當AI 聊天機器人破繭而出時，很多人感到驚喜或驚訝。

這些大型語言模型擅長自我學習，并且能用各種語言和風格與人類進行交流。其生成的藝術模型幾乎可以生成人們能想到的任何事物；能夠回答人們可以提出各種問題，甚至越古怪越好；科學家們正在訓練AI作曲、探索太空，以及執行傳統上由人類完成的重復性任務（這讓很多人擔心他們的工作崗位會被替代）。

盡管取得了驚人的成果，但AI呈現出來的嚴重問題卻只是冰山一解。也許人們還沒有注意到，也許仍然處于敬畏的狀態。然而別無選擇，我們只能努力解決AI帶來的現實和道德困境。當AI帶來的奇跡和夢想開始消退時，人們不能忽視阻礙AI發展的七個“減速帶”。

1、資源稀缺 

大多數大型AI模型依賴于大規模并行計算，這些計算可以通過GPU或TPU專用芯片來加速。充分發揮AI模型的潛力需要采用大量IT硬件，但成本高昂。

每家廠商及個人都希望采用更多的IT硬件，在過去的幾年，由于供不應求，芯片和IT硬件的成本飆升。更糟糕的是，越來越多的人正在使用云計算服務，導致云計算平臺容量擴展的速度難以滿足需求。

硬件并不是成功推出AI所需的唯一稀缺資源。運行大型AI模型還需要大量電力，但并不是每個國家或地區都能充分供應。在地緣政治沖突和主要采用可再生能源電力的地區，能夠以可預測的價格獲得足夠的電力是一項挑戰。為了彌補損失，一些云計算提供商正在提高某些地區的云服務價格。

2、AI倫理 

人類總是知道在某些場合避免爭論一些問題，然而AI需要學習如何在各種情況下處理此類問題。一些大型語言模型被編程為對提出的問題轉移話題或者拒絕回答，但一些用戶總是很執著，當這樣的用戶注意到AI在回避一些棘手的問題，例如引發種族或性別偏見的問題時，他們會立即尋找繞過這些護欄的方法進行提問。

隨著時間的推移，AI數據偏差和數據不足是可以糾正的問題，但與此同時，惡作劇和濫用的可能性也是巨大的。雖然讓AI發表仇恨言論很糟糕，但當人們開始使用AI來探索現實生活決策的道德含義時，就會變得更加復雜。 

3、AI勞動力待遇不平等 

許多AI項目依靠人類的反饋來指導它們的學習。通常情況下，一個大規模的AI項目需要大量的人員來構建訓練集，并隨著模型規模的增長調整大型語言模型的行為。對于許多項目來說，只有在貧窮國家向訓練人員支付更低工資的情況下，才能在經濟效益上可行。

這引發了人們對于AI公平和公正的深入辯論，但沒有人能夠為開發大型AI項目找到經濟可行的解決方案。正如寶石行業人士并不考慮從事采礦這一棘手而危險的工作一樣，AI行業也沒有簡單可行的勞動力成本解決方案。

4、糟糕的反饋循環 

以虛假新聞和評論的形式出現的虛假信息已經存在了一段時間，無論是處于政治考量還是獲取利潤目的，虛假信息總有市場生存空間。然而阻止不良行為者的AI算法異常復雜，需要大量維護，大模型供應商不見得會花大力氣來解決這個問題。 

可以想象一下，當AI開始被用來制造虛假信息時會發生什么情況：一方面，虛假信息的數量將呈指數級增長；另一方面，有的AI系統很有可能會選擇假信息并將其反饋到訓練語料庫中。如此，病毒式傳播的錯誤信息將會對人們的社交網絡帶來不利影響，糟糕的反饋循環可能會破壞知識和信息。

5、法律法規 

AI通過復制大量的文本和圖像來學習它們所知道的一切。在大多數情況下，創造這些數據的人類從未被告知，他們的成果可能被價值數十億美元的AI模型所盜用。

當這些人的工作被AI取代時會發生什么？他們可能去找律師處理許可、版權和剽竊知識的問題。人們可能會通過訓練AI學習相關的判例法規，但是，可以在幾毫秒內做出裁決的AI法官要比一個需要數年時間權衡問題的人類法官更可怕。

還有另外一種場景：當AI錯誤地評價某一歷史事件或當今流行文化時，可能只會令人反感，但不會直接傷害到任何人。但是當AI說出一些貶損某人的話時，實際上成為了一種誹謗。很容易想象，如果AI誹謗某人時，假設這個人雇傭律師進行訴訟，那么AI本身需承擔責任嗎？還是擁有它的公司承擔責任？

6、死亡與毀滅

現在好像并沒有顯著的例子表明，被壞人利用的AI就像科幻電影中的惡棍那樣邪惡。眾所周知，自動駕駛汽車和工廠的機器會犯錯，但到目前為止，似乎還沒有惡意事件發生。然而對于AI來說，人們似乎還不知道如何解釋它造成嚴重傷害或死亡的可能性，以至于AI威脅論始終縈繞在人們的耳邊。

7、期望值過高

人們通常認為AI的思維方式可能和人類一樣，但這可能是錯誤的。真正的問題是，AI具有截然不同的智能形式，還沒有被人們理解。作為一個新物種，人們對AI的獨特優勢和劣勢還有很多需要了解的地方。 

與此同時，AI也被人們的樂觀情緒所炒作和鼓舞，以至于它永遠無法實現人們的夢想。只要是人們的想法和希望超越現實，那么AI領域的發展注定會讓人失望，這可能會極大地阻礙AI的持續發展。