作者:Guido Appenzeller, Matt Bornstein, Martin Casado, Yoko Li
发表时间:2022 年 11 月 16 日
翻译:通往 AGI 之路,若有瑕疵之处,请在段落评论中斧正,谨此致谢
也许我们从生成式人工智能(generative AI)中看到的最令人费解的启示是,与“创造力将是人类智慧的最后堡垒”的普遍观点相反,实际上将困难的创造性任务自动化似乎比将简单的编程任务自动化要容易得多。为了理解这一点,我们比较了生成性 AI 的两个较为流行的用例:代码生成和图像生成。但我们相信,即使生成模型扩展到更复杂的应用,这一观点也能更普遍地站得住脚。
简而言之,这个观点(我们在下文中将更详细地探讨)是:虽然像 GitHub Copilot 这样的产品,在其当前形式下,可以使编码更高效,但它并不能消除对具有编程知识的有能力的软件开发人员的需求。一个重要原因是,当涉及到构建一个程序时,正确性确实很重要。如果 AI 生成了一个程序,它仍然需要一个人来验证它是否正确——这几乎与首次创建它所需的努力程度相同。
最近在上图中的激增主要是由于生成性 AI。在短短的十年里,我们从仅限专家使用的 AI 模型(可以对图像进行分类和创建词嵌入)发展到可以供公众使用的模型,这些模型可以编写有效的代码,并使用自然语言提示创建极为准确的图像。创新的步伐不断加快并不令人惊讶,当生成模型开始进入人类曾经主导的其他领域时,这也不应令人惊讶。