近日
，福布斯公布了他們對2024年人工智能發展的十大預見，這些預測簡潔而又充滿洞察力。

01

Nvidia將努力成為雲提供商

大多數企業並不直接向Nvidia購買GPU。相反，它們通過亞馬遜網絡服務（Amazon Web Services）、微軟Azure和穀歌雲平台（Google Cloud Platform）等雲服務提供商獲得GPU


，而這些雲服務提供商又從Nvidia 大量購買芯片。

但亞馬遜、微軟和穀歌——Nvidia的最大客戶，正迅速成為其競爭對手。由於認識到人工智能的價值主要來自矽層（Nvidia的股價就是最好的證明），主要的雲提供商都在投入巨資開發自己的本土人工智能芯片，這將與Nvidia的GPU直接競爭。

隨著雲計算提供商希望將技術堆棧下移到矽層以獲取更多價值
，看到Nvidia朝相反的方向發展也不要感到驚訝：提供自己的雲服務並運營自己的數據中心，以減少傳統上對雲計算公司的分銷依賴。

Nvidia已經開始探索這條道路，今年早些時候推出了名為DGX Cloud的新雲服務。我們預測
，Nvidia將在明年切實加強這一戰略。

這可能需要Nvidia建立自己的數據中心（DGX Cloud目前位於其他雲提供商的物理基礎設施內）
；甚至可能需要Nvidia收購像CoreWeave這樣的新興雲提供商（Nvidia已經與CoreWeave建立了密切的合作夥伴關係），作為垂直整合的一種方式。無論如何
，預計進入2024年後


，Nvidia與大型雲計算提供商之間的關係將變得更加複雜。

02

Stability AI將會倒閉

這是人工智能界最不為人知的秘密之一：曾經如日中天的初創公司Stability AI在2023年的大部分時間裏都在緩慢地發展。

Stability正在大出血。最近幾個月離職的包括公司的首席運營官、首席人事官

、工程副總裁、產品副總裁、應用機器學習副總裁

、通信副總裁
、研究主管、音頻主管和法律總顧問。

據報道
，由於與Stability首席執行官埃馬德·莫斯塔克（Emad Mostaque）發生爭執，去年領導Stability高調完成1億美元融資的兩家公司Coatue和Lightspeed近幾個月都退出了公司董事會。今年早些時候
，該公司曾試圖以40億美元的估值籌集更多資金，但以失敗告終。

明年
，我們預測這家陷入困境的公司將在越來越大的壓力下屈服，徹底關閉。

據報道
，迫於投資者的壓力，Stability公司已開始尋找收購方，但迄今為止仍興趣缺缺。

Stability的一個有利條件是：公司最近從英特爾公司融資5000萬wan美mei元yuan，這zhe筆bi現xian金jin注zhu入ru將jiang延yan長chang公gong司si的de運yun營ying時shi間jian。就jiu英ying特te爾er而er言yan，這zhe筆bi投tou資zi似si乎hu反fan映ying出chu其qi迫po切qie希xi望wang獲huo得de高gao知zhi名ming度du客ke戶hu對dui其qi新xin型xing人ren工gong智zhi能neng芯xin片pian的de支zhi持chi
，以yi在zai與yu競jing爭zheng對dui手shou英ying偉wei達da（Nvidia）的競爭中占據優勢。

但Stability的燒錢速度之快是出了名的：據報道，在10月份英特爾投資Stability時，Stability的月支出為800萬美元，而帶來的收入僅為這個數字的一小部分。按照這個速度，5000萬美元的投資撐不到2024年底。

