同样的现象也发生在物理人工智能领域。 即使在 GPT-4 发布之后，我还记得我曾与一些计算机科学家/机器学习专家交流，他们非常自信地认为通用模型被过度炒作，短期内无法产生真正有用的成果。他们大量谈论着还原论，比如随机鹦鹉和下一个词元预测器。 令人惊讶的是，很多职业技术人员很难理解非线性技术趋势以及斜率的变化。 即使是同一领域的专家，对未来一两年的技术进步也可能抱有截然不同的预期。 此外，还存在信息不对称的因素。处于前沿的组织与那些不在前沿的组织的发展速度截然不同。他们掌握着关键的专业知识和训练/数据收集方法，这些方法有可能将研发速度缩短几个数量级。 重要的是要记住，那些不在前沿的人，即使他们可能不这么认为，也对世界的整体状况视而不见。 我们一次又一次地看到，研究范式总是在不断变化，昨天存在的瓶颈问题，如今已被那些充满热情、勇于挑战的聪明头脑（以及人工智能模型）所解决。 落后者会说“我们落后太多了”。我们则看好那些回应“这是技能问题”的人。