观察市场如何从纯粹的投机性生成式人工智能应用转向实用的、工程驱动的解决方案。
译自Prioritize Robust Engineering Over Overblown GenAI Promises，作者 Dmitry Petrov。
人工智能和机器学习早在 OpenAI 于 2022 年 11 月 30 日宣布推出 ChatGPT 之前就已经存在，但从那天起，炒作才真正开始。
在生成式 AI 推向全球不到两年的时间里，该公司报告称，92% 的财富 500 强公司正在使用 OpenAI 的技术。无论你走到哪里，IT 供应商都在宣布某种形式的生成式 AI 助手或工作流程。虽然 AI 创新的潜力是惊人的，也是真实的，但AI 的繁荣似乎正在消退。
其中一个症状是生产环境中缺乏 AI。我们仍然将 AI 视为一个闪亮的新玩具，还没有为黄金时段做好准备。为什么？因为它还没有为黄金时段做好准备！
随着 AI“泡沫”的破灭，市场将显著受益。历史上，我们见证了其他技术的类似模式，即围绕突破性创新的最初兴奋情绪进入 Gartner 所说的“幻灭的低谷”，最终走向更成熟、以工程为中心的方法（例如，互联网泡沫、云计算）。这种转变对于 AI 的可持续增长和实际应用至关重要。请注意，市场正在从纯粹的投机性生成式 AI 应用转向实用的、工程驱动的解决方案。
在技术进步的早期阶段，兴奋情绪往往围绕着新的模型和突破。例如，当AlexNet 的深度卷积神经网络(CNN) 架构在 2012 年出现时，它们被誉为革命性的，提供了一种处理数据的新方法，旨在解决整个计算机视觉问题。这些早期阶段的特点是快速实验和热情高涨，重点是探索新技术的潜力。听起来耳熟吗？
然而，随着这些技术的成熟，重点不可避免地会从兴奋转向工程。这种演变反映了技术发展的一个更广泛的趋势，即最初的突破之后是一段严格的改进和实际实施的时期。AI 现在也发生了同样的情况。当前的阶段是从对先进 LLM 模型的最初兴奋转向更结构化的方法，强调工程、生产和数据管理。
这种转变是有益的，原因有很多。在最初的兴奋阶段，模型有时会产生不可预测的结果，正如早期聊天机器人生成意外结果所见（你听说过雪佛兰经销商的 ChatGPT 被“欺骗”以 1 美元的价格出售 2024 款雪佛兰 Tahoe 的事情吗？）。通过专注于工程，我们可以开发出更稳定的系统，提供一致的价值。我们已经有了 Beta 版，现在需要 1.0 版（以及更高版本）。
这种成熟过程（以工程为中心）有助于解决关键的数据质量和可扩展性问题。随着 AI 技术越来越多地融入日常应用，对高质量、精心策划的数据的需求变得越来越重要。专注于数据管理、验证和管理的工程解决方案将促进更准确、更可靠的 AI 系统。反过来，这将提高 AI 在实际应用中的整体效率，从商业解决方案到消费产品。除了解决数据质量和可扩展性问题之外，这种向工程创新的必要转变还将带来开发更好支持 AI 工作流程的工具和框架，包括处理大量非结构化数据（包括图像和视频）。反过来，这将促进AI 和数据管理实践之间更加协作和集成的方法。随着 AI 和数据堆栈的相互补充，我们可以期待更具凝聚力和创新性的解决方案来应对 AI 实施中的技术和运营挑战。这种协调将促进 AI 技术更顺畅地集成到现有系统和工作流程中，最终推动更广泛的采用和利用。
这种成熟过程带来的好处远远超出了开发人员和工程师的范围。正如互联网泡沫的破灭导致互联网技术的完善和广泛采用一样，当前人工智能领域对数据管理和工程的关注将为各行各业的变革性应用铺平道路。想象一下，人工智能驱动的医疗保健诊断依赖于精心策划的数据集，或者金融系统利用人工智能进行预测分析以更有效地管理风险。这些进步不仅仅是增强技术能力；它们还关系到改善整个社会的结果。
虽然人工智能泡沫的破裂看似一种挫折，但它代表着该行业走向成熟和稳定的重要一步。通过专注于工程、数据管理和实际实施，并提供更可靠、更有价值和更有影响力的解决方案，人工智能行业可以克服早期挑战——结果是——更强大的工具和框架将使工程师和数据科学家受益。