03

“大型語言模型”和“LLM”這兩個術語將不再常見

在當今的人工智能領域，“大型語言模型”（及其縮寫LLM）經常被用作 “任何高級人工智能模型”的簡稱。這是可以理解的

，因為許多最初崛起的生成式人工智能模型（如GPT-3）都是純文本模型。

但dan是shi
，隨sui著zhe人ren工gong智zhi能neng模mo型xing類lei型xing的de增zeng多duo，以yi及ji人ren工gong智zhi能neng變bian得de越yue來lai越yue多duo模mo態tai化hua，這zhe個ge術shu語yu將jiang變bian得de越yue來lai越yue不bu精jing確que和he無wu用yong。多duo模mo態tai人ren工gong智zhi能neng的de出chu現xian是shi2023年人工智能的決定性主題之一。當今許多領先的生成式人工智能模型都結合了文本
、圖像、三維、音頻、視頻
、音樂
、肢體動作等等。它們遠不止是語言模型。

請看一個人工智能模型，它根據已知蛋白質的氨基酸序列和分子結構進行訓練，以生成全新的蛋白質療法。雖然其底層架構是GPT-3等模型的延伸，但將其稱為大型語言模型真的有意義嗎？

或者考慮一下機器人學中的基礎模型：大(da)型(xing)生(sheng)成(cheng)模(mo)型(xing)將(jiang)視(shi)覺(jiao)和(he)語(yu)言(yan)輸(shu)入(ru)與(yu)一(yi)般(ban)互(hu)聯(lian)網(wang)知(zhi)識(shi)相(xiang)結(jie)合(he)，以(yi)便(bian)在(zai)現(xian)實(shi)世(shi)界(jie)中(zhong)采(cai)取(qu)行(xing)動(dong)，例(li)如(ru)通(tong)過(guo)機(ji)械(xie)臂(bi)。對(dui)於(yu)這(zhe)類(lei)模(mo)型(xing)
，應(ying)該(gai)而(er)且(qie)將(jiang)會(hui)有(you)一(yi)個(ge)比(bi)“語言模型”更豐富的術語。（“視覺-語言-行動”模型或VLA模型是研究人員使用的另一種說法）。

DeepMind最近發布的FunSearch模型也有類似的意思，作者自己稱其為 LLM，但它涉及的是數學而非自然語言。

2024年
，隨著我們的模型變得越來越多維，我們用來描述它們的術語也將越來越多維。

04

最先進的封閉模型將繼續大幅超越最先進的開放模型

當今人工智能討論的一個重要話題是圍繞開源和閉源人工智能模型的爭論。雖然大多數頂尖人工智能模型開發商——OpenAI、穀歌DeepMind、Anthropic
、Cohere等公司都將其最先進的模型作為專利
，但包括Meta和熱門新創公司Mistral在內的少數幾家公司卻選擇公開其最先進的模型權重。

如今，性能最高的基礎模型（如OpenAI的GPT-4）都(dou)是(shi)閉(bi)源(yuan)的(de)。但(dan)許(xu)多(duo)開(kai)源(yuan)倡(chang)導(dao)者(zhe)認(ren)為(wei)，封(feng)閉(bi)模(mo)型(xing)與(yu)開(kai)放(fang)模(mo)型(xing)之(zhi)間(jian)的(de)性(xing)能(neng)差(cha)距(ju)正(zheng)在(zai)縮(suo)小(xiao)，而(er)且(qie)開(kai)放(fang)模(mo)型(xing)有(you)望(wang)在(zai)性(xing)能(neng)上(shang)超(chao)越(yue)封(feng)閉(bi)模(mo)型(xing)
，或(huo)許(xu)到(dao)明(ming)年(nian)就(jiu)能(neng)實(shi)現(xian)。（這張圖最近在網上瘋傳）。

我們不同意這一觀點。我們預測，最好的封閉式模型在2024年（及以後）將繼續明顯優於最好的開放式模型。

基礎模型的性能是一個快速發展的前沿領域。Mistral最近誇口說
，它將在2024年的某個時候開源GPT-4級模型，這一說法在開源社區引起了轟動。但OpenAI在2023年初就發布了GPT-4。等到Mistral推出這個新模型時，很可能已經落後一年多了。屆時，OpenAI很可能已經發布了GPT-4.5，甚至GPT-5，從而開創一個全新的性能領域。（有傳言稱，GPT-4.5甚至可能在2023年底前發布）。

