2023年5月10日，布魯金斯學(xué)會(huì)發(fā)布《人工智能推動(dòng)生產(chǎn)力飛速提升》報(bào)告。報(bào)告指出，大語言模型如ChatGPT等正成為強(qiáng)大的工具，不僅提高了工作人員的生產(chǎn)力，還加快了創(chuàng)新的速度，為經(jīng)濟(jì)增長奠定了基礎(chǔ)。這種快速進(jìn)步可能帶來巨大的好處，但也可能帶來重大風(fēng)險(xiǎn)，因此確保我們能夠引導(dǎo)人工智能朝著造福整個(gè)社會(huì)的方向發(fā)展至關(guān)重要。

未來幾年內(nèi)，數(shù)百萬的勞動(dòng)者，包括醫(yī)生、律師、經(jīng)理和銷售人員等，將會(huì)經(jīng)歷劃時(shí)代的轉(zhuǎn)變，利用人工智能顯著提高他們的生產(chǎn)力。最新一代人工智能系統(tǒng)的潛力可以從ChatGPT的廣泛傳播中生動(dòng)展現(xiàn)出來，這個(gè)大語言模型通過生成連貫且與上下文相適應(yīng)的文本引起了公眾的關(guān)注。這并非是一個(gè)默默無聞的創(chuàng)新，它的功能已經(jīng)吸引了數(shù)億用戶。

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(chuàng)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(tǒng)在創(chuàng)建圖像方面的進(jìn)展，例如Midjourney、Stable Diffusion或DALL-E，最近還出現(xiàn)了結(jié)合文本、圖像、視頻、音頻甚至機(jī)器人功能的多模態(tài)系統(tǒng)。這些技術(shù)都是基礎(chǔ)模型，即基于深度神經(jīng)網(wǎng)絡(luò)的龐大系統(tǒng)，在大量數(shù)據(jù)的訓(xùn)練下，可以適應(yīng)各種不同的任務(wù)。由于信息和知識(shí)工作在美國經(jīng)濟(jì)中占主導(dǎo)地位，這些智能機(jī)器將大大提高整體生產(chǎn)力。

01、人工智能對生產(chǎn)力的影響評估

生成式人工智能的最新進(jìn)展是由軟件、硬件、數(shù)據(jù)收集以及對尖端模型的不斷投資推動(dòng)的。Sevilla等人觀察到，過去十年中，用于訓(xùn)練尖端人工智能系統(tǒng)的計(jì)算資源每六個(gè)月就翻一番。生成式人工智能系統(tǒng)的能力與此同時(shí)也在不斷增長，使其能夠執(zhí)行許多過去只有認(rèn)知工作者才能完成的任務(wù)，如撰寫優(yōu)雅的句子、生成計(jì)算機(jī)代碼、概括文章、集思廣益、組織計(jì)劃、翻譯其他語言、撰寫復(fù)雜的電子郵件等等。

生成式人工智能具有廣泛的應(yīng)用領(lǐng)域，將對各行各業(yè)的工人、職業(yè)和活動(dòng)產(chǎn)生影響。與過去大多數(shù)自動(dòng)化進(jìn)步不同的是，它是一種影響認(rèn)知工作的智能系統(tǒng)。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(huì)影響到美國80%的勞動(dòng)力。

近期的研究文獻(xiàn)估計(jì)了人工智能對特定職業(yè)或任務(wù)的生產(chǎn)力影響。Kalliamvakou發(fā)現(xiàn)，使用名為Codex的工具，基于大語言模型GPT-3的先前版本，軟件工程師的編碼速度可以提高一倍。Noy和Zhang發(fā)現(xiàn)，許多寫作任務(wù)的完成速度也可以加快一倍，而Korinek根據(jù)25個(gè)對語言模型的使用案例估計(jì)，經(jīng)濟(jì)學(xué)家使用大語言模型可以提高10-20%的生產(chǎn)力。

但是，這些特定任務(wù)中的收益能否在實(shí)際場景中轉(zhuǎn)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，在呼叫中心運(yùn)營商使用該技術(shù)后，他們的生產(chǎn)力提高了14%，對于經(jīng)驗(yàn)最少的工人，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運(yùn)營商進(jìn)行互動(dòng)時(shí)，客戶更積極，也許正因此，員工的流失率更低。這一系統(tǒng)似乎通過捕捉和傳達(dá)一些關(guān)于如何解決問題和取悅顧客的隱性知識(shí)來創(chuàng)造價(jià)值，而這些知識(shí)過去只能從在職經(jīng)驗(yàn)中學(xué)習(xí)。

大多數(shù)認(rèn)知工作涉及利用過去的知識(shí)和經(jīng)驗(yàn)，并將其應(yīng)用于當(dāng)前的問題。生成式人工智能程序可能存在某些類型的錯(cuò)誤，但這些錯(cuò)誤的形式是可以預(yù)測的。例如，語言模型傾向于產(chǎn)生“幻覺”，即虛構(gòu)事實(shí)和引用，因此，它們需要人類的監(jiān)督。然而，它們的經(jīng)濟(jì)價(jià)值并不取決于其是否完美，而取決于它們是否能夠發(fā)揮有效的作用。從這個(gè)角度來看，它們已經(jīng)具備產(chǎn)生巨大影響的潛力。此外，生成式人工智能模型的準(zhǔn)確性也在迅速提高。

02、生產(chǎn)力效應(yīng)量化評估

最近高盛的一份報(bào)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(shù)來說，這都具有顯著的效應(yīng)。根據(jù)我們對各種應(yīng)用案例和從事主要認(rèn)知工作的勞動(dòng)力比例的分析，我們認(rèn)為這個(gè)估計(jì)是合理的，盡管人工智能最終對生產(chǎn)力和增長效應(yīng)的影響仍存在很大的不確定性。

