berita

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

Zhitong Finance APP mengetahui bahwa Daron Acemoglu, seorang profesor di Institut Penelitian Massachusetts Institute of Technology (MIT), mengatakan bahwa dalam sepuluh tahun ke depan, hanya seperempat tugas terkait kecerdasan buatan yang dapat diotomatisasi dengan biaya yang efektif.

Acemoglu mengatakan dalam Goldman Sachs Exchange Podcast bahwa meskipun ada terobosan besar dalam kecerdasan buatan, dampaknya tidak akan terasa selama beberapa tahun.

Goldman Sachs mengatakan hal ini berarti bahwa selama 10 tahun ke depan, kecerdasan buatan akan mempengaruhi kurang dari 5% dari seluruh tugas, meningkatkan produktivitas AS hanya sebesar 0,5%, dan berkontribusi hanya 0,9% terhadap pertumbuhan PDB secara kumulatif.

Dia berkata: “Ternyata arsitektur model bahasa besar (LLM) saat ini lebih mengesankan daripada perkiraan banyak orang, tapi menurut saya hanya dengan mengandalkan arsitektur ini untuk memprediksi kata berikutnya, kita bisa mendapatkan sesuatu seperti "Space 2001". Sesuatu yang secerdas Hal, robot dalam "The Wanderer", masih membutuhkan kepercayaan diri yang tinggi."

“Arsitektur LLM kami saat ini bisa sangat membatasi,” kata Acemoglu.

Dia juga meragukan AI dapat mencapai tujuan yang dibutuhkannya lebih cepat hanya dengan memberikan lebih banyak kapasitas GPU.

Data berkualitas tinggi akan semakin dibutuhkan, dibandingkan kapasitasnya, dan tidak jelas dari mana data tersebut akan berasal, tambahnya.

Jim Covello, kepala penelitian ekuitas global di Goldman Sachs, mengatakan bahwa untuk mendapatkan keuntungan dari Nvidia (NVDA.US), Microsoft (MSFT.US), Google (GOOGL.US), Meta (META.US), diharapkan untuk berinvestasi dalam belanja modal kecerdasan buatan dalam beberapa tahun ke depan. Untuk mendapatkan keuntungan bagi perusahaan seperti Amazon (AMZN) dan Super Micro Computer (SMCI), kecerdasan buatan harus mampu memecahkan masalah yang kompleks.

“Kami telah mengerjakannya selama beberapa tahun, dan pada titik ini, tidak ada yang hemat biaya,” katanya. “Saya pikir ada kesalahpahaman yang luar biasa tentang apa yang dilakukan teknologi ini. Masalah yang dipecahkannya bukanlah masalah besar . Tidak ada alasan kognitif yang terlibat.”