與yu許xu多duo其qi他ta領ling域yu一yi樣yang
，在zai另ling一yi個ge團tuan體ti確que定ding了le前qian沿yan之zhi後hou，作zuo為wei快kuai速su追zhui隨sui者zhe趕gan上shang前qian沿yan，要yao比bi在zai其qi他ta人ren證zheng明ming這zhe是shi可ke能neng的de之zhi前qian建jian立li一yi個ge新xin的de前qian沿yan更geng容rong易yi實shi現xian。例li如ru，OpenAI使用專家混合架構構建GPT-4的風險、挑戰和成本都要比Mistral在幾個月後用自己的專家混合模型追隨OpenAI的腳步要高得多
，因為在此之前，這種方法還沒有被證明能在這種規模下工作。

有一個基本的結構性原因讓人懷疑，開放模型的性能是否會在2024年(nian)超(chao)越(yue)封(feng)閉(bi)模(mo)型(xing)。開(kai)發(fa)一(yi)個(ge)能(neng)推(tui)動(dong)技(ji)術(shu)發(fa)展(zhan)的(de)新(xin)模(mo)型(xing)所(suo)需(xu)的(de)投(tou)資(zi)是(shi)巨(ju)大(da)的(de)
，而(er)且(qie)隨(sui)著(zhe)模(mo)型(xing)能(neng)力(li)的(de)每(mei)一(yi)步(bu)提(ti)升(sheng)，投(tou)資(zi)隻(zhi)會(hui)繼(ji)續(xu)膨(peng)脹(zhang)。一(yi)些(xie)行(xing)業(ye)觀(guan)察(cha)家(jia)估(gu)計(ji)，OpenAI將花費約20億美元來開發GPT-5。

Meta是一家上市公司，最終要對股東負責。該公司似乎並不指望從其發布的開源模型中獲得任何直接收入。據報道，Llama2的製造成本約為2000萬美元；考慮到戰略利益，即使沒有任何相關的收入增長，這樣的投資水平也是合理的。但是
，Meta公司真的打算投入近20億美元來打造一個性能超越其他任何公司的人工智能模型
，而僅僅是為了開源而不期望獲得任何具體的投資回報嗎？

像Mistral這樣的後起之秀也麵臨著類似的難題。開源基礎模型並沒有明確的收入模式（Stability AI公司就有過這樣的慘痛教訓）。例如，對托管開源模型收費，就成了一場價格競爭，正如我們最近在Mistral的新Mixtral模型中看到的那樣。那麼，即使Mistral能夠獲得所需的數十億美元來構建一種新模式，從而超越OpenAI——它真的會選擇轉過身來免費開源這種模式嗎？

我們隱隱懷疑，隨著Mistral這(zhe)樣(yang)的(de)公(gong)司(si)投(tou)入(ru)越(yue)來(lai)越(yue)多(duo)的(de)資(zi)金(jin)來(lai)構(gou)建(jian)更(geng)強(qiang)大(da)的(de)人(ren)工(gong)智(zhi)能(neng)模(mo)型(xing)
，他(ta)們(men)最(zui)終(zhong)可(ke)能(neng)會(hui)放(fang)鬆(song)對(dui)開(kai)源(yuan)的(de)態(tai)度(du)
，將(jiang)最(zui)先(xian)進(jin)的(de)模(mo)型(xing)保(bao)留(liu)為(wei)專(zhuan)有(you)
，以(yi)便(bian)收(shou)費(fei)。

