Is AI ready to be a general purpose technology?

• AI正迅速改变多个行业，显示出成为如电力或互联网般的通用技术（GPT）的迹象。
• 尽管潜力巨大，AI仍面临数据依赖、缺乏泛化能力以及伦理挑战等限制，使其无法完全达到GPT的地位。

人工智能（AI）是我们这个时代最具变革性的技术之一。从增强自动化到彻底改变医疗保健和教育，人工智能的潜力似乎是无限的。然而，一个问题仍然存在：人工智能是否准备好成为一种通用技术（GPT）？GPT是一种能够改变多个行业的技术，如电力、互联网或蒸汽机。人工智能有潜力成为GPT，但它必须首先解决一些重大的局限性。

另请阅读：什么是人工智能？

另请阅读：什么是通用人工智能？理解AI的下一次进化

另请阅读：什么是传统人工智能？理解其角色与演变

什么是通用技术？

通用技术的定义是能够提高多个部门的生产力，推动新创新并刺激经济增长的技术。历史上GPT的例子包括印刷机、电力和互联网。这些技术不仅增强了单个行业，还成为了众多行业的基础，引发了深刻的社会变革。

当前形式的AI显示出作为变革性技术的潜力，但它是否真正准备好成为一种通用工具？让我们在此背景下探讨AI的潜力和局限性。 另见: FCC 以许可限制支持光纤建设者.

另请阅读：什么是狭义人工智能？

AI作为通用技术的潜力

AI已在各个行业展示了其广泛的应用。在医疗保健领域，AI通过预测分析和图像识别帮助医生更准确地诊断疾病。在金融领域，AI正在改变风险管理和欺诈检测。此外，AI驱动的聊天机器人和虚拟助手正在革新客户服务，机器学习算法也在优化物流和供应链。

除了这些应用之外，AI还有望成为教育、农业乃至执法等领域的基础工具。借助AI，我们可以自动化复杂流程、做出数据驱动决策，并以前所未有的规模提高效率。本质上，AI已经开始显示出通用技术的特征，影响着众多行业。 另见: Ofcom 揭露英国铁路移动覆盖差距.

另请阅读：理解AI在虚拟助手中的作用

AI的局限性：为何称其为GPT为时过早

尽管潜力巨大，AI尚未达到被标记为通用技术的地步。其中一个关键挑战在于其当前的局限性。首先，AI需要大量数据才能有效运作。这种数据依赖性意味着AI系统往往不能普遍适用于各行业，因为不同行业可能无法获得有效训练AI模型所需的数据或基础设施。 另见: 欧盟重写人工智能基础设施主权规则.

此外，AI系统通常专注于狭窄领域，擅长特定任务但难以泛化。虽然AI可能在数据分析或模式识别等任务上超越人类，但它缺乏人类在广泛情境中应用知识的能力。例如，AI可能难以处理需要情商、创造力或在非结构化环境中进行复杂决策的任务。 另见: 欧盟限制美国卫星运营商接入频谱.

另一个局限性是伴随AI发展而来的伦理和社会挑战。AI算法中的偏见、隐私问题以及潜在的工作岗位流失等问题构成了重大障碍，AI必须克服这些障碍才能充分发挥其作为GPT的潜力。如果没有适当的监管和伦理指导，AI的发展可能导致意想不到的负面后果。 另见: FCC 要求美国海底电缆登陆须获许可.

另请阅读： AI与艺术家：他们现在合作了吗？

AI走向通用技术的道路

要使AI发展成通用技术，必须克服几个障碍。 另见: 美国封堵海外AI芯片采购漏洞.

首先，AI模型必须变得更适应性强，并能够从更少的样本中学习，这将使它们能够在各行业间泛化。小样本学习和迁移学习等技术的进步可能有助于应对这一挑战。 另见: Dish 违约后 FCC 重启 AWS-3 拍卖.

其次，需要减少AI对数据的依赖。诸如合成数据和更强大的隐私保护技术（如联邦学习）等解决方案，可能有助于使AI更易获得并适用于不同领域。 另见: 美国关闭英伟达AI芯片海外漏洞.

最后，必须通过监管、透明度和问责制来妥善解决围绕AI的伦理和社会挑战。政府、企业和研究人员必须合作，负责任地开发AI，并采取保护措施以防止偏见和滥用。