微软（纳斯达克股票代码：MSFT）可能会加倍押注人工智能（AI），但整个行业似乎越来越受到投资者的怀疑，认为该技术能否很快带来利润。

科技巨头微软最近宣布对总部位于迪拜的人工智能技术控股公司G42进行15亿美元的战略投资。 两人已经很熟悉了，但这次“扩大的合作伙伴关系”将使微软总裁 Brad Smith 加入 G42 董事会。

G42 将在微软的 Azure 云计算平台上运行其人工智能应用程序和服务，“为全球公共部门客户和大型企业提供先进的人工智能解决方案。” 合作伙伴还计划共同努力“为中东、中亚和非洲国家带来先进的人工智能和数字基础设施”。

微软在人工智能项目方面并不羞于打开钱包，但斯坦福大学以人为中心的人工智能研究所的一份新报告显示，2023年全球人工智能投资下跌，这标志着投资者对人工智能的兴趣连续第二年下跌。人工智能似乎正在减弱。

2023 年人工智能领域的私人投资总额为 960 亿美元，低于 2022 年的 1034 亿美元，较 2021 年的约 1300 亿美元大幅下跌。 然而，从 2022 年到 2023 年，新融资的人工智能公司数量猛增了 40.6%，这表明虽然投资者仍然对押注谁将成为下一个大事件感兴趣，但他们对更多公司的押注较小。

逆势而上的一个领域是生成式人工智能，其投资从 2022 年大幅上涨八倍，达到 252 亿美元。 一些熟悉的面孔——OpenAI、Anthropic、Hushing Face 和 Inflection 是这笔支出的主要受益者。

至于企业使用人工智能的前五种方式，联络中心自动化以 26% 领先，个性化排名第二，占 23%，客户获取和基于人工智能的产品增强并列为 22%，以及创建新的产品和服务。基于人工智能的产品占 19%。

在实施人工智能解决方案的公司中，59% 的公司表示收入增加，而 42% 的公司表示这些解决方案的成本降低。

‘穆里卡带路

美国继续主导人工智能投资，去年支出 672 亿美元，使欧盟/英国的 110 亿美元和中国的 78 亿美元相形见绌。 美国在著名机器学习模型的数量上也占据主导地位，去年有 61 个，是中国的四倍。

然而，中国在 2022 年声称拥有绝大多数 (61%) 的人工智能专利（2023 年的信息显然无法获得），将美国 (21%) 远远甩在身后。 2022 年人工智能专利授权总量比 2021 年增加了近三分之二。

欧盟在人工智能监管竞赛中处于领先地位，去年通过了 32 项新规则，比美国多了 7 项。但美国政界人士一看就知道这是一个宣传工具，导致去年推出了 181 项新的人工智能相关法案，高于美国的 88 项2022 年。这些法案中只有一项真正获得通过，这更多地反映了历史上最功能失调的国会，而不是对人工智能需要护栏缺乏共识。

美国对人工智能的关注或许可以解释为什么声称使用人工智能的公司让他们感到紧张的美国佬比例去年上涨了 11 个百分点。 尽管大多数人认为人工智能将减少完成工作所需的时间，但相信人工智能将改善就业市场的人要少得多（大约三分之一）。

可悲的是，超过三分之一（36%）的美国人认为人工智能将在未来五年内取代他们目前的工作。 但这可能是双向的，因为 2023 年人工智能相关职位占所有职位发布的 1.6%，低于 2023 年的 2%。

基础训练

可能降低人工智能投资者兴趣的因素之一是训练大型语言模型（LLM）的成本不断上涨。 谷歌（纳斯达克股票代码：GOOGL）花费了 1.91 亿美元训练 Gemini Ultra（前身为 Bard），而 OpenAI 花费了 7800 万美元训练 GPT-4。 有了这么多钱，生成式人工智能需要开始证明它的能力不仅仅是将黑人纳入唐纳德·特朗普的轨道。

尽管进行了所有这些投资，人工智能的“幻觉”仍然很常见，我们谈论的不仅仅是律师引用不存在的法律先例或研究人员引用从未进行过的研究。 （就个人而言，GPT-4 最近 谋杀了一位前同事.)

