我逐渐理解了技术开发及其部署的四种截然不同的时间尺度。我认为人们常常在这些时间尺度之间跳跃，最终做出极其错误，有时甚至是有害的预测，关于一项技术将在未来何时能够实现什么功能。 时间尺度 1. 新研究想法 新研究想法在形成之前需要十到二十年的时间，才能形成真正坚实的实验室演示理解。有些事情则需要更长时间，因为有许多许多的错误开始，或者存在一个特别难以攻克的步骤，可能要几十年才能解决。一旦一项技术真正确立为一种稳定的实验室技术，通常会进入一个淘金热阶段，基本上同样的想法每六个月左右会出现重大的新改进，感觉就像我们脚下的地面正在震动。第一批“计算”神经元模型在1943年发布（McCulloch 和 Pitts），但直到尝试了另外几种模型之后，1960年才确立了主导的一种变体（Widrow），即今天神经网络中可识别的线性阈值神经元。接着，又需要多年工作来达到（1）良好的卷积网络和（2）反向传播，允许对图像中的对象进行学习。然后又过了二十年，2012年（Hinton）时较大的结构，即深度学习中的“深度”，让训练好的神经网络图像标注在传统非神经视觉算法中占据了主导地位。再过十年，我们达到了今天的LLM（大型语言模型），这个现象正在让整个世界为之振奋。因此，这个过程的研究持续了六十年。在这个过程中，许多人多次宣布它已经死亡，但少数勇敢或固执的人坚持了下来。 时间尺度 2. 热潮产生 通常情况下，会出现不可思议的热潮周期，我们从几乎没有人听说过这个想法，迅速发展到它每天出现在商业媒体中。各类研究人员和公司重新包装他们的工作，并声称他们一直在做这个。看看“人工智能代理”是如何快速从无人问津走到在旧金山街头的公共汽车两侧广告上出现的吧。2025年年中几乎没有人提及，而如今很难找到不与代理有关的AI广告的公交车。它们上面都有AI广告。然后，随着新热潮的出现，之前的热潮逐渐平息。我上面提到了一些。如果你30岁，你可能记得区块链和元宇宙。这些概念如今几乎消失。计算机并没有通过区块链算法加热全球。相反，用于训练LLM的数据中心——这是一个新的热潮主题，AI训练。如果你稍微年长一些，你可能还记得IBM Watson，甚至是纳米技术分子机器。我记得一家裤子制造商曾经有电视广告宣传他们裤子中使用的纳米技术（他们所销售的）。如果你足够老，可以领取社保，你可能记得专家系统，那时预计会捕捉到所有专家的知识，让企业裁员。问题是，许多对技术理解不深的人可能会混淆正在进行的研究与关于它将如何改变一切的炒作。实际上，它极少能够做到。此外，还有很多妄想的人真的相信他们所说的事情，但这些事情由于基础物理学等小问题是不可能的。非凡热潮事件与实际非凡技术的比例过于高。 时间尺度 3. 大规模部署 下一个时间尺度由从真正稳固的产品到大规模采用的时间长度决定。软件的边际成本可忽略不计。你并不需要太多的供应链和原材料来将运行在一台机器上的软件扩展到几千台机器，只要这些机器已经存在。但即使如此，软件通常需要20年或更长时间才能扩展。仅仅因为某些有趣的软件存在，并不意味着每个人都会立即跳入并重新设计他们的业务以使用它。有些人等待观察其他人的效果，而其他人则不想改变他们现有的业务实践以采用新软件。Unix在1969年开始在贝尔实验室开发。它的商业版本在15年后发布，但主导操作系统是微软Windows。1991年，开始开发一种名为Linux的免费开源Unix版本。所有计算机科学研究生在Linux问世后的五年内都听说过它，但直到2012年才被微软采纳。如今，大多数后端系统和数十亿的移动设备都在运行Linux。基于硬件的系统在大规模采用时需要更长的时间。我第一次听到一次演讲，展示了一辆正在运行的自驾驶汽车...