可信度。
在拉斯维加斯2025 CES(国际消费电子展)上,由IEEE的IEEE Spectrum主编Glenn Zorpette主持的一场题为“人工智能能否带来有益的技术?”的小组讨论中,人工智能的成本与其前景之间的矛盾成为了焦点问题。小组成员包括IEEE高级会员Hasala Dharmawardena和Nita Patel,以及IEEE会员Mark Riedl和Gloria Washington。
你可以在此观看完整的讨论内容:https://www.ces.tech/videos/2025/january/can-ai-deliver-technology-for-good-presented-by-ieee/。
以下是一些精彩部分:
大语言模型的工作原理
你可能听到过人们说,大语言模型仅仅是非常擅长预测句子中的下一个单词的系统。当你听到“蓝(blue)”这个词时,你可能会想到“莓(berry)”这个词。但是如果你听到“深蓝(deep blue)”这个短语,你可能会认为下一个词是“海(sea)”。大语言模型基于海量数据集和大量的数学运算,利用语境来预测短语或句子中的下一个单词。这种解释为关于负责任地使用人工智能以及生成式人工智能系统为何会提供错误答案的讨论铺平了道路。
“输入语言模型的每个单词都是对接下来内容的一个线索,”Riedl说,“仅仅凭借三个单词,你就能对我接下来要说的内容有一个相当不错的想法。现在如果你有一百个单词或者一千个单词,接下来要出现的单词就变得有点不言而喻了。一个语言模型试图找出所有这些单词中的模式、所有的线索,以及它们与接下来内容的关联方式。”
人工智能系统消耗多少能源?
大语言模型越复杂,生成文本或图像所消耗的能源就越多。尽管美国的人口和经济活动有所增长,但在过去二十年里,其能源消耗一直保持相对稳定。小组成员解释了为何人工智能的兴起预计会增加电力消耗。
新兴用例
人工智能模型非常擅长回答问题。它们甚至能为你规划假期,但它们的能力也存在局限性。虽然它们能够制定出计划,但却不能为那次假期预订酒店房间或者选择航班。人工智能的下一步可能是能够制定计划并将其付诸行动的人工智能代理(智能体)。代理性人工智能(智能体人工智能)也将对医疗保健、制造业、市场营销和网络安全等领域产生重大影响。
“对我来说,人工智能是为了让人类能做更多的事,”Patel说,“计算器的概念非常简单,但它让人们能做更多的事。人工智能对于编程来说也是如此。你可以说你想要发生某事,然后它就被创造出来了。”
人工智能能否带来有益的技术?
答案当然是肯定的。然而,小组成员指出,人工智能是一种两用技术,其形态由使用者塑造。最终,关键在于在创新发展与人类监督及审慎政策(以引导其发展和使用)的需求之间达成平衡。
“这些技术的一切都很美妙,但很多时候,弱势群体和边缘群体受到的影响是我们未曾预料到的,”Washington说,“在我们开发和部署这些工具时,我们需要认真考虑公平性、问责制和透明度。”
好文章,需要你的鼓励
最新数据显示,Windows 11市场份额已达50.24%,首次超越Windows 10的46.84%。这一转变主要源于Windows 10即将于2025年10月14日结束支持,企业用户加速迁移。一年前Windows 10份额还高达66.04%,而Windows 11仅为29.75%。企业多采用分批迁移策略,部分选择付费延长支持或转向Windows 365。硬件销售受限,AI PC等高端产品销量平平,市场份额提升更多来自系统升级而非新设备采购。
清华大学团队开发出LangScene-X系统,仅需两张照片就能重建完整的3D语言场景。该系统通过TriMap视频扩散模型生成RGB图像、法线图和语义图,配合语言量化压缩器实现高效特征处理,最终构建可进行自然语言查询的三维空间。实验显示其准确率比现有方法提高10-30%,为VR/AR、机器人导航、智能搜索等应用提供了新的技术路径。
新一代液态基础模型突破传统变换器架构,能耗降低10-20倍,可直接在手机等边缘设备运行。该技术基于线虫大脑结构开发,支持离线运行,无需云服务和数据中心基础设施。在性能基准测试中已超越同等规模的Meta Llama和微软Phi模型,为企业级应用和边缘计算提供低成本、高性能解决方案,在隐私保护、安全性和低延迟方面具有显著优势。
IntelliGen AI推出IntFold可控蛋白质结构预测模型,不仅达到AlphaFold 3同等精度,更具备独特的"可控性"特征。该系统能根据需求定制预测特定蛋白质状态,在药物结合亲和力预测等关键应用中表现突出。通过模块化适配器设计,IntFold可高效适应不同任务而无需重新训练,为精准医学和药物发现开辟了新路径。