麻省理工科技評論：生成式 AI 與生產力再思考

撰文：David Rotman

編譯：巴比特

圖片來源：由無界 AI工具生成

新的大型語言模型將改變許多工作。它們是否會導致廣泛的繁榮，取決於我們。

無論是否基於幻覺，在過去幾個月里，一場人工智能淘金熱已經開始，從 ChatGPT 等生成式人工智能模型中挖掘預期的商業機會。應用程序開發商、風險投資的初創公司和一些巨頭都在爭先恐後地對 OpenAI 去年 11 月發布的轟動一時的文本生成機器人進行解讀。

你幾乎可以聽到來自世界各地角落辦公室的尖叫聲：“ChatGPT 時代我們怎麼玩？我們怎樣才能靠這個賺錢？”

但是，儘管公司和高管們看到了一個明顯的兌現機會，但該技術對工人和整個經濟的可能影響卻遠沒有那麼明顯。儘管有其局限性 — 其中最主要的是他們有編造東西的傾向 –ChatGPT 和其他最近發布的生成式人工智能模型有希望將以前被認為只屬於人類創造力和推理領域的各種任務自動化，包括從寫作到創建圖形，再到總結和分析數據。這讓經濟學家不確定就業和整體生產力可能會受到怎樣的影響。

儘管過去十年來人工智能和其他數字工具取得了驚人的進展，但它們在改善繁榮和刺激廣泛經濟增長方面的記錄令人沮喪。雖然少數投資者和企業家已經變得非常富有，但大多數人並沒有受益。一些人甚至已經被自動化淘汰了。

生產率的增長是國家變得更加富裕和繁榮的方式，但自 2005 年左右以來，美國和大多數發達經濟體的生產率一直很糟糕。經濟蛋糕沒有多少增長，導致許多人的工資停滯不前。

在這段時間裡，生產力的增長主要局限於少數行業，如信息服務，而在美國則局限於少數城市，比如聖何塞、舊金山、西雅圖和波士頓。

ChatGPT 是否會使美國和其他許多國家已經令人不安的收入和財富不平等現象更加嚴重？還是會有幫助？事實上，它能否為生產力提供亟需的推動力？

具有類似人類寫作能力的 ChatGPT，以及 OpenAI 最近發布的另一款按需生成圖像的 DALL-E 2，都使用了在海量數據上訓練的大型語言模型。諸如 Anthropic 的 Claude 和谷歌的 Bard 等對手也是如此。這些所謂的基礎模型，如來自 OpenAI 的 GPT-3.5（ChatGPT 基於此），或谷歌的競爭性語言模型 LaMDA（為 Bard 提供動力），在最近幾年裡發展迅速。

它們不斷壯大，在越來越多的數據上進行訓練，而參數的數量 — 模型中被調整的變量 — 正在急劇增加。本月早些時候，OpenAI 發布了其最新版本 GPT-4。雖然 OpenAI 不會說它到底有多大，但人們可以猜測；據悉，GPT-3 有大約 1750 億個參數，比 GPT-2 大 100 倍左右。

但是，正是去年年底 ChatGPT 的發布，改變了許多用戶的一切。它非常容易使用，而且令人信服的是它能夠快速創建類似人類的文本，包括食譜、鍛煉計劃，以及 — 也許最令人驚訝的是 — 計算機代碼。對於許多非專業人士，包括越來越多的企業家和商人來說，這種用戶友好的聊天模式 — 比起過去幾年在學術界和少數高科技公司醞釀的令人印象深刻但往往深奧的進展，沒有那麼抽象，也更加實用 — 清楚地證明了人工智能革命具有真正的潛力。

風險資本家和其他投資者正向基於生成式人工智能的公司投入數十億美元，由大型語言模型驅動的應用程序和服務清單每天都在增加。

在這些大公司中，據說微軟已經向 OpenAI 及其 ChatGPT 投資了 100 億美元，希望這項技術能夠為其長期陷入困境的必應搜索引擎帶來新的活力，並為其 Office 產品帶來新的功能。3 月初，Salesforce 表示，它將在其流行的 Slack 產品中引入 ChatGPT 應用；同時，它宣布了一項 2.5 億美元的基金，用於投資生成式人工智能初創公司。這個名單還在繼續，從可口可樂到通用汽車。每個人都可以加入 ChatGPT 這個遊戲。

與此同時，谷歌宣布它將在 Gmail、Docs 和其他一些廣泛使用的產品中使用其新的生成式人工智能工具。

不過，目前還沒有明顯的殺手級應用。隨着企業爭先恐後地尋找使用該技術的方法，經濟學家表示，一個罕見的窗口已經打開，可以重新思考如何從新一代人工智能中獲得最大的利益。

