2024-12-15 科技 0
在过去几个月里，人工智能的热潮已经开始，这场淘金热吸引了许多人去挖掘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所赐.
“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，在世界各地办公室里回荡.
尽管企业和高管看到了一个明显的商机，但这项技术对工人的影响却远不那么清晰。尽管存在各种局限性，ChatGPT和其他最近发布的人工智能模型可以自动化很多任务，而这些任务以前被认为是需要人类创造力和推理的地方，如写作、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.
超越人类
然而，我们也拥有悲观理由。2022年春天，在《图灵陷阱：类似人类的承诺与危险》一书中，斯坦福大学经济学家埃里克·布林约夫松警告说，人工智能创造者过于痴迷于模仿人类智能，而不是使用这种技术来让人们完成新任务并扩展他们能力。他认为，对类似人类能力的追求导致机器仅被用于取代人类，并加剧了财富和收入不平等。他写道，这是财富日益集中的大解释。
他说：“就像我警告过的一样，这激发了相关话题讨论，尤其是在如何使用新技术给人们提供新的能力，而不是简单地取代人类。”
尽管布林约夫松担心人工智能开发者会无视这些话题继续提升模型对人类模仿能力，但他仍然是一个技术乐观主义者。他预测十年内生成式人工智能将为美国增加数万亿美元经济增长。“我们的经济基本上是由知识工作人员构成，他们很难想象哪种类型的人力资源不会受到其影响。”
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而获得诺贝尔奖。他说了一句名言：“计算机随处可见，却在生产率统计中看不见它们。”
直到后来，在20世纪90年代中期，这些影响——尤其是半导体领域进步——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的计算能力和日益强大的软件。
同样的事情会发生吗？加拿大多伦多大学经济学家阿维·戈德法布认为，这取决于我们能否像早期计算机时代那样利用最新技术改变企业。“它将提高效率——可能逐步提高生产率——但最终净收益将很小，因为你只是把事情稍微做得好一点点。但这项技术不仅能实现这一点，它还能让我们创造新的流程，为客户带来价值.”
至于何时会激发这种局面，我们仍不知道。他说：“一旦我们弄清楚优秀写作技能如何改变行业行事方式，或优秀平面设计技能如何改变行事方式，我们就会经历巨大的生产率提升。但如果你问这会出现在下周、明年或十年后吗？我不知道。”
权力斗争
当美国弗吉尼亚大学经济学家安东·科里内克体验新一代大型语言模型（如ChatGPT）时，他做的事情与许多普通人的行为相似：他开始尝试，看看它们是否能够帮助他的工作。当他测试 ChatGPT 和 GPT-4 时，他发现两者的表现都令人印象深刻，他指出了 25 个“应用场景”的效果，从头脑风暴到编辑文本，再到编程，都有所帮助。
当 GPT-4问世时，他再次进行相同 25 个问题测试，其表现更胜一筹。编造东西的情况更少，在数学上的表现也更好。他指出，由于 ChatGPT 和其他 AI 将认知类工作变得自动化，无需大量设备投资，因此可能比过去任何一种技术要快地提高经济生产力。
即使如此，大型语言模型对于物理科学研究也有潜力。在瑞士洛桑联邦理工学院 EPFL 管理化学工程实验室的是贝伦德·斯密特。一位名叫凯文·迈克·贾布隆卡在使用 GPT-3 后展示了一些有趣结果后，该实验室证明 GPT-3 对复杂机器学习研究是不必要或完全失败。
然而，不久之后，该模型通过几分钟微调后的表现竟然堪比专门为化学发展设计高级机器学习工具，可以回答有关化合物溶解度或反应性的基本问题。只需给它一个化合物名称，它就可以根据结构预测各种性质.
就像其他工作领域一样，大型语言模型可以帮助非专家的专业知识扩展。大型语言模型简直就是检索一样简单，“它可以把机器学习带给广大化学师。”
这些令人震惊的事实表明，将成为科技界的一个重要议题，即谁定义并部署这些工具，以及谁控制未来？
英国剑桥大学教授黛安・科伊尔提出了一个担忧，那就是大型语言模式可能被掌控数字世界的大型科技巨头所主导。她指出，就在OpenAI公布ChatGPT之后，谷歌及Meta也迅速公布了自己的版本，她提醒注意的是训练这样庞大的计算成本为任何想要竞争的人设置障碍。她建议建立一个公共资助的大规模国际研究组织，以确保所有参与方均可访问运行模式所需巨量计算资源.
