分類: 觀點與分析
「觀點與分析」分類的 AI 新聞與論文。
-
《阿凡達》導演詹姆斯·卡梅隆表示生成式AI令人驚懼
詹姆斯·卡梅隆導演的電影常處於視覺特效技術的前沿，特別是《阿凡達》系列透過表演捕捉技術讓納威人角色栩栩如生。然而，這並不表示他支援生成式人工智慧。在為《阿凡達：火與灰》上映接受 CBS Sunday Morning 專訪時，卡梅隆承認表演捕捉（將演員表現記錄為數位藝術家模板）聽起來可能像生成式 AI，但他強調這其實是「完全相反」的過程。他指出，多年來人們誤以為電腦技術是取代演員，但實際上這是對演員與導演時刻的慶祝。專訪中展示了《阿凡達》演員在二十五萬加侖的水池中拍攝水下場景。卡梅隆進一步說明，生成式 AI 允許從文字提示中創造角色、演員甚至表演，這讓他感到恐懼，因為這正是他們所不做的。他強調《阿凡達》系列是人類與技術合作的成果，而非用機器取代人類創造力。
-
Hugging Face 董事長表示我們正處於「大型語言模型泡沫」而非「人工智慧泡沫
Hugging Face 共同創辦人兼執行長 Clem Delangue 在 Axios 活動中表示，目前並非處於人工智慧（AI）泡沫，而是「大語言模型（LLM）泡沫」，且該泡沫可能即將破裂。他認為雖然大語言模型如 ChatGPT、Gemini 等正獲得過度關注，但 AI 的未來並不因此受威脅。Delangue 指出，LLM 只是 AI 應用於生物學、化學、影像、音訊及影片等領域的其中一小部分，真正的 AI 應用才剛起步。他強調，單一的大型模型無法解決所有問題，未來將出現更多客製化與專精的小型模型。例如，銀行客服聊天機器人無需複雜模型，使用較小、較便宜且快速的專精模型即可，這將是 AI 的未來趨勢。儘管 LLM 泡沫破裂可能對其公司造成一定影響，Delangue 仍表示 Hugging Face 已實現多元化，且仍持有已籌資的 4 億美元中的 50%，採取資本效率較高的策略，與其他在 LLM 領域花費數十億甚至上百億美元的競爭者不同。他認為許多公司正採取短視近利的做法，而 Hugging Face 則從其 15 年的 AI 經驗中學習，致力於建立長期、可持續且具影響力的公司。
-
Databricks創辦人認為美國必須採用開放原始碼以在AI領域擊敗中國
Databricks 共同創辦人 Andy Konwinski 警告美國正失去在人工智慧研究領域的優勢，並認為這種趨勢對民主制度構成「生存級」威脅。他在近期於 Cerebral Valley AI Summit 發表的演講中指出，目前伯克利和斯坦福等校的人工智慧博士學生表示，過去一年閱讀到的來自中國公司的有趣人工智慧想法數量是美國公司的兩倍。Konwinski 除了透過去年與 NEA 資深人士 Pete Sonsini 及 Antimatter 執行長 Andrew Krioukov 共同創立的 Laude 進行投資外，也經營著提供研究補助的 Laude Institute。儘管 OpenAI、Meta 和 Anthropic 等主要人工智慧實驗室持續創新，但其成果多為專有技術而非開放原始碼，且這些公司提供的百萬美元級薪資遠高於大學，導致頂尖學術人才被吸納。Konwinski 強調，若要讓想法真正繁榮，必須自由交換與討論。他指出生成式人工智慧的興起直接源於 Transformer 架構，這項關鍵訓練技術來自一份免費的研究論文。他認為，第一個在 Transformer 架構層級取得突破的國家將享有優勢，而中國政府支援並鼓勵 DeepSeek 或阿里巴巴 Qwen 等實驗室將成果開放原始碼，這有助於他人建立並帶來更多突破。相比之下，美國科學家之間的交流已乾涸。Konwinski 警告這不僅是民主風險，也是商業威脅，若美國不保持領先並保持開放，五年後大型實驗室將面臨失敗。
-
AI新創公司應如何思考產品與市場契合度
AI 創業公司雖然宣稱帶來新事物，但面臨的挑戰與過去相似，核心問題在於如何判斷是否達成產品市場契合度（Product-Market Fit）。儘管已有大量書籍探討此主題，但 AI 領域正在顛覆既有實踐。New Enterprise Associates 的合夥人 Ann Bordetsky 在 TechCrunch Disrupt 活動上表示，AI 與過去所學 playbook 完全不同，是一場完全不同的遊戲。技術本身並非靜止，變化速度極快。 針對如何評估產品市場契合度，Iconiq 的合夥人 Murali Joshi 建議關注「支出持續性」。由於許多公司處於 AI 採用曲線早期，預算多用於實驗而非整合。Joshi 指出，觀察預算是否從實驗性轉向核心 C 級主管（CXO）預算至關重要，這能確認該工具是長期解決方案還是僅為測試。此外，經典指標如日、周、月活躍使用者數也值得參考，以瞭解客戶使用頻率。Bordetsky 強調，定性資料能為量化指標提供細微差別，透過與客戶或高層管理團隊的質性訪談，可以釐清產品在技術架構中的位置，並思考如何讓產品在核心工作流中更具黏著性。最後，Bordetsky 提醒，產品市場契合度不是一個時間點，而是一個連續體，企業應從初步契合開始，並隨著時間推移不斷強化。