“我們之所以在這樣的時刻談論，是因為你可以觸摸到這項技術。現在你不需要任何編碼技能就可以使用它了。很多人都可以開始想象這將如何影響他們的工作流程和就業前景，”舊金山人工智能合作組織（Partnership on AI）人工智能、勞動力和經濟研究負責人 Katya Klinova 說。

“問題是誰將從中受益？誰會被拋在身後？“Klinova 正在撰寫一份報告，概述生成式人工智能對就業的潛在影響，並就如何利用它促進共享繁榮提出建議。

樂觀的觀點是：對許多工人來說，它將被證明是一個強大的工具，可以提高他們的能力和專業知識，同時推動整體經濟。悲觀的觀點是：公司將只是利用它來摧毀那些曾經看起來是自動化的工作，以及那些需要創造性技能和邏輯推理的高薪工作；少數高科技公司和科技精英將變得更加富有，但它對整體經濟增長沒有什麼作用。

幫助最不熟練的人

ChatGPT 對工作場所的影響問題並不只是一個理論問題。

在最近的分析中，OpenAI 的 Tyna Eloundou、Sam Manning 和 Pamela Mishkin 與賓夕法尼亞大學的 Daniel Rock 發現，像 GPT 這樣的大型語言模型可能對美國 80% 的勞動力產生一些影響。他們進一步估計，人工智能模型，包括 GPT-4 和其他預期的軟件工具，將嚴重影響 19% 的工作，這些工作中至少有 50% 的任務受到這些模型影響。他們表示，與我們在早期自動化浪潮中看到的情況不同，高收入的工作將受到最大影響。一些工作最容易受到影響的人包括：作家、網絡和數字設計師、金融定量分析員，以及區塊鏈工程師。

麻省理工學院勞動經濟學家、技術對就業影響方面的權威專家 David Autor 說：“毫無疑問，[生成式人工智能] 將被使用 — 這不僅僅是一種新奇的東西，”他說。“律師事務所已經在使用它，而這只是一個例子。它開闢了一系列可以自動化的任務。”

David Autor

Autor 多年來一直在記錄先進的數字技術如何摧毀許多曾經報酬豐厚的製造業和常規文職工作。但他說，ChatGPT 和其他生成式人工智能的例子已經改變了計算方式。

以前，人工智能已經實現了一些辦公室工作的自動化，但那是那些可以為機器編碼的死記硬背的一步步任務。現在，它可以執行那些我們視為創造性的任務，如寫作和製作圖形。他說：”對任何關注的人來說，生成式人工智能為很多我們認為不容易自動化的任務的計算機化打開了大門，這一點非常明顯。“

人們擔心的不是 ChatGPT 會導致大規模失業 — 正如 Autor 所指出的，美國有大量的工作機會 — 而是公司會用這種新的自動化形式取代相對高薪的白領工作，讓這些工人去從事低薪的服務工作，而少數最能利用新技術的人則獲得了所有的好處。

在這種情況下，精通技術的工人和公司可以迅速採用人工智能工具，變得更加富有成效，以至於他們在工作場所和部門中佔主導地位。那些技能較少、沒有技術頭腦的人將被進一步拋在後面。

但 Autor 也看到了一個更積極的可能結果：生成式人工智能可以幫助廣泛的人獲得技能，與那些擁有更多教育和專業知識的人競爭。

關於 ChatGPT 對生產力影響的首批嚴格研究之一表明，這種結果是可能的。

麻省理工學院的兩名經濟學研究生 Shakked Noy 和 Whitney Zhang 做了一個實驗，涉及數百名受過大學教育的專業人士，他們要求一半人在日常工作中使用 ChatGPT，其他人則不使用。ChatGPT 提高了整體生產力（並不令人驚訝），但真正有趣的結果是：人工智能工具對技術最差、成就最大的工人幫助最大，減少了員工之間的績效差距。換句話說，差勁的寫手變得更好；好的寫手只是變得更快一點。

初步研究結果表明，用經濟學家的行話來說，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，在過去幾十年裡，有很多有經驗的工人從辦公室和製造業工作中被淘汰后“躺平”。如果生成性人工智能可以作為一種實用工具，擴展他們的專業知識，並為他們提供醫療保健或教學等領域所需的專門技能，這些領域就會有大量的工作機會，可以振興我們的勞動力。

