麻省理工科技评论：生成式 AI 与生产力再思考

撰文：David Rotman

编译：巴比特

图片来源：由无界 AI工具生成

新的大型语言模型将改变许多工作。它们是否会导致广泛的繁荣，取决于我们。

无论是否基于幻觉，在过去几个月里，一场人工智能淘金热已经开始，从 ChatGPT 等生成式人工智能模型中挖掘预期的商业机会。应用程序开发商、风险投资的初创公司和一些巨头都在争先恐后地对 OpenAI 去年 11 月发布的轰动一时的文本生成机器人进行解读。

你几乎可以听到来自世界各地角落办公室的尖叫声：“ChatGPT 时代我们怎么玩？我们怎样才能靠这个赚钱？”

但是，尽管公司和高管们看到了一个明显的兑现机会，但该技术对工人和整个经济的可能影响却远没有那么明显。尽管有其局限性 -- 其中最主要的是他们有编造东西的倾向 --ChatGPT 和其他最近发布的生成式人工智能模型有希望将以前被认为只属于人类创造力和推理领域的各种任务自动化，包括从写作到创建图形，再到总结和分析数据。这让经济学家不确定就业和整体生产力可能会受到怎样的影响。

尽管过去十年来人工智能和其他数字工具取得了惊人的进展，但它们在改善繁荣和刺激广泛经济增长方面的记录令人沮丧。虽然少数投资者和企业家已经变得非常富有，但大多数人并没有受益。一些人甚至已经被自动化淘汰了。

生产率的增长是国家变得更加富裕和繁荣的方式，但自 2005 年左右以来，美国和大多数发达经济体的生产率一直很糟糕。经济蛋糕没有多少增长，导致许多人的工资停滞不前。

在这段时间里，生产力的增长主要局限于少数行业，如信息服务，而在美国则局限于少数城市，比如圣何塞、旧金山、西雅图和波士顿。

ChatGPT 是否会使美国和其他许多国家已经令人不安的收入和财富不平等现象更加严重？还是会有帮助？事实上，它能否为生产力提供亟需的推动力？

具有类似人类写作能力的 ChatGPT，以及 OpenAI 最近发布的另一款按需生成图像的 DALL-E 2，都使用了在海量数据上训练的大型语言模型。诸如 Anthropic 的 Claude 和谷歌的 Bard 等对手也是如此。这些所谓的基础模型，如来自 OpenAI 的 GPT-3.5（ChatGPT 基于此），或谷歌的竞争性语言模型 LaMDA（为 Bard 提供动力），在最近几年里发展迅速。

它们不断壮大，在越来越多的数据上进行训练，而参数的数量 -- 模型中被调整的变量 -- 正在急剧增加。本月早些时候，OpenAI 发布了其最新版本 GPT-4。虽然 OpenAI 不会说它到底有多大，但人们可以猜测；据悉，GPT-3 有大约 1750 亿个参数，比 GPT-2 大 100 倍左右。

但是，正是去年年底 ChatGPT 的发布，改变了许多用户的一切。它非常容易使用，而且令人信服的是它能够快速创建类似人类的文本，包括食谱、锻炼计划，以及 -- 也许最令人惊讶的是 -- 计算机代码。对于许多非专业人士，包括越来越多的企业家和商人来说，这种用户友好的聊天模式 -- 比起过去几年在学术界和少数高科技公司酝酿的令人印象深刻但往往深奥的进展，没有那么抽象，也更加实用 -- 清楚地证明了人工智能革命具有真正的潜力。

风险资本家和其他投资者正向基于生成式人工智能的公司投入数十亿美元，由大型语言模型驱动的应用程序和服务清单每天都在增加。

在这些大公司中，据说微软已经向 OpenAI 及其 ChatGPT 投资了 100 亿美元，希望这项技术能够为其长期陷入困境的必应搜索引擎带来新的活力，并为其 Office 产品带来新的功能。3 月初，Salesforce 表示，它将在其流行的 Slack 产品中引入 ChatGPT 应用；同时，它宣布了一项 2.5 亿美元的基金，用于投资生成式人工智能初创公司。这个名单还在继续，从可口可乐到通用汽车。每个人都可以加入 ChatGPT 这个游戏。

与此同时，谷歌宣布它将在 Gmail、Docs 和其他一些广泛使用的产品中使用其新的生成式人工智能工具。

不过，目前还没有明显的杀手级应用。随着企业争先恐后地寻找使用该技术的方法，经济学家表示，一个罕见的窗口已经打开，可以重新思考如何从新一代人工智能中获得最大的利益。

