“颠覆”概念的一部分是，重要的新技术往往在对上一代技术重要的事情上表现不佳，但它们却做了其他重要的事情。询问法学硕士是否可以进行非常具体和精确的信息检索可能就像询问 Apple II 是否可以与大型机的正常运行时间相匹配，或者询问是否可以在 Netscape 中构建 Photoshop。不，他们确实不能那样做，但这不是重点，也不意味着他们毫无用处。他们做其他事情，而“其他事情”更重要，可以吸引所有投资、创新和公司创建。也许 20 年后，他们也可以做老事——也许你最终可以在个人电脑上运行一家银行并在浏览器中构建图形软件——但这在一开始并不是重要的。他们解锁了其他东西。
那么，生成式人工智能的“其他东西”是什么？您如何从概念上思考错误率是一个功能而不是错误的地方？
— Benedict Evans ，模型越好吗？
标签： Benedict-Evans , LLMS ,人工智能,生成人工智能
原文： https://simonwillison.net/2025/Feb/2/benedict-evans/#atom-everything