2024-12-15 科技 0
在过去几个月里，人工智能的热潮已经开始，许多人开始挖掘ChatGPT等生成式人工智能模型中的商业机会。应用程序开发者、风险投资支持的初创公司和一些世界上最大的公司都在努力寻找机会，一切都归功于OpenAI在2022年11月发布的这个文本生成聊天机器人。
“我们能用ChatGPT做什么？我们怎么才能靠这个赚钱？”这样的声音此起彼伏，在世界各地的办公室里回荡。尽管企业和高管看到了一个明显的淘金机会，但这项技术对工人的影响却远不那么明显。尽管存在各种局限性，但ChatGPT和其他最近发布的生成式人工智能模型可以让许多任务自动化，而这些任务以前被认为是需要人类创造力和推理的大领域，包括写作、绘图、总结数据分析。这让经济学家们无法确定它会对就业机会和整体生产率造成什么影响。
尽管过去十年来，人工智能取得了惊人的进步，但它们在刺激经济增长方面不尽如人意。虽然其中不乏一些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，甚至因为自动化而失去了工作。
超越人类
然而，我们也拥有悲观理由。在《图灵陷阱：类似人类承诺与危险》一书中，斯坦福大学经济学家埃里克·布林约夫松警告说，对类似人类智能过度追求，将导致机器仅用于取代人类，并压低劳动力成本，加剧财富与收入不平等。他认为，这是财富日益集中现象的一个最大解释。一年后，我们看到ChatGPT输出内容非常类似于人类产出。他说：“正如我警告过的一样，这激发了相关话题讨论，无论是在如何使用新技术为人们提供新的能力，不仅仅是简单地取代他们。”
尽管布林约夫松担心的人工智能开发者可能忽视这些话题继续提升模型模仿能力，他是一个技术乐观主义者。他预测，只要公司能够抛开用其取代人类的心态，这是一种很好的创意工具，可以帮助你做新奇的事情，而不是只用更低廉的成本做同样事情。他预测十年内生成式人工智能将为美国增加数万亿美元的经济增长。“我们的经济基本上依赖知识工作人员和信息工作人员，是难以想象哪一种类型信息工作不会受到其影响。”他说。
生产力何时才能提高，这是一个复杂的问题，也许我们只需要保持耐心。
1987年麻省理工学院经济学家罗伯特·索罗因解释创新如何推动经济增长获得了诺贝尔奖。他说了一句名言：“计算机到处都是，但是它几乎看不到它在生产率统计中。”直到后来，在20世纪90年代中期，这些影响——尤其来自半导体领域——才开始出现在生产率数据中，因为企业知道如何利用越来越便宜计算能力和日益强大的软件。
1987年的另一位获奖者詹姆斯·托宾（James Tobin）提出了“通货膨胀税”概念，以解决通货膨胀问题。但他也指出，即使当时计算机价格下降得快，它们对于提高生产效率所产生效果仍然有限。而且，由于缺乏适当的人口政策，其潜力的实现速度缓慢。此外，他还指出，有必要确保教育资源分配公平，以促进长期可持续发展。
但如果我们把这一点转移到今天的情况，那么情况似乎有些不同。加拿大多伦多大学教授阿维·戈德法布（Avi Goldfarb）认为，现在关键的是了解优秀写作或设计技能如何改变行业流程，为客户创造价值。当问及何时这种局面会发生，他回答：“一旦我们弄清楚优秀写作或设计技能能否改变行事方式，或DALL-E之类优秀平面设计能力是否能够改变行事方式，我们就会经历巨大的生产率提升。但如果你问这会出现下周、明年或者十年之后吗？我不知道。”
权力斗争
当美国弗吉尼亚大学教授安东·科里内克体验新一代大型语言模型（如ChatGPT）之时，他发现自己正在进行实验，看看它们是否能帮助他的研究。当他测试这些工具时，他注意到它们在25个“应用场景”下的表现，从头脑风暴到编程，再到数学题，都表现得相当好。特别是在物理学研究中的应用令人印象深刻。大型语言模型已显示出极大的潜力，让化学工程师能够快速找到材料属性，比传统方法快很多。这表明，大型语言模型可以扩展非专家的专业知识，使普通化学家也能像专家一样进行复杂实验。
随着这些工具成为主流，更重要的是谁定义它们以及他们应该被用于什么目的的问题变得紧迫。不只是关于个人隐私保护，还有关应对未来可能出现的问题，如自动化带来的失业问题，以及控制那些掌握大量数据的人手中的力量问题。在英国剑桥大学教授黛安·科伊尔的话语中，她提出担忧科技巨头可能会主导这一领域。她指出谷歌、三星等巨头早已展示了自己的大型语言处理系统，并且训练这样一个系统所需的大量计算资源形成了一道难以逾越的地基障碍。她建议建立一个公共资助国际组织来运行这些系统，以确保公众利益得到保护，并防止商业目的干扰科学探索。如果这是未来的方向，那么对于所有参与者的挑战将更加清晰，而且对于那些希望利用这一革命性的技术来说，他们必须准备好迎接前所未有的变化，同时保障公众利益同时实现个人成长空间也是必不可少的一环。