正如《60 分钟》最近一集所记录的那样，一个旨在帮助预防饮食失调的人工智能辅助聊天机器人最终给出了更适合厌食症网站的建议。 据推测，一家超越聊天机器人编程的第三方公司注入了一些生成人工智能功能，这些功能正在抓取网站以获取相关信息。

这种不加批判地从互联网上任何站点收集数据的行为被认为是人工智能开始在公众心目中产生的“垃圾输入/垃圾输出”的声誉。

例如，Cnet 最近嘲笑谷歌的 Gemini“有点混乱”，“容易产生幻觉并链接到不正确的信息”。 Gemini 与开放互联网的连接使其响应更加及时，但代价是其过滤掉通常非常不准确的数据的能力。

CoinGeek 经常建议区块链技术可以提供一个更可靠的经批准、经过事实核查的数据存储库，法学硕士可以在这些数据上进行培训。 BSV区块链能够扩展以满足企业级数据需求，因此特别适合这项任务。 （一开始可能需要更小的、更中心化的数据集，但考虑到网络的不断增长，一切都没有极限。）

CoinGeek 并不是唯一一个建议将区块链视为人工智能花生酱的巧克力的公司。 草是一个人工智能训练网络，最近提出使用基于 Solana 的第 2 层作为其训练平台。

遗憾的是，由于 Solana 过于频繁的网络中断（包括今年 2 月的五个小时停机），这项努力从一开始似乎就注定要失败。 最近，Solana 被迫推出网络升级，以解决因链上过多的无功能模因币而造成的拥塞。 所以，祝你好运。

这是不可避免的

一些研究人员得出结论，法学硕士中的幻觉是不可避免的，因为大多数模型都需要对提示做出反应，即使他们的知识不足以提供适当的反应。

甚至还有一个不断更新的幻觉排行榜，根据法学硕士编造东西的频率对他们进行排名。 目前表现最好的是 GPT-4 Turbo，幻觉率为 2.5%，而这个图腾柱上的低“人”（我们不会点名/羞耻）大约有 16% 的时间在谈论他的数字屁股。

这种“不可避免”的困境迫使人工智能支持者考虑其他方法来减少错误信息的传递。 英伟达（纳斯达克股票代码：NVDA）总裁黄仁勋最近表示，人工智能幻觉可以通过“检索增强一代”来处理，即确保“人工智能不应该只是回答；而是应该回答”。 它应该首先进行研究，以确定哪一个答案是最好的。”

其他人开发了一种称为搜索增强事实评估器（SAFE）的系统，用于对聊天机器人的响应进行事实检查。 SAFE“利用法学硕士将长格式响应分解为一组单独的事实，并使用多步骤推理过程评估每个事实的准确性，包括将搜索查询发送到 Google 搜索并确定事实是否得到该事实的支持。搜索结果。”

普遍的观点是，人工智能的即时适应和学习能力将继续减少幻觉的数量，新版本的软件（以及这场竞赛中推动发展极限的新进入者）也会继续减少幻觉的数量。 但随着大量错误信息和彻头彻尾的虚假信息没有减弱的迹象，人类对生成人工智能反应的监控不会很快消失。

为了让人工智能 (AI) 在法律范围内正常工作并在面临日益严峻的挑战时蓬勃发展，它需要集成一个企业区块链系统，以确保数据输入质量和所有权，使其能够保证数据安全，同时保证不变性数据的。 查看 CoinGeek 对这一新兴技术的报道，了解更多为什么企业区块链将成为人工智能的支柱。

观看：区块链和人工智能——这些技术之间应该融合

区块链新手？ 查看 CoinGeek 的区块链初学者部分，这是了解更多有关区块链技术的终极资源指南。