2023年5月10日，布魯金斯學會釋出《人工智能推動生産力飛速提升》報告。報告指出，大語言模型如ChatGPT等正成為強大的工具，不僅提高了從業人員的生産力，還加快了創新的速度，為經濟增長奠定了基礎。這種快速進步可能帶來巨大的好處，但也可能帶來重大風險，是以確定我們能夠引導人工智能朝着造福整個社會的方向發展至關重要。
未來幾年内，數百萬的勞動者，包括醫生、律師、經理和銷售人員等，将會經曆劃時代的轉變，利用人工智能顯著提高他們的生産力。最新一代人工智能系統的潛力可以從ChatGPT的廣泛傳播中生動展現出來，這個大語言模型通過生成連貫且與上下文相适應的文本引起了公衆的關注。這并非是一個默默無聞的創新，它的功能已經吸引了數億使用者。
最近公開推出的其他大語言模型還包括谷歌的Bard和人工智能初創公司Anthropic的Claude。然而，生成式人工智能并不僅限于文本：近年來，我們還見證了生成式人工智能系統在建立圖像方面的進展，例如Midjourney、Stable Diffusion或DALL-E，最近還出現了結合文本、圖像、視訊、音頻甚至機器人功能的多模态系統。這些技術都是基礎模型，即基于深度神經網絡的龐大系統，在大量資料的訓練下，可以适應各種不同的任務。由于資訊和知識工作在美國經濟中占主導地位，這些智能機器将大大提高整體生産力。
01
人工智能對生産力的影響評估
生成式人工智能的最新進展是由軟體、硬體、資料收集以及對尖端模型的不斷投資推動的。Sevilla等人觀察到，過去十年中，用于訓練尖端人工智能系統的計算資源每六個月就翻一番。生成式人工智能系統的能力與此同時也在不斷增長，使其能夠執行許多過去隻有認知工作者才能完成的任務，如撰寫優雅的句子、生成計算機代碼、概括文章、集思廣益、組織計劃、翻譯其他語言、撰寫複雜的電子郵件等等。
生成式人工智能具有廣泛的應用領域，将對各行各業的勞工、職業和活動産生影響。與過去大多數自動化進步不同的是，它是一種影響認知工作的智能系統。正如最近的一篇研究論文所指出的，在某種形式上，大語言模型可能會影響到美國80%的勞動力。
近期的研究文獻估計了人工智能對特定職業或任務的生産力影響。Kalliamvakou發現，使用名為Codex的工具，基于大語言模型GPT-3的先前版本，軟體工程師的編碼速度可以提高一倍。Noy和Zhang發現，許多寫作任務的完成速度也可以加快一倍，而Korinek根據25個對語言模型的使用案例估計，經濟學家使用大語言模型可以提高10-20%的生産力。
但是，這些特定任務中的收益能否在實際場景中轉化為顯著的增益呢？答案似乎是肯定的。Brynjolfsson、Li和Raymond的研究表明，在呼叫中心營運商使用該技術後，他們的生産力提高了14%，對于經驗最少的勞工，提高幅度甚至超過30%。此外，與使用生成式人工智能作為輔助工具的營運商進行互動時，客戶更積極，也許正是以，員工的流失率更低。這一系統似乎通過捕捉和傳達一些關于如何解決問題和取悅顧客的隐性知識來創造價值，而這些知識過去隻能從在職經驗中學習。
大多數認知工作涉及利用過去的知識和經驗，并将其應用于目前的問題。生成式人工智能程式可能存在某些類型的錯誤，但這些錯誤的形式是可以預測的。例如，語言模型傾向于産生“幻覺”，即虛構事實和引用，是以，它們需要人類的監督。然而，它們的經濟價值并不取決于其是否完美，而取決于它們是否能夠發揮有效的作用。從這個角度來看，它們已經具備産生巨大影響的潛力。此外，生成式人工智能模型的準确性也在迅速提高。
02
生産力效應量化評估
最近高盛的一份報告表明，生成式人工智能可能使全球GDP增長7%，對于任何單一技術來說，這都具有顯著的效應。根據我們對各種應用案例和從事主要認知工作的勞動力比例的分析，我們認為這個估計是合理的，盡管人工智能最終對生産力和增長效應的影響仍存在很大的不确定性。
生成式人工智能有兩種方式提高生産力。
