ChatGPT 來了，失業(yè)還會遠嗎？上星期在 GPT-4 發(fā)布時，ChatGPT 第一時間上線了新版本，OpenAI 首席執(zhí)行官 Sam Altman 表示他對自家這種技術(shù)「有點害怕」。

和很多專家一樣，Altman 擔(dān)心人工智能技術(shù)的強大能力會制造過多虛假信息，另一方面，新技術(shù)也將改變經(jīng)濟、勞動力和教育環(huán)境。

有人開玩笑說 Sam Altman 每天背著的同一個包，里面有緊急關(guān)停 AI 的紅色按鈕。

此前，AI 作畫已經(jīng)讓很多畫師開始擔(dān)憂自己的工作會被取代。昨天，OpenAI 研究人員提交的一篇報告引發(fā)了人們更加熱烈的討論，研究人員估計 ChatGPT 和使用該程序構(gòu)建的未來應(yīng)用可能影響美國大約 19% 的工作崗位，和他們至少 50% 的工作任務(wù)。

與此同時，80% 的美國勞動力至少有 10% 的工作任務(wù)在某種程度上將受到 ChatGPT 的影響。

該研究分析表明，像 GPT-4 這樣的 LLM（大型語言模型）的影響可能是無處不在的。此外，工資較高的工作 —— 可能需要執(zhí)行許多基于軟件的任務(wù) —— 會面臨更多來自人工智能聊天機器人的潛在影響。

在職業(yè)影響方面，受影響最大的職業(yè)包括翻譯工作者、作家、記者、數(shù)學(xué)家、財務(wù)工作者、區(qū)塊鏈工程師等。

該研究還按行業(yè)細分了 ChatGPT 的影響。數(shù)據(jù)處理托管、出版業(yè)等行業(yè)最有可能受到影響。相比之下，體力勞動較多的行業(yè) —— 食品、林業(yè)、社會援助等受到的潛在影響最小。

OpenAI 研究了美國超過 1000 個職業(yè)，并給他們貼上了執(zhí)行這些工作所需的各種任務(wù)的標簽。然后，研究人員使用人工注釋器和 GPT-4 模型來評估訪問由 ChatGPT 驅(qū)動的系統(tǒng)是否會將人類執(zhí)行特定任務(wù)所需的時間減少至少 50%。

讓我們看看這項研究具體在干什么：

論文地址：https://arxiv.org/pdf/2303.10130v1.pdf

研究介紹

我們先看總結(jié)，OpenAI 本次調(diào)查了 GPT 模型和相關(guān)技術(shù)對美國勞動力市場的潛在影響。他們根據(jù)人員職業(yè)與 GPT 能力的對應(yīng)程度來進行評估，研究結(jié)果表明，大約 80% 的美國勞動力至少有 10% 的工作任務(wù)會受到 GPT 的引入影響，而大約 19% 的員工可能會看到至少 50% 的工作任務(wù)受到影響。這種影響涵蓋所有工資水平，高收入工作可能面臨更大的風(fēng)險。值得注意的是，這種影響不僅限于近期生產(chǎn)率增長較高的行業(yè)。

通過分析他們發(fā)現(xiàn)，像 GPT-4 這樣的大型語言模型帶來的影響可能是普遍的。隨著時間的推移，LLM 的能力不斷提高，即使現(xiàn)在研究人員停止對新模型能力的開發(fā)，但它們帶來日益增長的經(jīng)濟效應(yīng)也會持續(xù)增長。該研究還發(fā)現(xiàn)，如果考慮到互補技術(shù)的發(fā)展，LLM 的潛在影響將顯著擴大。這也恰恰說明了 GPT 正變得越來越通用。

為了分析，該研究還提出了一個新的標準來理解 LLM 的能力及其對工作潛在影響，該標準用來衡量關(guān)于 GPT 任務(wù)的總暴露數(shù)。

看完結(jié)論，接下來就該介紹數(shù)據(jù)集了。該研究使用 O*NET 27.2 數(shù)據(jù)集 (O*NET, 2023)，該數(shù)據(jù)集包含 1016 個職業(yè)信息，表 1 提供了數(shù)據(jù)集示例，包含任務(wù) ID、職位等。