“我们之所以在这样的时刻谈论，是因为你可以触摸到这项技术。现在你不需要任何编码技能就可以使用它了。很多人都可以开始想象这将如何影响他们的工作流程和就业前景，”旧金山人工智能合作组织（Partnership on AI）人工智能、劳动力和经济研究负责人 Katya Klinova 说。

“问题是谁将从中受益？谁会被抛在身后？“Klinova 正在撰写一份报告，概述生成式人工智能对就业的潜在影响，并就如何利用它促进共享繁荣提出建议。

乐观的观点是：对许多工人来说，它将被证明是一个强大的工具，可以提高他们的能力和专业知识，同时推动整体经济。悲观的观点是：公司将只是利用它来摧毁那些曾经看起来是自动化的工作，以及那些需要创造性技能和逻辑推理的高薪工作；少数高科技公司和科技精英将变得更加富有，但它对整体经济增长没有什么作用。

帮助最不熟练的人

ChatGPT 对工作场所的影响问题并不只是一个理论问题。

在最近的分析中，OpenAI 的 Tyna Eloundou、Sam Manning 和 Pamela Mishkin 与宾夕法尼亚大学的 Daniel Rock 发现，像 GPT 这样的大型语言模型可能对美国 80% 的劳动力产生一些影响。他们进一步估计，人工智能模型，包括 GPT-4 和其他预期的软件工具，将严重影响 19% 的工作，这些工作中至少有 50% 的任务受到这些模型影响。他们表示，与我们在早期自动化浪潮中看到的情况不同，高收入的工作将受到最大影响。一些工作最容易受到影响的人包括：作家、网络和数字设计师、金融定量分析员，以及区块链工程师。

麻省理工学院劳动经济学家、技术对就业影响方面的权威专家 David Autor 说：“毫无疑问，[生成式人工智能] 将被使用 -- 这不仅仅是一种新奇的东西，”他说。“律师事务所已经在使用它，而这只是一个例子。它开辟了一系列可以自动化的任务。”

David Autor

Autor 多年来一直在记录先进的数字技术如何摧毁许多曾经报酬丰厚的制造业和常规文职工作。但他说，ChatGPT 和其他生成式人工智能的例子已经改变了计算方式。

以前，人工智能已经实现了一些办公室工作的自动化，但那是那些可以为机器编码的死记硬背的一步步任务。现在，它可以执行那些我们视为创造性的任务，如写作和制作图形。他说：”对任何关注的人来说，生成式人工智能为很多我们认为不容易自动化的任务的计算机化打开了大门，这一点非常明显。“

人们担心的不是 ChatGPT 会导致大规模失业 -- 正如 Autor 所指出的，美国有大量的工作机会 -- 而是公司会用这种新的自动化形式取代相对高薪的白领工作，让这些工人去从事低薪的服务工作，而少数最能利用新技术的人则获得了所有的好处。

在这种情况下，精通技术的工人和公司可以迅速采用人工智能工具，变得更加富有成效，以至于他们在工作场所和部门中占主导地位。那些技能较少、没有技术头脑的人将被进一步抛在后面。

但 Autor 也看到了一个更积极的可能结果：生成式人工智能可以帮助广泛的人获得技能，与那些拥有更多教育和专业知识的人竞争。

关于 ChatGPT 对生产力影响的首批严格研究之一表明，这种结果是可能的。

麻省理工学院的两名经济学研究生 Shakked Noy 和 Whitney Zhang 做了一个实验，涉及数百名受过大学教育的专业人士，他们要求一半人在日常工作中使用 ChatGPT，其他人则不使用。ChatGPT 提高了整体生产力（并不令人惊讶），但真正有趣的结果是：人工智能工具对技术最差、成就最大的工人帮助最大，减少了员工之间的绩效差距。换句话说，差劲的写手变得更好；好的写手只是变得更快一点。

初步研究结果表明，用经济学家的行话来说，ChatGPT 和其他生成式人工智能可以“提高”那些找不到工作的人的技能。Autor 表示，在过去几十年里，有很多有经验的工人从办公室和制造业工作中被淘汰后“躺平”。如果生成性人工智能可以作为一种实用工具，扩展他们的专业知识，并为他们提供医疗保健或教学等领域所需的专门技能，这些领域就会有大量的工作机会，可以振兴我们的劳动力。

