共计 1900 个字符，预计需要花费 5 分钟才能阅读完成。
我们曾猜测何时会看到能够持续通过图灵测试的软件。如今，我们不仅理所当然地认为这项令人难以置信的技术存在，而且它还将迅速变得更好、更有能力。
自从 ChatGPT 于 2022 年 11 月 30 日发布以来，我们很容易忘记发生了多少事情。自那时起，公共大型语言模型（LLMs）不断带来创新和力量。每隔几周，我们似乎就会看到新的进展突破了极限。
现在，首次出现了这种步伐可能正在显著放缓的迹象。
要观察这一趋势，可以考虑 OpenAI 的发布。从 GPT-3 到 GPT-3.5 的飞跃巨大，使 OpenAI 进入了公众意识。升级到 GPT-4 同样令人印象深刻，是力量和容量的一大步前进。随后是 GPT-4 Turbo，增加了一些速度，然后是 GPT-4 Vision，实际上只是解锁了 GPT-4 现有的图像识别能力。就在几周前，我们看到了 GPT-4o 的发布，它提供了增强的多模态能力，但在额外力量方面相对较少。
其他 LLMs，如 Anthropic 的 Claude 3 和谷歌的 Gemini Ultra，也遵循了类似的趋势，现在似乎在速度和力量基准上与 GPT-4 趋于一致。我们尚未进入平台期，但确实似乎正在进入一个放缓期。出现的模式是：每一代在力量和范围上的进步减少。
这将塑造解决方案创新的未来
这非常重要！想象你有一个一次性的水晶球：它可以告诉你任何事情，但你只能问一个问题。如果你试图了解 AI 的未来，这个问题很可能是：LLMs 在力量和能力上将继续以多快的速度提升？
因为随着 LLMs 的发展，AI 的广阔世界也在发展。LLM 力量的每一次重大改进都对团队能够构建什么，以及更关键的是，能够可靠地工作产生了重大影响。
想想聊天机器人的有效性。使用最初的 GPT-3，对用户提示的响应可能是好坏参半的。然后我们有了 GPT-3.5，它使得构建一个令人信服的聊天机器人变得容易得多，并提供了更好但仍然不均匀的响应。直到 GPT-4，我们才看到一个真正遵循指示并显示出一定推理水平的 LLM 的一致性输出。
我们预计很快会看到 GPT-5，但 OpenAI 似乎在谨慎管理预期。这一发布是否会通过大幅跃进给我们带来惊喜，引发 AI 创新的又一次激增？如果没有，并且我们继续看到其他公共 LLM 模型的进步减少，我预计将对更大的 AI 领域产生深远影响。
以下是可能的发展方式：
- 更多专业化 ：当现有的 LLMs 不足以处理跨主题和功能领域的微妙查询时，开发者的最明显反应是专业化。我们可能会看到更多针对相对狭窄用例并服务于特定用户社区的 AI 代理的开发。事实上，OpenAI 推出 GPTs 可以被解读为对一个能够阅读和应对所有事物的系统不现实的认识。
- 新用户界面的兴起 ：到目前为止，AI 的主导用户界面（UI）无疑是聊天机器人。它会保持这样吗？因为虽然聊天机器人有一些明显的优势，但它们的表面开放性（用户可以输入任何提示）实际上可能导致令人失望的用户体验。我们很可能会看到更多有更多护栏和限制指导用户的 AI 参与的格式。例如，想象一个扫描文档并为用户提供几个可能建议的 AI 系统。
- 开源 LLMs 缩小差距 ：因为开发 LLMs 被视为成本极高，缺乏明确商业模型的 Mistral 和 Llama 等开源提供商似乎处于劣势。然而，如果 OpenAI 和谷歌不再取得巨大进步，这可能并不那么重要。当竞争转向功能、易用性和多模态能力时，它们可能能够保持自己的地位。
- 数据竞赛加剧 ：我们看到的 LLMs 开始落入相同能力范围的一个可能原因是它们正在耗尽训练数据。随着我们接近基于公共文本数据的尽头，LLM 公司将需要寻找其他来源。这可能是为什么 OpenAI 如此专注于 Sora。利用图像和视频进行训练不仅可能显著改善模型处理非文本输入的方式，还可能增加对查询理解的细微差别。
- 新 LLM 架构的出现 ：到目前为止，所有主要系统都使用 transformer 架构，但还有其他显示出潜力的架构。然而，由于 transformer LLMs 的快速进步，它们从未真正被充分探索或投资。如果这些开始放缓，我们可能会看到更多对 Mamba 和其他非 transformer 模型的能量和兴趣。
最后的思考：LLMs 的未来
当然，这是推测性的。没有人知道 LLM 能力或 AI 创新将如何发展。然而，可以清楚的是，这两者密切相关。这意味着每个在 AI 领域工作的开发者、设计师和架构师都需要思考这些模型的未来。
LLMs 可能出现的一种模式是：它们越来越多地在功能和易用性层面竞争。随着时间的推移，我们可能会看到一定程度的商品化，类似于我们在技术世界的其他领域所见。例如，数据库和云服务提供商。尽管市场上各种选项之间存在实质性差异，一些开发者会有明确偏好，但大多数人会认为它们大致可互换。在力量和能力方面没有明确的绝对“赢家”。