生成式人工智能有兩種方式提高生產(chǎn)力。

第一，生成式人工智能提高產(chǎn)出效率從而提高生產(chǎn)力。通過提高從事認(rèn)知工作勞動(dòng)者的效率，產(chǎn)出水平也隨之增加。經(jīng)濟(jì)理論告訴我們，在競爭市場中，某個(gè)部門的生產(chǎn)力提升對總體生產(chǎn)力和產(chǎn)出的影響等于生產(chǎn)力提升的規(guī)模乘以該部門的規(guī)模。例如，如果生成式人工智能使認(rèn)知型工作者在十年或二十年的時(shí)間內(nèi)平均提高30%的生產(chǎn)力，并且認(rèn)知工作占經(jīng)濟(jì)中所有附加值的60%（根據(jù)認(rèn)知任務(wù)所支付的工資總額來衡量），那么在這些年份中，總體生產(chǎn)力和產(chǎn)出將增加18%。

第二，生成式人工智能加速創(chuàng)新，從而推動(dòng)未來生產(chǎn)力增長。認(rèn)知工作者不僅產(chǎn)生當(dāng)前的產(chǎn)出，還進(jìn)行新的發(fā)明和新的發(fā)現(xiàn)，并產(chǎn)生促進(jìn)未來生產(chǎn)力增長的技術(shù)進(jìn)步。這包括研發(fā)工作，即科學(xué)家所從事的工作，以及更重要的管理者所從事的工作，即將新的創(chuàng)新推廣到整個(gè)經(jīng)濟(jì)的生產(chǎn)活動(dòng)中。如果認(rèn)知工作者變得更高效，他們將加速技術(shù)進(jìn)步，從而提高生產(chǎn)力增長的速度，且這種效應(yīng)將持續(xù)下去。例如，如果生產(chǎn)力增長率為2%，而支撐生產(chǎn)力增長的認(rèn)知?jiǎng)趧?dòng)力的生產(chǎn)力提高了20%，那么生產(chǎn)力增長率將增加20%，達(dá)到2.4%。在某一年中，這種變化幾乎不會(huì)被察覺，通常被周期性的波動(dòng)所掩蓋。

然而，生產(chǎn)力增長具有復(fù)利效應(yīng)。在十年后，微小的生產(chǎn)力增長將使經(jīng)濟(jì)規(guī)模增大5%，而且增長將在之后的每一年中進(jìn)一步累積。此外，如果這種加速應(yīng)用于增長率的增長率（例如，如果人工智能的一項(xiàng)應(yīng)用是改善人工智能本身），那么隨著時(shí)間的推移，增長將加速。

03、人工智能應(yīng)用的阻礙和驅(qū)動(dòng)因素

為了實(shí)現(xiàn)生產(chǎn)力的增長，人工智能的進(jìn)步必須在整個(gè)經(jīng)濟(jì)中得到傳播。傳統(tǒng)上，這總是需要時(shí)間的，因此我們不會(huì)期望潛在的生產(chǎn)力增益立即顯現(xiàn)出來。這些進(jìn)步需要由在整個(gè)經(jīng)濟(jì)中雇傭認(rèn)知?jiǎng)趧?dòng)力的企業(yè)和組織采用和推廣，包括一些可能對適應(yīng)先進(jìn)新技術(shù)的潛力意識(shí)較慢或缺乏使用這些技術(shù)所需技能的中小型企業(yè)。例如，高盛的報(bào)告認(rèn)為，需要10年時(shí)間才能完全實(shí)現(xiàn)這些增益。

經(jīng)濟(jì)學(xué)理論認(rèn)為，新技術(shù)僅在對補(bǔ)充無形資產(chǎn)（如業(yè)務(wù)流程和新技能）進(jìn)行一段時(shí)間的投資后才能帶來生產(chǎn)力增益。因此，早期的通用技術(shù)，如電力和計(jì)算機(jī)，花費(fèi)幾十年才對生產(chǎn)力產(chǎn)生顯著影響。采用和推廣的其他障礙包括對失業(yè)的擔(dān)憂、制度慣性和監(jiān)管問題，在從醫(yī)學(xué)到金融和法律的各個(gè)領(lǐng)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，與物理自動(dòng)化相比，認(rèn)知自動(dòng)化的一個(gè)優(yōu)點(diǎn)是它通?？梢酝ㄟ^軟件快速推廣，這一點(diǎn)尤為明顯地體現(xiàn)在目前普遍存在的數(shù)字基礎(chǔ)設(shè)施互聯(lián)網(wǎng)上。任何有互聯(lián)網(wǎng)連接的人都能夠訪問ChatGPT，并且不需要用戶進(jìn)行任何硬件投資，因此成為歷史上最快速發(fā)布的產(chǎn)品，僅用兩個(gè)月就獲得了1億用戶。微軟和谷歌都正在推出生成式人工智能工具，作為他們搜索引擎和辦公套件的一部分，為經(jīng)常使用這些工具的先進(jìn)國家的大部分認(rèn)知?jiǎng)趧?dòng)力提供了訪問生成式人工智能的機(jī)會(huì)。其次，越來越多的應(yīng)用程序編程接口（API）能夠被使用，以實(shí)現(xiàn)系統(tǒng)之間的無縫模塊化和連接，插件和擴(kuò)展市場也在迅速增長，使添加功能變得更加容易。最后，與其他技術(shù)相比，生成式人工智能的用戶可以使用自然語言與技術(shù)進(jìn)行交互，而不是使用特殊的代碼或命令，這使得學(xué)習(xí)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(shù)的推廣可能比過去更快。然而，強(qiáng)調(diào)充分培訓(xùn)以最大限度地利用這些工具的重要性更是不言而喻的。