此外，數(shù)據(jù)集還包括他們從美國勞工統(tǒng)計局獲得的 2020 年 - 2021 年員工就業(yè)和工資數(shù)據(jù)。該數(shù)據(jù)集包括職業(yè)頭銜、每種職業(yè)的工人數(shù)量等。

在方法上，該研究根據(jù) exposure rubric 來展示結(jié)果，Exposure rubric 定義為訪問 GPT 或 GPT 驅(qū)動的系統(tǒng)是否會將人類執(zhí)行特定 DWA 或完成任務(wù)所需的時間減少至少 50%。（注：DWA 全稱 Detailed Work Activities ，可以將其理解為完成任務(wù)所需要的動作，例如表 1，對于計算機系統(tǒng)工程師，其 DWA 包括監(jiān)控電腦系統(tǒng)性能，確保正常運作。）

該研究對每個 O*NET 數(shù)據(jù)集的 DWA 和所有 O*NET 任務(wù)的子集獲得人工注釋，然后在任務(wù)和職業(yè)級別上匯總這些 DWA 和任務(wù)得分。為了確保這些注釋的質(zhì)量，該研究親自標記了大量任務(wù)和 DWA 樣本，并招募了經(jīng)驗豐富的人工注釋者，他們在 OpenAI 的對齊工作中廣泛審查了 GPT 輸出。

下表為模型與人的一致性比較與皮爾遜相關(guān)系數(shù)。一致性分數(shù)是通過觀察兩組人在注釋上達成一致的頻率來確定的 (例如 E0, E1 或 E2)。在本文中，該研究使用 GPT-4, Rubric 1。

該研究為感興趣的因變量構(gòu)建了三個主要度量：(i) ??，對應(yīng)于上面 exposure rubric 中的 E1， (ii) ??，是 E1 和 0.5*E2 的總和，以及 (iii) ??，E1 和 E2 的總和。該研究在表 2 中總結(jié)了注釋組和度量之間的一致性。

研究結(jié)果

OpenAI 的這項研究以 GPT 語言模型對經(jīng)濟具有普遍影響作為假設(shè)，我們來看一下具體的研究結(jié)果。

下表 3 是人類和 GPT-4 模型的總體 exposure 數(shù)據(jù)。其中，人類和 GPT-4 的數(shù)據(jù)表明平均 occupation-level ?? 值介于 0.14 和 0.15 之間，這表明對于中等職業(yè)，大約 15% 的任務(wù)直接受到 GPT 影響。對于 ??，這個數(shù)字增加到 30% 以上，對于 ??，這個數(shù)字則超過 50%。

根據(jù) ?? 值，該研究估計 80% 的人屬于至少一項工作任務(wù)受 GPT 影響的職業(yè)，而 19% 的人所處的職業(yè)有超過一半的工作任務(wù)被標記為受到 GPT 影響。

工資和就業(yè)

下圖 3 描繪了 GPT 模型對經(jīng)濟的整體影響。

下圖 4 描繪了工作薪資與對 GPT 等語言模型接觸使用情況的關(guān)系。

然后，該研究又從不同的職業(yè)分類探究了 GPT 模型的影響，包括 ONET 數(shù)據(jù)庫中的 5 個 Job Zone。其中，Job Zone 1 中的工作入職要求最低，Job Zone 5 則最高。

總體來說，OpenAI 這項研究發(fā)現(xiàn)，工作對科學(xué)方法和批判性思維的依賴程度與 LLM 接觸使用情況呈負相關(guān)，而編程和寫作技能與 LLM 接觸使用呈正相關(guān)。

不過，該研究也承認：試圖通過使用簡單的標簽來描述工作任務(wù)并代表每個職業(yè)，這種方法本身存在固有的偏見，并且可能忽略了一些特有的技能或任務(wù)。

當(dāng)然，還有一個非常重要的問題是 GPT 模型目前仍存在很多缺陷，包括編造虛假信息，這使得人工監(jiān)督工作成為必要。

大模型的廣泛應(yīng)用，或許意味著許多人將失去工作，但 OpenAI 首席執(zhí)行官 Sam Altman 認為這也將是個找到更好工作的機會：「我們可以擁有更高的生活質(zhì)量。同時，人們需要時間來更新、做出反應(yīng)、習(xí)慣這項新技術(shù)?！?/span>