要明確的是：這zhe並bing不bu是shi在zai反fan對dui開kai源yuan人ren工gong智zhi能neng的de優you點dian。這zhe並bing不bu是shi說shuo開kai源yuan人ren工gong智zhi能neng在zai未wei來lai的de人ren工gong智zhi能neng世shi界jie中zhong將jiang不bu再zai重zhong要yao。恰qia恰qia相xiang反fan
，我wo們men預yu計ji開kai源yuan模mo型xing將jiang在zai未wei來lai幾ji年nian人ren工gong智zhi能neng的de普pu及ji中zhong發fa揮hui關guan鍵jian作zuo用yong。但dan是shi：我們預測，最先進的人工智能係統
，那些能夠推動人工智能發展的前沿係統，將繼續是專有的。

05

多家財富500強企業將設立一個新的高管職位：首席人工智能官

人工智能已成為今年財富500強企業的首要任務，各行各業的董事會和管理團隊都在爭先恐後地研究這項強大的新技術對企業意味著什麼。

我們預計，明年大型企業將更普遍地采取一種策略：任命一位“首席人工智能官”來領導企業的人工智能計劃。

在十年前雲計算興起的時候，我們也看到了類似的趨勢，許多企業都聘請了“首席雲計算官”來幫助他們應對雲計算的戰略影響。

zheyiqushijiangzaiqiyejiehuodegengduodongli

，yinweizhengfubumenyijingchuxianlebingxingqushi。baidengzongtongzuijinfabuderengongzhinengxingzhengminglingyaoqiumeigelianbangzhengfujigourenmingyimingshouxirengongzhinengguan，zheyiweizheweilaijigeyuemeiguozhengfujiangxinpin400多名首席人工智能官。

任命首席人工智能官將成為公司對外表明其對人工智能態度的一種流行方式。至於這些職位能否長期發揮價值，則是另一個問題。（如今還有多少首席雲計算官
？）

06

transformer架構的替代方案將得到有意義的采用

transformer架構是穀歌在2017年發表的一篇開創性論文中提出的，是當今人工智能技術的主流範式。現存的每個主要生成式人工智能模型和產品-ChatGPT、Midjourney


、GitHub Copilot等等
，都是使用transformer構建的。

但是
，沒有哪種技術能永遠占據主導地位。

在人工智能研究界的邊緣，有幾個團體一直在努力開發新型的下一代人工智能架構
，這些架構在不同方麵都優於transformer。

克裏斯·雷（Chris Ré）zaisitanfudaxuedeshiyanshijiushizhexienulideyigeguanjianshuniu。leihetadexueshengmendegongzuozhongxindezhutishijianliyizhongxindemoxingjiagou，zhezhongjiagoukesuixuliechangduyiciercifangdefangshikuozhan（而不是像transformer那樣以四次方的方式擴展）。次二次方擴展將使人工智能模型：（1）計算密集度更低；（2）與變換器相比
，能更好地處理長序列。近年來，Ré實驗室推出的著名亞二次方模型架構包括S4
、Monarch Mixer和Hyena。

最新的次二次元架構，或許也是最有前途的架構——是Mamba。Mamba由雷的兩位門生於上個月發表，在人工智能研究界引起了巨大反響
，一些評論家將其譽為“transformer的終結者”。

其他試圖構建transformer架構替代方案的努力還包括麻省理工學院開發的液態神經網絡
，以及由transformer聯合發明人之一領導的新創公司Sakana AI。

明(ming)年(nian)，我(wo)們(men)預(yu)測(ce)這(zhe)些(xie)挑(tiao)戰(zhan)者(zhe)架(jia)構(gou)中(zhong)的(de)一(yi)個(ge)或(huo)多(duo)個(ge)將(jiang)取(qu)得(de)突(tu)破(po)並(bing)贏(ying)得(de)真(zhen)正(zheng)的(de)采(cai)用(yong)，從(cong)單(dan)純(chun)的(de)研(yan)究(jiu)新(xin)穎(ying)性(xing)過(guo)渡(du)到(dao)用(yong)於(yu)生(sheng)產(chan)的(de)可(ke)靠(kao)替(ti)代(dai)人(ren)工(gong)智(zhi)能(neng)方(fang)法(fa)。