要確定哪種情況會勝出，需要更慎重地思考我們要如何利用這項技術。

”我不認為我們應該把它看作是技術對世界的鬆動，我們必須適應它。因為它正處於被創造的過程中，它可以以各種方式被使用和發展，“Autor 說。”設計它的重要性再怎麼強調都不為過。“

簡單地說，我們正處於這樣一個關口：要麼技能較低的工人將越來越能夠承擔現在被認為是需要特定知識的工作，要麼最有才華的知識工作者將從根本上擴大他們對其他人的現有優勢。我們會得到哪種結果，主要取決於僱主如何實施 ChatGPT 等工具。但更有希望的選擇是我們可以做到的。

超越類人

然而，也有一些理由讓人感到悲觀。去年春天，斯坦福大學經濟學家 Erik Brynjolfsson 在《圖靈陷阱：類似人類的人工智能的承諾和危險》中警告說，人工智能的創造者過於迷戀模仿人類的智慧，而不是找到使用技術讓人們完成新任務和擴展能力的方法。

Brynjolfsson 認為，對類似人類能力的追求導致技術簡單地用機器取代人，導致工資下降，加劇了財富和收入的不平等。他寫道，這是財富日益集中的”最大解釋“。

一年後，他說 ChatGPT憑藉其聽起來像人類的輸出，“就像我警告過的海報兒童”：它“加速了”圍繞新技術如何被用來賦予人們新的能力而不是簡單地取代他們的討論。

儘管他擔心人工智能開發者會繼續盲目地在他們的作品中模仿類似人類的能力，但他在談到人工智能時通常是一個技術樂觀主義者。兩年前，他預測人工智能和其他數字技術會帶來生產力的繁榮，而現在，他看好新的人工智能模型的影響。

Brynjolfsson 的樂觀態度大部分來自於這樣的信念：企業可以從使用 ChatGPT 這樣的生成式人工智能中大大受益，以擴大他們的產品，提高他們勞動力的生產力。“它是一個偉大的創造性工具。它能很好地幫助你做新奇的事情。它不是簡單地以更低價地方式做同樣的事，”Brynjolfsson 說。只要公司和開發人員能夠”遠離認為不需要人類的心態，”他說，“這將是非常重要的。”

他預測，在十年內，生成式人工智能可以為美國的經濟增長增加數萬億美元的收入。他說：“我們經濟的大部分基本上是知識工作者和信息工作者。”“很難想象有哪種類型的信息工作者不會受到部分影響。”

生產力的提升何時到來 — 如果有的話 — 是一個經濟猜測遊戲。也許我們只是需要耐心等待。

1987 年，因解釋創新如何推動經濟增長而獲得當年諾貝爾獎的麻省理工學院經濟學家 Robert Solow 說過一句著名的話：“除了生產力統計數據，你可以在任何地方看到計算機時代。”直到後來，在 20 世紀 90 年代中期和後期，隨着企業找到利用越來越便宜的計算能力和相關的軟件進步的方法，其影響 — 特別是半導體的進步 — 開始在生產力數據中顯示出來。

同樣的事情會發生在人工智能身上嗎？多倫多大學的經濟學家 Avi Goldfarb 說，這取決於我們是否能想出如何利用最新的技術來改造企業，就像我們在早期的計算機時代那樣。

他說，到目前為止，公司只是在人工智能中投放了一些任務，做得更好一些：“它將提高效率，但最終，凈收益將是很小的。因為你所做的只是把同樣的事情做得更好一點。”但是，他說，“技術不只是讓我們把我們一直做的事情做得更好一點或更便宜一點。它可能允許我們創造新的流程，為客戶創造價值”。

關於生成式人工智能何時 — 甚至是否 — 會發生的判決仍然不確定。“一旦我們弄清楚規模化的好文章能讓行業做得不同，或者在 Dall-E 的背景下，規模化的平面設計能讓我們做得不同，那就是我們將經歷巨大的生產力提升的時候，”Goldfarb 說。“但是下周、明年或 10 年後，我不知道。”

權力之爭

當弗吉尼亞大學的經濟學家和布魯金斯學會的研究員 Anton Korinek 獲得了新一代的大型語言模型，如 ChatGPT，他做了我們很多人都做的事情：他開始嘗試，看看它們如何幫助他的工作。他在 2 月份的一篇論文中仔細記錄了它們的性能，指出它們對 25 個“用例”的處理情況，從頭腦風暴和編輯文本（非常有用）到編碼（在一些幫助下相當不錯）到做數學題（不怎麼樣）。

