《麻省理工科技評論》預測2025年AI五大趨勢

（來源：MIT Technology Review）

在過去的幾年裡，我們一直在嘗試預測人工智慧領域接下來會發生什麼，然而考慮到這個行業發展的速度，這幾乎是一個不可能完成的任務，不過我們再次進行了預測。

簡單回顧一下我們上次的預測情況。我們在 2024 年提出的四個值得關注的熱門趨勢中，包括所謂的定製聊天機器人——由多模態大語言模型支援的互動式助手（雖然當時我們還不知道，但我們實際上是在談論現在 AI 領域中最炙手可熱的“智慧體”）；生成影片（這一點也得到了驗證，很少有技術在過去 12 個月內進步如此之快，OpenAI 和 DeepMind 釋出了影片生成模型 Sora 和 Veo）；以及可以執行更廣泛任務的更通用的機器人（大語言模型繼續滲透到科技行業的其他領域，機器人是其中的佼佼者）。

我們也曾預測，人工智慧生成的選舉虛假資訊將無處不在，但幸運的是，這次我們錯了。儘管去年有很多事情令人擔憂，但政治深度偽造的資訊卻並不算多。

那麼 2025 年將會發生什麼？這裡我們不談那些顯而易見的趨勢：智慧體和更小巧、更高效的語言模型將繼續重塑這個行業。相反，以下是我們人工智慧團隊帶來的其他五個趨勢。

生成式虛擬遊樂場

如果說 2023 年是生成影像流行的一年，2024 年是生成影片火爆的一年，那接下來會發生什麼？如果你猜到了生成式虛擬世界（也就是電子遊戲），那就讓我們一起擊個掌吧。

去年 2 月，我們對這項技術有了初步瞭解，當時 DeepMind 展示了一個名為 Genie 的生成式模型，它可以拍攝靜態影像並將其變為玩家可以與之互動的橫向卷軸 2D 遊戲；到了 12 月，其推出了 Genie 2，這個新模型可以從一個初始圖片生成整個虛擬世界。

（來源：MIT Technology Review）

其他公司也在開發類似的技術。去年 10 月，人工智慧初創公司 Decart 和 Etched 展示了一個非官方的《我的世界》修改版本，在這個版本中，每一幀遊戲畫面都是在玩家遊玩過程中即時生成的。而由 ImageNet 的建立者李飛飛共同創立的 World Labs 初創公司正在構建所謂的大型世界模型，或稱 LWMs。

這類技術一個顯而易見的應用就是在電子遊戲中。這些早期實驗帶有玩樂的性質，生成式 3D 模擬可以幫助探索新遊戲的設計概念，將草圖即時轉變為可玩的遊戲環境，而這可能會催生全新的遊戲型別。

除此之外，它也可以用來訓練機器人。World Labs 希望開發所謂的“空間智慧”，即機器理解和與真實世界互動的能力。然而，機器人開發者缺乏足夠的關於現實場景的資料來進行訓練。透過生成無數的虛擬世界，並將虛擬機器人置入其中進行試錯學習可以彌補這一不足。

會“推理”的大語言模型

這個話題確實引起了廣泛關注。當 OpenAI 在去年 9 月份釋出 o1 時，它為大語言模型的工作方式引入了一種新正規化。兩個月後，該公司透過 o3 幾乎在所有方面推動了這一新正規化的發展，這個模型可能會徹底重塑這項技術。

大多數模型，包括 OpenAI 的主打產品 GPT-4，在給出答案時往往是“想到什麼就說什麼”，有時候答案是對的，有時候則不然。但該公司的新模型經過訓練可以“一步步”地處理問題，將複雜的問題分解成一系列更簡單的問題來解決。如果一種方法行不通，它們會嘗試另一種。這種被稱為“推理”的技巧（當然我們知道這個詞有很多含義）可以讓該技術更加準確，尤其是在處理數學、物理和邏輯問題上。

這對於智慧體來說也至關重要。

（來源：MIT Technology Review）

去年 12 月，DeepMind 推出了一款名為 Mariner 的實驗性新型網路瀏覽智慧體。在該公司向《麻省理工科技評論》提供的預覽演示中，Mariner 似乎陷入了困境。該公司的產品經理 Megha Goel 要求智慧體為她找到一份聖誕餅乾的配方，Mariner 在網上找到了食譜，並開始將原料新增到 Goel 的線上購物車中。

然後 Mariner 就停了下來，它不知道該選擇哪種麵粉。Goel 看著 Mariner 在聊天視窗中解釋它的邏輯：“它說，‘我將使用瀏覽器的後退按鈕返回到食譜頁面。’”

這是一個意義非凡的時刻，智慧體沒有被困住，而是將任務分解為一系列操作，並選擇一個可能解決問題的操作。對於一個通常沒有思考能力的機器人來說，知道要點選返回按鈕就像“火箭科學”一樣複雜。而且它真的奏效了：Mariner 回到了食譜頁面，確認了麵粉的種類，然後繼續往 Goel 的購物車裡新增商品。