要确定哪种情况会胜出，需要更慎重地思考我们要如何利用这项技术。

”我不认为我们应该把它看作是技术对世界的松动，我们必须适应它。因为它正处于被创造的过程中，它可以以各种方式被使用和发展，“Autor 说。”设计它的重要性再怎么强调都不为过。“

简单地说，我们正处于这样一个关口：要么技能较低的工人将越来越能够承担现在被认为是需要特定知识的工作，要么最有才华的知识工作者将从根本上扩大他们对其他人的现有优势。我们会得到哪种结果，主要取决于雇主如何实施 ChatGPT 等工具。但更有希望的选择是我们可以做到的。

超越类人

然而，也有一些理由让人感到悲观。去年春天，斯坦福大学经济学家 Erik Brynjolfsson 在《图灵陷阱：类似人类的人工智能的承诺和危险》中警告说，人工智能的创造者过于迷恋模仿人类的智慧，而不是找到使用技术让人们完成新任务和扩展能力的方法。

Brynjolfsson 认为，对类似人类能力的追求导致技术简单地用机器取代人，导致工资下降，加剧了财富和收入的不平等。他写道，这是财富日益集中的”最大解释“。

一年后，他说 ChatGPT凭借其听起来像人类的输出，“就像我警告过的海报儿童”：它“加速了”围绕新技术如何被用来赋予人们新的能力而不是简单地取代他们的讨论。

尽管他担心人工智能开发者会继续盲目地在他们的作品中模仿类似人类的能力，但他在谈到人工智能时通常是一个技术乐观主义者。两年前，他预测人工智能和其他数字技术会带来生产力的繁荣，而现在，他看好新的人工智能模型的影响。

Brynjolfsson 的乐观态度大部分来自于这样的信念：企业可以从使用 ChatGPT 这样的生成式人工智能中大大受益，以扩大他们的产品，提高他们劳动力的生产力。“它是一个伟大的创造性工具。它能很好地帮助你做新奇的事情。它不是简单地以更低价地方式做同样的事，”Brynjolfsson 说。只要公司和开发人员能够”远离认为不需要人类的心态，”他说，“这将是非常重要的。”

他预测，在十年内，生成式人工智能可以为美国的经济增长增加数万亿美元的收入。他说：“我们经济的大部分基本上是知识工作者和信息工作者。”“很难想象有哪种类型的信息工作者不会受到部分影响。”

生产力的提升何时到来 -- 如果有的话 -- 是一个经济猜测游戏。也许我们只是需要耐心等待。

1987 年，因解释创新如何推动经济增长而获得当年诺贝尔奖的麻省理工学院经济学家 Robert Solow 说过一句著名的话：“除了生产力统计数据，你可以在任何地方看到计算机时代。”直到后来，在 20 世纪 90 年代中期和后期，随着企业找到利用越来越便宜的计算能力和相关的软件进步的方法，其影响 -- 特别是半导体的进步 -- 开始在生产力数据中显示出来。

同样的事情会发生在人工智能身上吗？多伦多大学的经济学家 Avi Goldfarb 说，这取决于我们是否能想出如何利用最新的技术来改造企业，就像我们在早期的计算机时代那样。

他说，到目前为止，公司只是在人工智能中投放了一些任务，做得更好一些：“它将提高效率，但最终，净收益将是很小的。因为你所做的只是把同样的事情做得更好一点。”但是，他说，“技术不只是让我们把我们一直做的事情做得更好一点或更便宜一点。它可能允许我们创造新的流程，为客户创造价值”。

关于生成式人工智能何时 -- 甚至是否 -- 会发生的判决仍然不确定。“一旦我们弄清楚规模化的好文章能让行业做得不同，或者在 Dall-E 的背景下，规模化的平面设计能让我们做得不同，那就是我们将经历巨大的生产力提升的时候，”Goldfarb 说。“但是下周、明年或 10 年后，我不知道。”

权力之争

当弗吉尼亚大学的经济学家和布鲁金斯学会的研究员 Anton Korinek 获得了新一代的大型语言模型，如 ChatGPT，他做了我们很多人都做的事情：他开始尝试，看看它们如何帮助他的工作。他在 2 月份的一篇论文中仔细记录了它们的性能，指出它们对 25 个“用例”的处理情况，从头脑风暴和编辑文本（非常有用）到编码（在一些帮助下相当不错）到做数学题（不怎么样）。

