但我們正在耗盡LLM改進所需的新鮮而有價值的數據。它們已經吞噬了幾乎整個網路。現在它們開始被自己的幻覺煙霧所嗆到。從2020年到2022年8月，LLM的力量迅速發展，但現在已有所放緩。我們需要真正的創新，而這需要時間。
從技術角度來看，2030年可能與2023年一樣，只是圖形更漂亮。所有這些背後，存在著AI投資泡沫可能很快破裂的風險，一旦泡沫破裂，將導致許多人爭相退出；之後可能需要數年時間才能重整旗鼓。
因此，預計2030年實現通用人工智慧是不現實的。
——Gary Marcus曾是一家機器學習公司的創始人兼執行長，該公司後來被出售給了Uber（Uber），他也是《馴服矽谷》（Taming Silicon Valley）一書的作者
轉型，而非工作崗位流失
在本十年後半程，AI的進步會推動有史以來最深刻的商業轉型。到2030年，AI系統達到前所未有的能力準平，重塑各個行業和工作崗位。儘管對大規模失業的擔憂依然存在，但現實卻有所不同——定義時代的是轉型，而非工作崗位流失。
原因在於商業演進的本質。即使是突破性的技術，也需要時間和努力才能轉化為生產率的提高——事實上，突破性的技術尤為如此。必須發明出新的技能、流程和商業模式。幸運的是，有足夠多的企業迎接挑戰，因此，生產率在本十年後半段會大幅提高。
然而，這種轉型並不平衡。超過半數的財富500強企業退出舞臺，取而代之的是一批新巨頭，其中包括數量空前的兆美元級企業。職業也出現類似的變化，某些職業步電梯操作員的後塵，一些新職業浮現。受影響的職業和任務與早前轉型期的情況截然不同。這一次，創意工作者、專業人士、作家、管理人員和程式員躋身受影響最大的群體之列。
成功的企業都有一個共同點，沒有簡單地相信AI炒作，而是有條不紊地應用了一種基於任務的方法。這認識到任務（而非工作崗位、產品或技能）是組織的基本單位。AI徹底改變某些任務，如編程和客戶服務，其他一些任務相對而言受影響較小。
到2030年，人類在處理缺乏歷史數據或結構化規則的情況時仍然佔有優勢。我們隨機應變的能力勝過機器。
——史丹佛數位經濟實驗室（Stanford Digital Economy Lab）主任兼Workhelix聯合創始人Erik Brynjolfsson
AI無處不在，就像網路
2030年的AI與時下AI最大的區別在於其融入企業的程度。21世紀之初，另一項快速發展的通用目的技術——網路——才剛剛被廣泛採用。把網路添加到既有結構之上的組織嘗到了一些甜頭，而那些圍繞網路接入從頭開始建立起來的組織很快就成為了世界上最有價值的公司。
