李浩洙博士是Exabits.ai的联合创始人，并且是HSL Capital Management的创始人和管理总监，后者是一家位于德克萨斯州休斯顿的多策略对冲基金。之前，他曾在香港中国商业银行担任量化股票和投资组合经理；在北京清华控股担任管理总监；以及在清华大学经济管理学院担任金融助理教授。李博士曾在奥巴马总统任期内的经济顾问委员会担任工作人员经济学家。他拥有哈佛商学院的商业经济学博士学位和加州大学伯克利分校的经济学和数学学士学位。
我们不太可能在有生之年遇到比人工智能更重要、更有影响力的技术。人工智能的出现已经改变了人类的生活体验和技术对我们生活的影响，其影响力只会越来越广泛。因此，人工智能创新者和领导者在过去的二十五年里一直在收集数据和改进模型，以开发出能够支持生成式人工智能的软件。人工智能代表了软件的巅峰：一种可以复制工具来解决不同抽象层次问题的模糊工具。正在建设计算帝国或购买大型语言模型以增强其软件产品的公司现在很常见。那么，我们从这里去哪里呢？即使拥有无限的计算资源，使用所有现有数据的推理也会渐近地接近现有的人类知识。就像人类需要与外部世界进行实验一样，人工智能的下一个前沿领域在于让技术与物理世界进行有意义的交互，以生成新的数据并推动知识的边界。通过实验进行交互探索人工智能的潜力需要超越其在个人电脑或智能手机上的使用。虽然这些工具可能仍然是访问人工智能技术的最简单的入口，但这也限制了技术可以实现的功能。尽管执行力度不够，但由Meta的人工智能系统驱动的雷班智能太阳镜证明了可穿戴设备中人工智能技术的概念验证。这些硬件优先集成的例子对于构建人工智能技术在设备设置之外的可用性和易用性至关重要，因为它们展示了如何使这些伟大的技术进步变得无缝。并非所有在现实世界中进行的人工智能实验都会成功，这正是它们被称为实验的原因。然而，展示硬件优先人工智能应用的潜力扩大了人工智能技术在“个人助手”框架之外的使用和应用范围。最终，展示如何使人工智能变得实用和合法的公司将会产生无法从网络应用程序中获得的实验数据点。当然，这一切都需要计算和基础设施来正常运行，这需要在建设人工智能的物理基础设施上进行更大的投资。但是，人工智能公司是否准备好并愿意这样做呢？硬件和软件对话很容易说，计算密集型的人工智能应用程序将成为物理产品的常态，但使其成为现实需要更多的严谨。只有这么多资源和意愿可以走这条不常走的路。我们今天看到的是人工智能短期过度热情的表现，反映了市场对可能创造新行业的颠覆性技术的典型反应。所以，很明显为什么公司可能会犹豫是否要建造人工智能软件或涉足人工智能技术，然后进行昂贵且计算密集的硬件尝试。但是，任何有更广阔视野的人都可以看到，这可能是一种近视的创新方法。不出意料地，有很多人将人工智能热潮与早期互联网的比较，以及比较人工智能泡沫和互联网的互联网泡沫，在那里，专注于短期目标的项目在泡沫破裂后消亡。但是，如果我们因为互联网泡沫的后果而集体否定互联网，而不是专注于已经幸存下来的长期想法，我们就不会处于今天的技术格局。伟大的想法会比任何趋势都更长久。另外，计算是任何人工智能创新继续进步的关键。任何人工智能开发人员都会告诉你，计算是值得其重量的黄金。然而，这也限制了有多少项目可以在现实世界中探索人工智能应用，因为模型开发本身已经消耗了大量资源。然而，没有一家公司可以仅凭软件就保持市场主导地位——无论其大型语言模型多么令人印象深刻。对于人工智能公司来说，领导软件并等待硬件提供商来收购或许可其技术是很舒服的。然而，这不仅限制了他们，而且还将许多令人难以置信的项目置于可能永远不会出现的外部力量的摆布之下。人工智能是一种跨代技术，随着时间的推移，它将变得更加个性化和为个人设计。然而，项目需要利用软件方面相对均衡的竞争环境，迈出实质性的步伐进入物理领域。没有大胆的实验和可能的失败，就不会有前进的道路让人工智能技术实现其全部潜力，改善人类的生活体验。