Korinek 说，ChatGPT 确实错误地解释了经济学中最基本的原则之一：“它搞砸了，非常糟糕”。但是这个错误很容易被发现，又鉴于其好处，很快就被原谅了。他说：“我可以告诉你，它使我，作为一个认知工作者，更有生产力。”“毫无疑问，当我使用语言模型时，我的工作效率更高。”

当 GPT-4 问世时，他在 2 月份记录的同样的 25 个问题上测试了它的性能，结果它的性能要好得多。Korinek 说，编造东西的情况较少；它在数学作业上的表现也好得多。

Korinek 称，由于 ChatGPT 和其他人工智能机器人将认知工作自动化，而不是需要投资于设备和基础设施的物理任务，对经济生产力的推动可能比过去的技术革命更快。他说：“我认为我们可能会在 2024 年年底看到对生产力的更大提升。”

他说，更重要的是，从长远来看，人工智能模型可以使像他这样的研究人员更有成效，有可能推动技术进步。

大型语言模型的这种潜力已经在物理科学的研究中出现。Berend Smit 在瑞士洛桑的 EPFL 负责一个化学工程实验室，他是使用机器学习发现新材料的专家。去年，在他的一个研究生 Kevin Maik Jablonka 使用 GPT-3 展示了一些有趣的结果之后，Smit 要求他证明 GPT-3 事实上对于他的小组为预测化合物的特性而进行的那种复杂的机器学习研究是无用的。

“他完全失败了，”Smit 开玩笑地说。

事实证明，在用一些相关的例子微调几分钟后，该模型的表现与专门为化学开发的高级机器学习工具一样好，能够回答有关化合物的溶解度或其反应性等基本问题。只要给它一个化合物的名字，它就能根据结构预测各种属性。

正如其他领域的工作一样，大型语言模型可以帮助扩大非专家的专业知识和能力 -- 而在这种情况下，则帮助了对复杂的机器学习工具所知甚少的化学家。Jablonka 说，因为它就像文献搜索一样简单，“它可以把机器学习带给广大的化学家”。

这些令人印象深刻且令人惊讶的结果只是一个诱人的暗示，表明新形式的人工智能在包括科学发现在内的广泛的创造性工作中可能是多么强大，而且它们的使用是多么令人震惊的简单。但这也指出了一些基本问题。

随着生成式人工智能对经济和工作的潜在影响变得更加迫在眉睫，谁将确定如何设计和部署这些工具的愿景？谁将控制这项神奇技术的未来？

英国剑桥大学的经济学家 Diane Coyle 表示，一个担忧是大型语言模型有可能被统治大部分数字世界的那些大公司所控制。她指出，谷歌和 Meta 正在提供他们自己的大型语言模型和 OpenAI，而运行软件所需的大量计算成本为任何想要竞争的人制造了进入的障碍。

令人担忧的是，这些公司有类似的“广告驱动的商业模式”，Coyle 说。“因此，如果你没有不同种类的人，没有不同种类的激励，显然你会得到某种统一的思想。”

Coyle 承认，没有简单的解决办法，但她说，一种可能性是建立一个公共资助的生成性人工智能国际研究组织，仿照欧洲核子研究中心（CERN），即设在日内瓦的政府间欧洲核研究机构，1989 年万维网就是在这里创建的。它将配备运行模型所需的巨大计算能力和进一步开发技术的科学知识。

Coyle 说，这种在大科技公司之外的努力，将“为模型创造者在制作模型时面临的激励措施带来一些多样性”。

Coyle 表示，虽然仍不确定哪些公共政策将有助于确保大型语言模型最好地服务于公共利益，但越来越清楚的是，关于我们如何使用该技术的选择不能只留给少数主导公司和市场。

历史为我们提供了很多例子，说明政府资助的研究在开发带来广泛繁荣的技术方面是多么重要。早在欧洲核子研究中心发明网络之前，20 世纪 60 年代末，另一项由政府资助的努力催生了互联网，当时美国国防部支持 ARPANET 开创了多个计算机相互通信的方法。

麻省理工学院的经济学家 Daron Acemoglu 和 Simon Johnson 在《权力与进步：关于技术与繁荣的千年斗争》一书中，令人信服地回顾了技术进步的历史以及它在创造广泛繁荣方面的混合记录。他们的观点是，关键是要有意识地引导技术进步，使其提供广泛的利益，而不是仅仅使精英阶层更加富有。

