您提问，我们回答：关于AI焦虑的所有问题

欢迎来到《诡异谷》的首期问答环节，我们的主持人将解答您关于人工智能的热点问题。

本周，主持人Lauren Goode与两位资深撰稿人Kate Knibbs和Paresh Dave深入节目邮箱，回答听众的提问。我们探讨了一系列问题——从AI如何塑造电影产业，到畅想Jony Ive与OpenAI合作可能带来的创新。

AI如何改变好莱坞电影制作

听众Janae提问：“AI对电影产业的影响令我深感好奇。生成式AI进入场景后，好莱坞电影和电视节目的制作方式发生了哪些主要变化？”

Kate Knibbs指出，AI正在快速改变电影和电视制作流程，这成为了衡量AI发展速度的重要指标。AI已经渗透到制作过程的每个环节，完全不再是边缘技术。

例如，去年获得最佳影片提名的《粗野主义者》就在多个环节使用了AI技术。该片使用AI确保Adrien Brody的发音准确。AI技术已经深度融入主流好莱坞电影制作和发行环节。

当您在Netflix上观看外语节目时，如果选择配音版本，您实际上正在体验AI技术——Netflix使用AI为节目进行外语配音。这意味着AI技术正在调整演员的口型以匹配配音内容。

AI技术对故事板制作领域产生了巨大影响。传统上，制作电视节目或电影时会聘请视觉艺术家来绘制场景序列草图。但现在，整个领域正面临被AI取代的危机，因为使用图像生成器制作故事板变得异常简单。

即使是知名动作大片，包括涉及超级英雄的电影，也开始使用这类技术。这引发了好莱坞劳动力市场的深刻变化，正如几年前罢工期间AI成为争议焦点所显示的那样。

听众Elizabeth提问：“当下一代AI模型开始从科学性较低的数据中学习时会发生什么？LLM如何训练？领域内是否有人关注科学数据被替代的影响？”

LLM通过处理海量文本数据集进行训练，这些数据范围从《安娜·卡列尼娜》等经典文学作品到4Chan和Reddit上最令人不安的论坛内容，从最佳科学数据到最差的科学数据。

模型摄入这些数据集后，学习识别语言模式，预测句子中最可能出现的下一个词汇。随后进行精细调优和提示调优等 refinement 过程，这时LLM的创建者会为其设想的各种用例进行定制，并移除暴力或露骨内容。

问题在于，LLM从开始摄入数据时就容易吸收不准确的科学信息。这取决于精细调优的效果——模型是能够正确忽略错误信息，还是意外成为传播错误信息的机器。

在医疗保健领域，AI聊天机器人输出错误信息的风险尤其令人担忧。研究人员能够轻松配置流行的AI聊天机器人，使其输出错误信息——不仅信息不准确，而且听起来非常权威。

一些聊天机器人如Anthropic的Claude超过一半时间拒绝输出错误信息，但其他聊天机器人100%的时间都会输出虚假答案。这引发了关于AI公司是否有足够动力设置防护栏以防止传播错误信息的重要问题。

听众Andrew提问：“Mozilla和Firefox的当前和近期未来如何？独立浏览器的重要性何在？”

Firefox与其他浏览器的最大区别在于它不是由Google制作的。Chrome是使用量最大的浏览器，而Firefox是多个提倡更私密体验的浏览器之一，因为它不受试图向您销售广告或订阅服务的大型科技公司控制。

然而，Mozilla仍然需要盈利，并与Google合作。Google向Mozilla支付费用以在浏览器内推广Google搜索引擎，这对Mozilla资助其利他性项目至关重要。

但随着反垄断案件的发展，这种合作关系面临挑战。美国法官已裁定包括Mozilla与Google交易在内的多项协议具有反竞争性，未来几个月将发布限制这些交易的命令。

听众Brian提问：“需要多少NVIDIA GPU来支持大型AI数据中心？生产这些硬件需要多长时间？需要多少电工来布线？”

NVIDIA芯片非常擅长同时处理多个任务，这使其成为训练高度互联的AI模型（如ChatGPT背后的系统）的理想选择。NVIDIA的CUDA使开发人员能够轻松地将大量数据发送到这些GPU，让GPU建立形成这些模型的重要连接。

但芯片并不是唯一的瓶颈。发电机组、电源系统，甚至基本布线和电缆都受到疫情后供应链积压、关税和无法满足狂热需求的影响。

电力接入是阻碍数据中心建设的最大问题。根据Bloomberg NEF的分析，AI电力需求预计在未来十年内将增长两倍。电力瓶颈及其伴随的政治瓶颈，很可能成为一年后我们更多讨论的话题。

本文基于WIRED的播客内容整理，探讨了人工智能技术在不同领域的实际应用和影响。