第一，生成式人工智能提高産出效率進而提高生産力。通過提高從事認知工作勞動者的效率，産出水準也随之增加。經濟理論告訴我們，在競争市場中，某個部門的生産力提升對總體生産力和産出的影響等于生産力提升的規模乘以該部門的規模。例如，如果生成式人工智能使認知型工作者在十年或二十年的時間内平均提高30%的生産力，并且認知工作占經濟中所有附加值的60%（根據認知任務所支付的工資總額來衡量），那麼在這些年份中，總體生産力和産出将增加18%。
第二，生成式人工智能加速創新，進而推動未來生産力增長。認知工作者不僅産生目前的産出，還進行新的發明和新的發現，并産生促進未來生産力增長的技術進步。這包括研發工作，即科學家所從事的工作，以及更重要的管理者所從事的工作，即将新的創新推廣到整個經濟的生産活動中。如果認知工作者變得更高效，他們将加速技術進步，進而提高生産力增長的速度，且這種效應将持續下去。例如，如果生産力增長率為2%，而支撐生産力增長的認知勞動力的生産力提高了20%，那麼生産力增長率将增加20%，達到2.4%。在某一年中，這種變化幾乎不會被察覺，通常被周期性的波動所掩蓋。
然而，生産力增長具有複利效應。在十年後，微小的生産力增長将使經濟規模增大5%，而且增長将在之後的每一年中進一步累積。此外，如果這種加速應用于增長率的增長率（例如，如果人工智能的一項應用是改善人工智能本身），那麼随着時間的推移，增長将加速。
03
人工智能應用的阻礙和驅動因素
為了實作生産力的增長，人工智能的進步必須在整個經濟中得到傳播。傳統上，這總是需要時間的，是以我們不會期望潛在的生産力增益立即顯現出來。這些進步需要由在整個經濟中雇傭認知勞動力的企業群組織采用和推廣，包括一些可能對适應先進新技術的潛力意識較慢或缺乏使用這些技術所需技能的中小型企業。例如，高盛的報告認為，需要10年時間才能完全實作這些增益。
經濟學理論認為，新技術僅在對補充無形資産（如業務流程和新技能）進行一段時間的投資後才能帶來生産力增益。是以，早期的通用技術，如電力和計算機，花費幾十年才對生産力産生顯著影響。采用和推廣的其他障礙包括對失業的擔憂、制度慣性和監管問題，在從醫學到金融和法律的各個領域。
然而，生成式人工智能還存在一些可以緩解這些障礙甚至加速采用的因素。首先，與實體自動化相比，認知自動化的一個優點是它通常可以通過軟體快速推廣，這一點尤為明顯地展現在目前普遍存在的數字基礎設施網際網路上。任何有網際網路連接配接的人都能夠通路ChatGPT，并且不需要使用者進行任何硬體投資，是以成為曆史上最快速釋出的産品，僅用兩個月就獲得了1億使用者。微軟和谷歌都正在推出生成式人工智能工具，作為他們搜尋引擎和辦公套件的一部分，為經常使用這些工具的先進國家的大部分認知勞動力提供了通路生成式人工智能的機會。其次，越來越多的應用程式程式設計接口（API）能夠被使用，以實作系統之間的無縫子產品化和連接配接，插件和擴充市場也在迅速增長，使添加功能變得更加容易。最後，與其他技術相比，生成式人工智能的使用者可以使用自然語言與技術進行互動，而不是使用特殊的代碼或指令，這使得學習和采用這些工具變得更加容易。
這些積極的因素表明，新技術的推廣可能比過去更快。然而，強調充分教育訓練以最大限度地利用這些工具的重要性更是不言而喻的。
免責聲明：本文轉自元戰略，原作者Mark。文章内容系原作者個人觀點，本公衆号編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！
轉自丨元戰略
作者丨Mark
研究所簡介
國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究大陸經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展态勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬号，緻力于向公衆傳遞前沿技術資訊和科技創新洞見。
位址：北京市海澱區小南莊20号樓A座
電話：010-82635522
微信：iite_er