Korinek 說，ChatGPT 確實錯誤地解釋了經濟學中最基本的原則之一：“它搞砸了，非常糟糕”。但是這個錯誤很容易被發現，又鑒於其好處，很快就被原諒了。他說：“我可以告訴你，它使我，作為一個認知工作者，更有生產力。”“毫無疑問，當我使用語言模型時，我的工作效率更高。”

當 GPT-4 問世時，他在 2 月份記錄的同樣的 25 個問題上測試了它的性能，結果它的性能要好得多。Korinek 說，編造東西的情況較少；它在數學作業上的表現也好得多。

Korinek 稱，由於 ChatGPT 和其他人工智能機器人將認知工作自動化，而不是需要投資於設備和基礎設施的物理任務，對經濟生產力的推動可能比過去的技術革命更快。他說：“我認為我們可能會在 2024 年年底看到對生產力的更大提升。”

他說，更重要的是，從長遠來看，人工智能模型可以使像他這樣的研究人員更有成效，有可能推動技術進步。

大型語言模型的這種潛力已經在物理科學的研究中出現。Berend Smit 在瑞士洛桑的 EPFL 負責一個化學工程實驗室，他是使用機器學習發現新材料的專家。去年，在他的一個研究生 Kevin Maik Jablonka 使用 GPT-3 展示了一些有趣的結果之後，Smit 要求他證明 GPT-3 事實上對於他的小組為預測化合物的特性而進行的那種複雜的機器學習研究是無用的。

“他完全失敗了，”Smit 開玩笑地說。

事實證明，在用一些相關的例子微調幾分鐘后，該模型的表現與專門為化學開發的高級機器學習工具一樣好，能夠回答有關化合物的溶解度或其反應性等基本問題。只要給它一個化合物的名字，它就能根據結構預測各種屬性。

正如其他領域的工作一樣，大型語言模型可以幫助擴大非專家的專業知識和能力 — 而在這種情況下，則幫助了對複雜的機器學習工具所知甚少的化學家。Jablonka 說，因為它就像文獻搜索一樣簡單，“它可以把機器學習帶給廣大的化學家”。

這些令人印象深刻且令人驚訝的結果只是一個誘人的暗示，表明新形式的人工智能在包括科學發現在內的廣泛的創造性工作中可能是多麼強大，而且它們的使用是多麼令人震驚的簡單。但這也指出了一些基本問題。

隨着生成式人工智能對經濟和工作的潛在影響變得更加迫在眉睫，誰將確定如何設計和部署這些工具的願景？誰將控制這項神奇技術的未來？

英國劍橋大學的經濟學家 Diane Coyle 表示，一個擔憂是大型語言模型有可能被統治大部分數字世界的那些大公司所控制。她指出，谷歌和 Meta 正在提供他們自己的大型語言模型和 OpenAI，而運行軟件所需的大量計算成本為任何想要競爭的人製造了進入的障礙。

令人擔憂的是，這些公司有類似的“廣告驅動的商業模式”，Coyle 說。“因此，如果你沒有不同種類的人，沒有不同種類的激勵，顯然你會得到某種統一的思想。”

Coyle 承認，沒有簡單的解決辦法，但她說，一種可能性是建立一個公共資助的生成性人工智能國際研究組織，仿照歐洲核子研究中心（CERN），即設在日內瓦的政府間歐洲核研究機構，1989 年萬維網就是在這裡創建的。它將配備運行模型所需的巨大計算能力和進一步開發技術的科學知識。

Coyle 說，這種在大科技公司之外的努力，將“為模型創造者在製作模型時面臨的激勵措施帶來一些多樣性”。

Coyle 表示，雖然仍不確定哪些公共政策將有助於確保大型語言模型最好地服務於公共利益，但越來越清楚的是，關於我們如何使用該技術的選擇不能只留給少數主導公司和市場。

歷史為我們提供了很多例子，說明政府資助的研究在開發帶來廣泛繁榮的技術方面是多麼重要。早在歐洲核子研究中心發明網絡之前，20 世紀 60 年代末，另一項由政府資助的努力催生了互聯網，當時美國國防部支持 ARPANET 開創了多個計算機相互通信的方法。

麻省理工學院的經濟學家 Daron Acemoglu 和 Simon Johnson 在《權力與進步：關於技術與繁榮的千年鬥爭》一書中，令人信服地回顧了技術進步的歷史以及它在創造廣泛繁榮方面的混合記錄。他們的觀點是，關鍵是要有意識地引導技術進步，使其提供廣泛的利益，而不是僅僅使精英階層更加富有。

