生成式 AI 和基础模型已达到 Gartner 2023 年 AI 技术成熟度曲线中夸大期望的顶峰，该曲线是一份关于技术整个生命周期成熟度的全球报告。 期望过高的顶峰是创新的地方，既有很多成功的故事，也有很多失败的故事。 有些公司在期望过高的高峰期采取创新行动，但大多数公司却没有这样做。
过高的预期是炒作周期的正常组成部分
生成式人工智能和基础模型可能被夸大了； Gartner 表示，与它们相关的用例相比，它们令人兴奋的地方更多。 然而，期望过高的峰值是创新进入主流的生命周期的正常部分。
其他值得注意的人工智能应用也正处于顶峰。 智能机器人、负责任的人工智能和神经形态计算（使用尖峰神经网络而不是深度神经网络来尝试复制生物大脑的功能）正在达到炒作周期的顶峰。 这意味着他们即将进入幻灭低谷，在一些公司决定真正实用和规范地使用创新之前，期望和投资都会降温。
计算机视觉、数据标注和标注、云端AI服务和智能应用是AI组中最成熟的技术。 Gartner 将这些人工智能技术置于启蒙阶段，这意味着第二代和第三代产品已经出现，一些错误已经得到解决，只有更保守的公司才会保持谨慎。
目前还没有人工智能技术达到技术成熟度曲线的生产力高原，此时创新已进入主流，投资已持续获得回报。 炒作周期旨在表明技术买家是否应该对新兴创新采取冒险、温和或谨慎的态度。
一些人工智能技术具有实际的商业效益
Gartner 发现人工智能可能会给企业带来一些好处。 大多数技术成熟度曲线都有一些新兴技术，但最终被评为低效益或中等效益； 人工智能技术成熟度曲线中的所有技术都被评为高或具有变革性。 效益评级对创新对各行业产生的积极影响进行了排名。
Gartner 指出，报告中的许多生成式人工智能驱动技术需要结合起来才能创建实用的服务。 数据和分析领导者最好考虑首先投资于已打包为业务解决方案的创新，例如计算机视觉、知识图、智能机器人、智能应用程序和人工智能云服务。 Gartner 建议数据和分析领导者重点关注不需要团队成员具备广泛、专业的工程或数据科学技能的产品。
报告作者、Gartner 首席分析师 Afraz Jaffri 表示：“目前对生成式 AI 的关注意味着，一些能够推动生成式 AI 进步的技术现在比前几年受到更多关注。”
Gartner 预测生成式人工智能和决策智能（涉及教授预测性人工智能如何影响预测结果）将在两到五年内获得主流采用。
该公司写道：“早期采用这些创新（生成人工智能和决策智能）将带来显着的竞争优势，并缓解与在业务流程中使用人工智能模型相关的问题。”
其他人工智能技术仍在寻找用例
Gartner 的调查显示，企业对 ModelOps、边缘 AI、知识图、AI 制造商和教学套件以及自动驾驶汽车的幻想正在幻灭。 知识图是物质资产及其相互关系的机器可读表示，沿着技术成熟度曲线正在异常快速地发展。
如果这种快速的变化和幻灭看起来是矛盾的，那是因为炒作周期并不是从默默无闻到主流的上升过程。 相反，幻灭低谷是技术进入启蒙上升斜坡之前的低点。
知识图可以补充许多其他人工智能创新，例如机器学习、生成式人工智能、搜索算法、智能助手和推荐引擎。
新兴的人工智能创新
技术成熟度曲线创新触发部分中最低的人工智能创新，意味着它们最不成熟，是自主或自我管理系统、第一原理或基于物理的人工智能、多智能体系统和神经符号人工智能。
Gartner 将神经符号 AI 定义为机器学习和知识图等符号系统的结合，以便让 AI 系统对概念有更加情境化的理解并减少幻觉。 神经符号人工智能预计需要 10 多年的时间才能获得主流采用。
投资生成人工智能之前要问什么
Jaffri 认为，数据和分析领导者在投资生成人工智能之前应该问自己的问题包括：
如何衡量应用程序的性能、准确性和相关业务价值？
可以容忍的可接受的准确度阈值是多少？
最好的部署方法是什么？ 考虑在 API、微调或检索增强生成之间进行选择。
是否有现成的解决方案可用于测试人工智能创新的优势，而无需构建本土解决方案？
如何利用生成式人工智能之外的其他人工智能技术来提供商业利益？
您将使用什么评估框架来确定安全和数据保护风险？