需要明確的是，我們預計transformer不會在2024年消失。它們是一種根深蒂固的技術
，世界上最重要的人工智能係統都是基於這種技術。但我們預測，在2024年，transformer的尖端替代品將成為現實世界人工智能用例的可行選擇。

07

雲服務提供商對人工智能初創公司的戰略投資，以及相關的會計影響
，將受到監管機構的挑戰

今年以來

，大型科技公司的投資資金如潮水般湧向人工智能初創企業。

今年1月，微軟向OpenAI投資了100億美元，6月又領投了Inflection的13億美元融資。今年秋天
，亞馬遜宣布將向Anthropic投資40億美元。幾周後，Alphabet也不甘示弱，宣布將向Anthropic投資20億美元。與此同時，英偉達（Nvidia）可能是今年全球最多產的人工智能投資者，它向數十家使用其GPU的人工智能初創公司投入資金，其中包括Cohere
、Inflection、Hugging Face、Mistral、CoreWeave、Inceptive、AI21 Labs和Imbue。

不難看出
，進行這些投資的動機至少部分是為了確保這些高增長的人工智能初創公司成為其長期計算客戶。

這(zhe)類(lei)投(tou)資(zi)可(ke)能(neng)會(hui)牽(qian)涉(she)到(dao)會(hui)計(ji)規(gui)則(ze)中(zhong)的(de)一(yi)個(ge)重(zhong)要(yao)灰(hui)色(se)地(di)帶(dai)。這(zhe)聽(ting)起(qi)來(lai)可(ke)能(neng)是(shi)一(yi)個(ge)深(shen)奧(ao)的(de)話(hua)題(ti)，但(dan)它(ta)將(jiang)對(dui)未(wei)來(lai)人(ren)工(gong)智(zhi)能(neng)領(ling)域(yu)的(de)競(jing)爭(zheng)格(ge)局(ju)產(chan)生(sheng)巨(ju)大(da)影(ying)響(xiang)。

假設一家雲計算供應商向一家人工智能初創企業投資1億美元，並保證這家初創企業會將這1億美元用於購買雲計算供應商的服務。從概念上講，這對雲廠商來說並不是真正的正常收入；實際上


，廠商是在利用投資將自己資產負債表上的現金人為地轉化為收入。

這類交易通常被稱為“round-tripping”（因為資金出去後又馬上回來），今年引起了風險投資人比爾-格利（Bill Gurley）等矽穀領袖的關注。

細節決定成敗。並非上述所有交易都是真正的“往返”。例如，投資是否明確要求初創企業將資金用於投資方的產品，或者隻是鼓勵兩家公司開展廣泛的戰略合作
，這一點很重要。微軟與OpenAI、亞馬遜與Anthropic之間的合同並未公開，因此我們無法確定它們的結構。

但至少在某些情況下
，雲計算提供商很可能通過這些投資獲得了本不該獲得的收入。

到目前為止，這些交易幾乎沒有受到任何監管審查。這種情況將在2024年發生變化。預計明年美國證券交易委員會將對人工智能投資中的迂回交易進行更嚴厲的審查——預計此類交易的數量和規模將因此大幅下降。

鑒於雲提供商是迄今為止推動人工智能熱潮的最大資金來源之一，這可能會對2024年的整體人工智能籌資環境產生重大影響。

08

微軟與OpenAI的關係將開始出現裂痕

微軟和OpenAI關係密切。迄今為止，微軟已向OpenAI投入超過100億美元。OpenAI的模型為必應
、GitHub Copilot和Office 365 Copilot等微軟關鍵產品提供了支持。上個月，當OpenAI首席執行官Sam Altman意外被董事會解雇時，微軟首席執行官Satya Nadella為他的複職發揮了重要作用。