Simon Johnson (左) 和 Daron Acemoglu

從二戰後的幾十年到 70 年代初，美國經濟以快速的技術變革為標誌；大多數工人的工資上升，而收入不平等則急劇下降。Acemoglu 和 Johnson 說，原因是技術進步被用來創造新的任務和工作，而社會和政治壓力有助於確保工人比現在更平等地與他們的僱主分享利益。

他們寫道，與此相反，在過去幾十年裡，在“美國經濟的工業中心地帶 — 中西部”，最近迅速採用的製造業機器人只是破壞了工作機會，並導致了“長期的區域衰退”。

這本書在 5 月出版，對於理解今天人工智能的快速進步可能帶來什麼，以及關於使用這些突破的最佳方式的決定將如何影響我們所有人的未來，特別有意義。在最近的一次採訪中，Acemoglu 說他們在寫這本書時，GPT-3 剛剛發布。而且，他半開玩笑地補充說，“我們預見到了 ChatGPT”。

Acemoglu 堅持認為，人工智能的創造者們“正走在錯誤的方向上”。他說，人工智能背後的整個架構“正處於自動化模式”。“但生成式人工智能或一般的人工智能並沒有什麼內在的東西，應該把我們推向這個方向。這是商業模式和 OpenAI 和微軟以及風險投資界的人的願景”。

如果你相信我們可以引導一項技術的發展軌跡，那麼一個明顯的問題是：誰是“我們”？而這正是 Acemoglu 和 Johnson 最具挑釁性的地方。他們寫道：“社會及其強大的守門人需要停止被科技億萬富翁和他們的議程所迷惑……一個人不需要成為人工智能專家，就可以對這些技術所鑄造的進步方向和我們社會的未來有發言權。”

ChatGPT 的創造者和參與將其推向市場的商人，特別是 OpenAI 的首席執行官 Sam Altman，為公眾帶來了新的人工智能轟動效應，值得稱讚。它的潛力是巨大的。但這並不意味着我們必須接受他們關於希望該技術走向何方以及應該如何使用該技術的願景和願望。

根據他們的敘述，最終目標是人工通用智能，如果一切順利，將帶來巨大的經濟財富和豐收。Altman 最近就大肆宣傳這一願景，為他長期倡導的全民基本收入（UBI）提供了進一步的理由，以養活我們中的非技術專家。對一些人來說，這聽起來很有誘惑力。沒有工作，有免費的錢！真好！

但最令人不安的是這種說法背後的假設，即人工智能正走向一條不可避免的破壞工作的道路，而我們中的大多數人只是為了（免費）搭車。這種觀點幾乎不承認這樣一種可能性，即生成式人工智能通過幫助釋放他們的才能和大腦，可以為工人帶來創造力和生產力的繁榮，遠遠超過精通技術的精英們。幾乎沒有人討論過通過在整個勞動人口中擴大人類能力和專業知識，利用該技術產生廣泛繁榮的想法。

正如 Acemoglu 和 Johnson 所寫：“我們正在走向更大的不平等，這不是不可避免的，而是因為對誰擁有社會權力和技術方向的錯誤選擇……事實上，UBI 完全接受了商業和技術精英的願景，即他們是開明的、有才華的人，應該慷慨地資助其他人。”

Acemoglu 和 Johnson 寫到了實現“更平衡的技術組合”的各種工具，從稅收改革和其他可能鼓勵創造更有利於工人的人工智能的政府政策，到可能使學術界擺脫大公司對計算機科學研究和商學院的資助的改革。

但是，經濟學家們承認，這樣的改革是“一個很高的要求”，而且社會推動技術變革的方向“並非指日可待”。

好消息是，事實上，我們可以決定如何選擇使用 ChatGPT 和其他大型語言模型。隨着無數基於該技術的應用程序被匆匆推向市場，企業和個人用戶將有機會選擇如何利用它；公司可以決定使用 ChatGPT 來賦予工人更多的能力，或者乾脆裁員和削減成本。

另一個積極的發展是：在生成式人工智能的開源項目背後至少有一些勢頭，這可以打破大科技公司對模型的控制。值得注意的是，去年有一千多名國際研究人員合作開發了一個名為 Bloom 的大型語言模型，可以用法語、西班牙語和阿拉伯語等語言創建文本。如果 Coyle 和其他人是對的，增加人工智能研究的公共資金可能有助於改變未來突破的進程。

斯坦福大學的 Brynjolfsson 拒絕說他對事情的發展持樂觀態度。不過，他這些天對這項技術的熱情還是很明顯的。他說：“如果我們在正確的方向上使用這項技術，我們可以擁有有史以來最好的幾十年之一。”“但這並非不可避免。”