与此同时，专业化人工智能将继续受益于迭代改进。 你今天最喜欢的人工智能只会随着时间的推移而变得更好，你可以期待它们成为工作和商业中的日常伙伴。 应对挑战 当然，这些进步也伴随着许多挑战。 最值得注意的是，收益递减使得每次迭代都变得更加困难，而且通常成本更高。
例如， GPT-4 使用的参数是 GPT-3 的 500 倍 。 要使 GPT-5 达到同样的改进水平， 500 倍。 然而，GPT-4 已经使用了 100 万亿个参数。 将其增加多个数量级将突破现代计算处理的极限，从而带来收益递减的挑战。
还有一个与收敛有关的问题。 统计训练和神经网络使用数学来优化决策。 数学只 委内瑞拉电话数据 能解决某些类型的问题，即所谓的 收敛系统。 发散系统也存在，到目前为止，它们还没有被人工智能和自动化尝试所采用。 随着开发人员攻克越来越多的收敛问题，剩余的挑战将存在于发散领域。
如果没有重大突破，人工智能能做什么和不能做什么之间的差距将变得更加明显和更加有限（至少在这些领域）。 道德问题 人工智能面临的挑战不仅仅在于发展，还有许多人担心其伦理影响。 一个主要担忧与就业有关。 《财富》杂志发表的研究 估计，仅 2023 年就有超过 4,000 名工人因人工智能而失业。
这个数字不会破坏经济，但可能会增长到危险的程度。 这还不是全部。 人工智能还会增加计算机的使用率。 这意味着我们将日常任务交给人工智能处理，从而消耗更多能源。 这种能源消耗对经济和环境都有影响，这让很多人怀疑人工智能最终是否弊大于利。