然而
，微軟和OpenAI是(shi)不(bu)同(tong)的(de)組(zu)織(zhi)
，對(dui)人(ren)工(gong)智(zhi)能(neng)的(de)未(wei)來(lai)有(you)著(zhe)不(bu)同(tong)的(de)雄(xiong)心(xin)壯(zhuang)誌(zhi)和(he)長(chang)遠(yuan)願(yuan)景(jing)。迄(qi)今(jin)為(wei)止(zhi)

，這(zhe)一(yi)聯(lian)盟(meng)對(dui)兩(liang)個(ge)組(zu)織(zhi)都(dou)很(hen)有(you)利(li)，但(dan)這(zhe)隻(zhi)是(shi)權(quan)宜(yi)之(zhi)計(ji)。這(zhe)兩(liang)個(ge)組(zu)織(zhi)遠(yuan)非(fei)完(wan)全(quan)一(yi)致(zhi)。

明年，我們預測這兩大巨頭之間的合作關係將開始出現裂痕。事實上，未來摩擦的蛛絲馬跡已經開始浮出水麵。

隨著OpenAI積極拓展企業業務，它將發現自己越來越經常地與微軟直接爭奪客戶。就微軟而言，除了將OpenAI作為頂級人工智能模型的供應商外，它還有很多理由進行多元化發展。例如

，微軟最近宣布與OpenAI的競爭對手Cohere達成合作協議。麵對大規模運行OpenAI模型的高昂成本

，微軟還在Phi-2等小型語言模型上投入了內部人工智能研究。

從大的方麵看，隨著人工智能變得越來越強大
，有關人工智能安全

、風險
、監管和公共責任的重要問題將成為焦點。利害關係將非常重大。鑒於兩家公司不同的文化、價值觀和曆史，似乎不可避免地會在處理這些問題的理念和方法上產生分歧。

微軟市值2.7萬億美元，是全球第二大公司。然而OpenAI及其魅力四射的領導者Sam Altman的野心可能更加深遠。如今
，這兩家公司彼此合作無間。但不要指望這會永遠持續下去。

09

2023年從加密貨幣轉向人工智能的一些炒作和從眾心理行為，將在2024年重新轉向加密貨幣

現在很難想象風險投資家和技術領導者會對人工智能以外的東西感到興奮。但是
，一年是很長的時間
，風險投資人的“信念”會轉變得非常快。

加密貨幣是一個周期性行業。現在它已經過時了
，但別誤會，另一輪大牛市將會到來——就像2021年、2017年和2013年一樣。如果你還沒有注意到，比特幣的價格在今年年初低於17000美元後，在過去幾個月裏大幅上漲
，從9月份的25000美元漲到了現在的40000多美元。比特幣的大漲可能正在醞釀之中，如果真的如此，大量的加密貨幣活動和炒作將隨之而來。

如今將自己定位為“全情投入”人工智能的許多知名風險投資家
、企業家和技術專家

，在2021-2022年(nian)的(de)牛(niu)市(shi)期(qi)間(jian)都(dou)對(dui)加(jia)密(mi)貨(huo)幣(bi)情(qing)有(you)獨(du)鍾(zhong)。如(ru)果(guo)明(ming)年(nian)加(jia)密(mi)資(zi)產(chan)價(jia)格(ge)真(zhen)的(de)飆(biao)升(sheng)回(hui)來(lai)，預(yu)計(ji)他(ta)們(men)中(zhong)的(de)一(yi)些(xie)人(ren)也(ye)會(hui)追(zhui)隨(sui)這(zhe)一(yi)方(fang)向(xiang)的(de)熱(re)度(du)，就(jiu)像(xiang)他(ta)們(men)今(jin)年(nian)追(zhui)隨(sui)人(ren)工(gong)智(zhi)能(neng)的(de)熱(re)度(du)一(yi)樣(yang)。

