人工智能扩散、企业采纳与AGI预测

分析将扩散理论应用于生成性人工智能的采纳,并报告企业渗透率和AGI概率预测。- 创新扩散遵循S曲线,存在早期采用者与早期主流之间的'鸿沟'概念。- 现代技术比以往时代更快实现大众采纳;生成性人工智能在约3年内实现了大众采纳。- 引用的报告(哈佛人工智能指数、麦肯锡)跟踪企业采纳情况;麦肯锡指出生成性人工智能在企业中的渗透率为79%。- 生成性人工智能可以自动化至少10%的与文档和沟通相关的某些劳动任务。- Shane Legg(DeepMind)估计到2028年实现最小AGI的概率为50%,基于一个完成典型人类认知任务的代理的定义。- AGI评估方法包括基准测试套件和对抗性人类红队测试。- 所需的AGI进展包括持续学习、情节记忆和与物理世界的具身互动。- 注意到两类短期工作安全类别:需要复杂物理互动的任务(例如,管道工)和与人类形象相关的角色(例如,影响者)。- 商业模式可能会从消费者注意力的货币化转向代理之间的货币化,并需要不可变账本以确保代理的问责制。
Key insights
扩散理论解释生成性人工智能采纳曲线加速
分析引用经典的S曲线和早期采用者与早期主流之间的'鸿沟',指出后续技术缩短了大众采纳的时间。文章认为生成性人工智能在大约三年内实现了主流采纳,速度快于许多历史技术。
企业渗透指标显示生成性人工智能的广泛使用
引用的机构调查和指数(哈佛人工智能指数、麦肯锡)报告生成性人工智能在企业中的高采纳率,其中一个提到的麦肯锡数据表明在调查的企业中渗透率为79%。文章将这些指标呈现为商业快速采纳的证据。
Shane Legg对2028年实现最小AGI的概率为50%
DeepMind AGI负责人Shane Legg估计到2028年实现'最小AGI'的概率为50%,将AGI定义为能够执行典型人类认知任务的代理。他指出在持续学习、记忆、视觉推理和具身性方面仍存在待解决的差距。
预测商业模式和问责需求的变化
文章讨论随着人工智能代理自主交易,货币化可能会从以人类注意力为基础的模型转向代理之间的价值交换,增加了对不可变账本和追踪的需求,以确保代理行为的可追溯性和问责制。