Simon Johnson (左) 和 Daron Acemoglu

从二战后的几十年到 70 年代初，美国经济以快速的技术变革为标志；大多数工人的工资上升，而收入不平等则急剧下降。Acemoglu 和 Johnson 说，原因是技术进步被用来创造新的任务和工作，而社会和政治压力有助于确保工人比现在更平等地与他们的雇主分享利益。

他们写道，与此相反，在过去几十年里，在“美国经济的工业中心地带 -- 中西部”，最近迅速采用的制造业机器人只是破坏了工作机会，并导致了“长期的区域衰退”。

这本书在 5 月出版，对于理解今天人工智能的快速进步可能带来什么，以及关于使用这些突破的最佳方式的决定将如何影响我们所有人的未来，特别有意义。在最近的一次采访中，Acemoglu 说他们在写这本书时，GPT-3 刚刚发布。而且，他半开玩笑地补充说，“我们预见到了 ChatGPT”。

Acemoglu 坚持认为，人工智能的创造者们“正走在错误的方向上”。他说，人工智能背后的整个架构“正处于自动化模式”。“但生成式人工智能或一般的人工智能并没有什么内在的东西，应该把我们推向这个方向。这是商业模式和 OpenAI 和微软以及风险投资界的人的愿景”。

如果你相信我们可以引导一项技术的发展轨迹，那么一个明显的问题是：谁是“我们”？而这正是 Acemoglu 和 Johnson 最具挑衅性的地方。他们写道：“社会及其强大的守门人需要停止被科技亿万富翁和他们的议程所迷惑……一个人不需要成为人工智能专家，就可以对这些技术所铸造的进步方向和我们社会的未来有发言权。”

ChatGPT 的创造者和参与将其推向市场的商人，特别是 OpenAI 的首席执行官 Sam Altman，为公众带来了新的人工智能轰动效应，值得称赞。它的潜力是巨大的。但这并不意味着我们必须接受他们关于希望该技术走向何方以及应该如何使用该技术的愿景和愿望。

根据他们的叙述，最终目标是人工通用智能，如果一切顺利，将带来巨大的经济财富和丰收。Altman 最近就大肆宣传这一愿景，为他长期倡导的全民基本收入（UBI）提供了进一步的理由，以养活我们中的非技术专家。对一些人来说，这听起来很有诱惑力。没有工作，有免费的钱！真好！

但最令人不安的是这种说法背后的假设，即人工智能正走向一条不可避免的破坏工作的道路，而我们中的大多数人只是为了（免费）搭车。这种观点几乎不承认这样一种可能性，即生成式人工智能通过帮助释放他们的才能和大脑，可以为工人带来创造力和生产力的繁荣，远远超过精通技术的精英们。几乎没有人讨论过通过在整个劳动人口中扩大人类能力和专业知识，利用该技术产生广泛繁荣的想法。

正如 Acemoglu 和 Johnson 所写：“我们正在走向更大的不平等，这不是不可避免的，而是因为对谁拥有社会权力和技术方向的错误选择……事实上，UBI 完全接受了商业和技术精英的愿景，即他们是开明的、有才华的人，应该慷慨地资助其他人。”

Acemoglu 和 Johnson 写到了实现“更平衡的技术组合”的各种工具，从税收改革和其他可能鼓励创造更有利于工人的人工智能的政府政策，到可能使学术界摆脱大公司对计算机科学研究和商学院的资助的改革。

但是，经济学家们承认，这样的改革是“一个很高的要求”，而且社会推动技术变革的方向“并非指日可待”。

好消息是，事实上，我们可以决定如何选择使用 ChatGPT 和其他大型语言模型。随着无数基于该技术的应用程序被匆匆推向市场，企业和个人用户将有机会选择如何利用它；公司可以决定使用 ChatGPT 来赋予工人更多的能力，或者干脆裁员和削减成本。

另一个积极的发展是：在生成式人工智能的开源项目背后至少有一些势头，这可以打破大科技公司对模型的控制。值得注意的是，去年有一千多名国际研究人员合作开发了一个名为 Bloom 的大型语言模型，可以用法语、西班牙语和阿拉伯语等语言创建文本。如果 Coyle 和其他人是对的，增加人工智能研究的公共资金可能有助于改变未来突破的进程。

斯坦福大学的 Brynjolfsson 拒绝说他对事情的发展持乐观态度。不过，他这些天对这项技术的热情还是很明显的。他说：“如果我们在正确的方向上使用这项技术，我们可以拥有有史以来最好的几十年之一。”“但这并非不可避免。”