WSJ称AI成美国史上最大规模经济押注，文章聚焦其非财务成本

《华尔街日报》最近报道称，就技术规模化扩张期间相关支出占GDP的比例而言，AI已成为美国历史上最大的经济赌注。这太疯狂了。数万亿美元正被投入AI领域，涵盖模型开发、数据中心建设以及对AI公司/产品的投资。这项技术甚至还没有实现可行的盈利，而我们已经在它身上投入了比以往任何国家级新技术推广都更多的资金——包括铁路、电信，甚至互联网本身。

这篇《华尔街日报》的文章引起了我的注意，因为AI的成本正是我当前关注的话题。金钱层面只是其中一部分——最显而易见、最可衡量的成本。更让我感兴趣的是那些更难看到和量化的成本。我正是在起草这篇文章时看到了《华尔街日报》的报道，我注意到它是因为财务成本的规模与这项技术更广泛的成本是相称的。据我所知，2026年的AI是我们有史以来创造的成本最高的新技术之一。

这篇文章讨论的是非财务成本。

如果把所有成本摆在一起看，就会相当清楚地发现：推动AI开发和采用的人坚信，AI的发展比人类的生存与繁荣更重要。我认为这个代价超出了我们可能愿意支付的范围。

纯粹作为一项技术而言，AI——目前这个通用术语被用来指代基于LLM的计算机系统——是没问题的。我不认为LLM有什么魔力，我不认为它们是准神甚至神一般的存在，但我也不认为它们一无是处。它们还行。它们能做一些巧妙的事情。一项巧妙的新技术，改善了计算机的运作方式，但目前也正处于一个被严重夸大炒作周期的中间。

尽管这项技术带来了巧妙的新可能性，我目前认为采用AI的成本远远超过其收益。正因如此，我在伦理和哲学上反对当前AI的建设与采用。我认为目前AI的开发、构建、规模化、推广和采用方式全都一团糟，而且我不认为存在现实的基于改革的改善路径，因为某些糟糕之处是这项技术固有的。我也看到AI时代正被其他目前同样糟糕的体系所塑造。除非我们能修复那些更广泛的体系，否则我对能否以要求AI公司超越LLM固有缺陷的方式进行监管几乎不抱希望。不解决这些系统性挑战和技术危害，我看不到这项技术有任何可能让人类的未来更美好——而这一直是我所被告知的、我们急于采用它的首要原因。

在学习LLM/AI的过程中，我使用过它们（事实上我的雇主强制要求我使用），所以我了解它们的工作原理，我也确实认为它们有一定价值（在这篇文章中我将交替使用LLM/AI这两个术语）。具体来说，它们确实像是计算机的一个非常巧妙的新接口。在LLM之前，计算机极其字面化。计算机只会做你告诉它做的事，而它能做的事受限于其他人构建软件所做的工作。所以如果你想让计算机完成一项任务，你必须找到能完成该任务的软件，获取该软件，学习可用的界面，然后用那个界面让软件完成任务。

如果在所有这些步骤中你搞砸了——如果你试图让它做它做不到的事，或者你试图以不太可能的方式去做——你就走进了死胡同。计算机一直无法理解你的意图。它们只是执行给定的指令，如果执行的指令与期望的意图不符，那就是你的问题。

LLM扩展了我们与计算机的接口选项，因为突然间计算机在将自然语言指令转化为计算任务方面变得强多了。终于可以让计算机做你意图中的事，而不是你字面上说的事。这可不是小事；事实上这是整个计算史以来一直困扰我们的问题！这非常巧妙，显然改变了我们对计算机能力的认知。

我相信围绕LLM构建的所有产品和服务都可以被视为在学习如何管理这个新接口；寻找将人类语言转化为成功的计算机指令的安全方式。RAG系统提供按需信息，技能为执行模糊提示提供可重复的指令，测试框架不断改进以应对过去的失败场景，等等等等。LLM是强大的计算接口，能将人类语言的无限多样性映射到预期的语言输出。科技公司在过去4年里投入了大量资金、人力、营销和实验，以确定这样一个接口能做什么。

投资规模如此之大，是因为LLM实际上并不是拥有全部人类知识、可随叫随到的精灵。它们是训练所用全部token的统计映射，通过各种训练机制精炼而成（包括数千名真人对数百万条输出进行好或差的排名）。事实证明，如果你有足够大的算力、为其供电的能源、尽可能多的可窃取或以其他方式收集的现存数字数据、一群投入的书呆子、数万名零工，以及支付所有这些账单所需的数十亿美元，你就能构建出如此庞大的语言统计映射，以至于计算机几乎可以对你给出的任何提示进行自由形式的自动补全。再次强调，相当巧妙！

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）