坦率地說
，如果明年能看到一些過度的人工智能炒作轉向其他領域
，那將是一個值得歡迎的發展。

10

至少有一家美國法院將裁定在互聯網上訓練的生成式人工智能模型構成侵犯版權
，這一問題將開始上升至美國最高法院

目前，整個生成式人工智能領域都麵臨著一個被忽視的重大法律風險：shijielingxiandeshengchengshirengongzhinengmoxingshizaidaliangshoubanquanbaohudeneirongshangxunlianchulaide，zheyishishikenenghuiyinfajudadefalvzeren
，binggaibiangaixingyedejingjizhuangkuang。

無論是GPT-4還是Claude 2中的詩歌，DALL-E 3或Midjourney中的圖像，還是Pika或Runway中zhong的de視shi頻pin，生sheng成cheng式shi人ren工gong智zhi能neng模mo型xing都dou能neng產chan生sheng令ling人ren歎tan為wei觀guan止zhi的de複fu雜za輸shu出chu
，因yin為wei它ta們men已yi經jing在zai世shi界jie上shang的de大da部bu分fen數shu字zi數shu據ju上shang接jie受shou過guo訓xun練lian。在zai大da多duo數shu情qing況kuang下xia
，人ren工gong智zhi能neng公gong司si從cong互hu聯lian網wang上shang免mian費fei獲huo取qu這zhe些xie數shu據ju

，並bing隨sui意yi用yong於yu開kai發fa它ta們men的de模mo型xing。

但是，最初真正創造了這些知識產權的數百萬人——寫書、寫詩、拍照、畫畫、拍視頻的人類，對人工智能從業者是否和如何使用這些數據有發言權嗎？他們是否有權分享人工智能模型所創造的部分價值？

這些問題的答案將取決於法院對“合理使用”zheyiguanjianfalvgainiandejieshi。helishiyongshiyixiangchengshudefalvlilun，yijingcunzailejigeshiji。danjiangqiyingyongyuxinshengdeshengchengshirengongzhinenglingyu，huichanshengfuzadexinlilunwenti，quemeiyoumingquededaan。

“斯坦福大學研究員彼得·亨德森（Peter Henderson）說：“機(ji)器(qi)學(xue)習(xi)領(ling)域(yu)的(de)人(ren)們(men)並(bing)不(bu)一(yi)定(ding)了(le)解(jie)合(he)理(li)使(shi)用(yong)的(de)細(xi)微(wei)差(cha)別(bie)

，同(tong)時(shi)，法(fa)院(yuan)已(yi)經(jing)裁(cai)定(ding)，現(xian)實(shi)世(shi)界(jie)中(zhong)某(mou)些(xie)備(bei)受(shou)矚(zhu)目(mu)的(de)例(li)子(zi)不(bu)屬(shu)於(yu)受(shou)保(bao)護(hu)的(de)合(he)理(li)使(shi)用(yong)
，但(dan)這(zhe)些(xie)例(li)子(zi)看(kan)起(qi)來(lai)就(jiu)像(xiang)是(shi)人(ren)工(gong)智(zhi)能(neng)正(zheng)在(zai)推(tui)出(chu)的(de)東(dong)西(xi)。”這方麵的訴訟結果如何
，還存在不確定性。”

這些問題將如何解決？通過個案和法院裁決。

jianghelishiyongyuanzeyingyongyushengchengshirengongzhinengjiangshiyixiangfuzadegongzuo
，xuyaochuangzaoxingsiweihezhuguanpanduan。wentideshuangfangdouhuiyoukexindelunjuhezhandezhujiaodejielun。

因此，如果明年至少有一家美國法院裁定，像GPT-4和Midjourney這樣的生成式人工智能模型確實侵犯了版權，並且建立這些模型的公司要對訓練這些模型的知識產權的所有者負責，請不要感到驚訝。

這並不能解決問題。其他司法管轄區的其他美國法院麵對不同的事實模式，很可能會得出相反的結論：生成式人工智能模型受到合理使用原則的保護。

這個問題會一直發展到美國最高法院
，最終由最高法院給出一個結論性的法律解決方案。（通往美國最高法院的道路漫長而曲折
；不要指望最高法院明年會就此問題做出裁決）。