谷歌 DeepMind 還正在構建 Gemini 2.0 的實驗版本，這是他們最新的大語言模型，該模型使用這種分步解決問題的方法，稱為“Gemini 2.0 Flash Thinking”。

但 OpenAI 和谷歌只是冰山一角。許多公司正在構建使用類似技術的大語言模型，使它們能夠更好地勝任成從烹飪到編碼的各種任務。今年關於“推理”（我們明白這詞聽起來已經讓人耳熟能詳）的話題將會更多。

AI 在科學領域將持續繁榮

人工智慧最令人興奮的用途之一是加速自然科學的發現程序。去年 10 月，瑞典皇家科學院將諾貝爾化學獎授予了來自谷歌 DeepMind 的 Demis Hassabis 和 John M. Jumper，以表彰他們構建了可以解決蛋白質摺疊問題的 AlphaFold 工具，以及授予 David Baker，因為他開發了幫助設計新蛋白質的工具。這無疑是證明了人工智慧在這方面潛力的一個重要里程碑。

預計這種趨勢今年將繼續下去，並且會有更多專門針對科學研究的資料集和模型出現。蛋白質之所以成為人工智慧的理想目標，是由於這個領域已經有了非常優秀的現有資料集，可以用來訓練模型。

我們正在尋找下一個趨勢，材料科學是一個潛在領域。Meta 釋出了龐大的資料集和模型，可以幫助科學家利用人工智慧更快地發現新材料。去年 12 月，Hugging Face 與初創公司 Entalpic 共同推出了 LeMaterial，這是一個開源專案，旨在簡化和加速材料研究。

（來源：MIT Technology Review）

人工智慧模型開發商也熱衷於將他們的生成式產品作為科研工具推薦給科學家們。OpenAI 讓科學家測試其最新的 o1 模型，並觀察它如何在研究中提供支援，測試結果令人鼓舞。

擁有一個能像科學家一樣工作的 AI 工具是科技界的一個夢想。在去年 10 月釋出的一份宣言中，Anthropic 創始人 Dario Amodei 強調，科學領域尤其是生物學領域，是強大的人工智慧可以提供幫助的關鍵領域之一。他推測，未來人工智慧可能不僅是一種資料分析方法，而且是“執行生物學家所做的所有任務的虛擬生物學家”，當然，距離實現這一目標還有很長的路要走。但今年，我們可能會看到朝著這個目標邁出的重要一步。

AI 公司與國家安全的關係愈加緊密

很大程度上，人工智慧公司如果願意將其工具用於邊境監視、情報收集和其他國家安全任務可以賺得盆滿缽滿。

美國軍方已經推出了一系列舉措，表明其渴望採用人工智慧技術，從“複製者”（Replicator）計劃（承諾在小型無人機上投入 10 億美元）到人工智慧快速能力小組，該小組將人工智慧引入從戰場決策到後勤保障的各個方面）。

2025 年，這些趨勢將繼續為 Palantir、Anduril 等國防科技公司帶來福音，這些公司目前正在利用機密軍事資料來訓練人工智慧模型。

（來源：MIT Technology Review）

國防工業的雄厚財力也將吸引主流人工智慧公司加入。OpenAI 去年 12 月宣佈，它將與 Anduril 合作開展一項打擊無人機的計劃，這標誌著該公司逐漸改變不與軍方合作的政策，它加入了微軟、亞馬遜和谷歌等的行列。

其他花費數十億美元訓練和開發新模型的人工智慧競爭對手將在 2025 年面臨更大壓力，需要認真考慮營收問題。他們可能會找到足夠多的非國防客戶，這些客戶願意為能夠處理複雜任務的 AI 智慧體支付豐厚費用，或者找到願意在影像和影片生成器上付費的創意產業。

但同時，它們也會被誘人的“國防部合同”所吸引。預計公司將不得不權衡參與國防專案是否會與其價值觀產生衝突。OpenAI 改變立場的理由是“民主國家應該繼續在人工智慧開發方面發揮帶頭作用”，該公司寫道，它認為將其模型借給軍方將推進這一目標。2025 年，我們將看到其他公司可能效仿其做法。

英偉達面臨真正的競爭

在當前人工智慧熱潮中，如果你是一家科技初創公司，並且想涉足 AI 模型開發，那麼黃仁勳可能會是你理想中的合作伙伴。作為世界上極具價值公司的執行長，黃仁勳讓英偉達成為無可爭議的晶片領導者，這些晶片主要用於訓練人工智慧模型。

然而，2025年這種情況可能發生變化。首先，亞馬遜、博通、AMD 等巨頭一直在大力投資研發新晶片，而且有早期跡象表明，這些新晶片可能會與英偉達的晶片展開激烈競爭，尤其是在推理方面，畢竟英偉達在這方面的領先地位並不穩固。

越來越多的初創公司也從不同的角度向英偉達發起挑戰。不同於試圖對英偉達的設計進行細微改進，一些初創公司，比如 Groq 正在大膽押注全新的晶片架構，如果給予足夠的時間它有望提供更高效或更有效的訓練方法。2025 年，這些實驗仍處於早期階段，但可能會出現一個有力競爭者改變頂級人工智慧模型完全依賴英偉達晶片的現狀。