Я помню, как в аспирантуре один профессор предположил, что революция рациональных ожиданий в конечном итоге приведет к созданию гораздо лучших моделей макроэкономики. Я был настроен скептически, и, по моему мнению, этого не произошло.
Это не потому, что что-то не так с подходом рациональных ожиданий к макроэкономике, который я решительно поддерживаю. Я скорее считаю, что успехи, возникшие в результате этой теоретической инновации, произошли очень быстро. Например, ко времени моего обсуждения (около 1979 года) такие люди, как Джон Тейлор и Стэнли Фишер, уже привили рациональные ожидания к жестким моделям заработной платы и цен, что способствовало новокейнсианской революции. С тех пор макрос, кажется, застрял в колее (если не считать некоторых более поздних нововведений из Принстонская школа (связано с проблемой нулевой нижней границы.)
На мой взгляд, наиболее полезные применения нового концептуального подхода, как правило, быстро приходят в высококонкурентные области, такие как экономика, наука и искусство.
За последние несколько лет у меня было несколько интересных бесед с молодыми людьми, занимающимися областью искусственного интеллекта. Эти люди знают об ИИ гораздо больше, чем я, поэтому я бы посоветовал читателям отнестись к нижеследующему с большим скептицизмом. Во время обсуждений я иногда выражал скептицизм по поводу будущих темпов совершенствования больших языковых моделей, таких как ChatGPT. Мой аргумент заключался в том, что предоставление LLM дополнительных наборов данных приводит к довольно серьезному уменьшению отдачи.
Подумайте о человеке, который прочитал и понял 10 хорошо отобранных книг по экономике, возможно, текст о макро- и микропринципах, а также несколько учебников среднего и продвинутого уровня. Если бы вы полностью усвоили этот материал, вы бы действительно знали немало по экономике. Теперь предложите им прочитать еще 100 хорошо подобранных учебников. Насколько больше экономики они на самом деле знают? Конечно, не в 10 раз больше. На самом деле я сомневаюсь, что они знали бы вдвое больше экономики. Я подозреваю, что то же самое можно сказать и о других областях, таких как биохимия или бухгалтерский учет.
Этот Блумберг статья бросилось в глаза:
OpenAI был на пороге важной вехи. В сентябре стартап завершил начальный этап обучения новой масштабной модели искусственного интеллекта, которая, как он надеялся, значительно превзойдет предыдущие версии технологии, лежащей в основе ChatGPT, и приблизится к своей цели — созданию мощного искусственного интеллекта, превосходящего людей. Но модель, известная внутри компании как Orion, не достигла желаемых показателей компании. Действительно, Orion потерпел неудачу, пытаясь ответить на вопросы по программированию, которым он не обучался. И OpenAI не единственный, кто в последнее время сталкивается с камнями преткновения. После многих лет продвижения все более сложных продуктов искусственного интеллекта три ведущие компании в области искусственного интеллекта сейчас видят уменьшающуюся отдачу от своих чрезвычайно дорогостоящих усилий по созданию новых моделей.
Пожалуйста, не воспринимайте это как означающее, что я скептик в области искусственного интеллекта. Я считаю, что недавние достижения в области LLM чрезвычайно впечатляют и что ИИ в конечном итоге радикально изменит экономику. Скорее, я хочу сказать, что продвижение к некоему сверхобщему интеллекту может происходить медленнее, чем ожидают некоторые его сторонники.
Почему я могу ошибаться? Мне сказали, что искусственный интеллект можно усилить другими методами, а не просто подвергать модели воздействию все больших наборов данных, и что так называемый «стена данных »может быть преодолено другими методами повышения интеллекта. Но если Блумберг прав, развитие LLM находится в некотором затишье из-за уменьшения отдачи от большего количества данных.
Это хорошая новость или плохая? Это зависит от того, насколько вы придаёте значение рискам, связанным с развитием ИСИ (искусственного сверхинтеллекта).