摘要：微软首席技术官凯文·斯科特 (Kevin Scott) 最近在20VC 播客上对人工智能似乎不可阻挡的扩张提出了一个有趣的观点。他挑战了人工智能能力将继续呈指数级增长的普遍信念。他的论点引入了“扩展渐近线”的概念，即进一步发展的经济成本超过实际收益的点。

微软首席技术官凯文·斯科特 (Kevin Scott) 最近在20VC 播客上对人工智能似乎不可阻挡的扩张提出了一个有趣的观点。他挑战了人工智能能力将继续呈指数级增长的普遍信念。他的论点引入了“扩展渐近线”的概念，即进一步发展的经济成本超过实际收益的点。

斯科特对人工智能的无限可扩展性表示怀疑，他说：“有些人认为人工智能没有这样的限制，事物会不断扩展到奇怪的领域。我并不真的相信这一点。”

他继续阐述他的另一种观点：“我相信我们会到达某个点，到达一个扩展渐近线，只是边际收益递减。而且成本太高，我们会决定不值得再花一美元来让这个东西更智能，因为我们还没有弄清楚如何将其转化为对使用该工具的人有用的东西。我认为那个点会到来的。”

斯科特似乎暗示，简单地扩大模型规模并不能无限期地产生更好的结果——总有一天，改进模型的成本将对其能力的提升非常小，以至于花钱让模型变得更智能是不值得的。

关于未来几年模型扩展将如何发展，存在几种不同的观点。OpenAI 和 Sam Altman 曾多次表示，扩展没有障碍，并暗示模型可以无限改进。目前尚不清楚 OpenAI 是否认为这种情况会因为扩展定律或新技术（例如测试时间计算）的发现而发生。与此同时，埃隆·马斯克 (Elon Musk) 强调了另一个问题——他说人类已经用尽了大部分数据来训练模型，而缺乏新数据可能会带来挑战。Ilya Sutskever 也表示，数据是人工智能的化石燃料，最终会耗尽。微软首席技术官 Kevin Scott 也表示，模型不能仅仅通过增加更多资源来不断改进，看来人工智能社区可能需要不断提出新技术和突破才能实现超级智能。

来源：人工智能学家