像ChatGPT这样的语言建模者将如何影响职业和行业? 埃德·费尔滕(普林斯顿)ManavRaj(宾夕法尼亚大学)RobertSeamans(纽约大学) 2023年3月1日 Abstract最近人工智能语言建模能力的急剧增加引发了许多关于这些技术对经济影响的问题。在本文中,我们提出了一种方法,以系统地评估职业,行业和地区在AI语言建模能力方面的进步。我们发现,接受语言建模的顶级职业包括电话推销员和各种中学后教师,例如英语语言和文学,外语和文学以及历史教师。我们发现,在语言建模方面取得进展的顶级行业是法律服务和证券、商品和投资。 关键词:人工智能,ChatGPT,语言建模,职业,技术 1.Introduction 人工智能(AI)可能会在许多方面影响经济,可能会促进经济增长并改变人们的工作和娱乐方式。人工智能对工作的影响可能是多方面的。在某些情况下,人工智能可以替代以前由人类完成的工作,在其他情况下,人工智能可以补充人类完成的工作。对工作的影响也可能因行业而异。Goldfarb等人(2020)最近的研究表明,在信息技术和金融等一些行业中,人工智能的采用率相对较高,但在医疗保健和建筑等其他行业中采用率较低。此外,试图理解人工智能将如何影响工作就像试图击中一个移动的目标,因为人工智能的能力仍在进步。 AI能力如何不断进步的一个突出例子是AI语言建模的最新改进。特别是,OpeAI在2022年底发布的语言建模者ChatGPT引起了巨大的关注和争议。有些人担心像ChatGPT这样的工具对工作的负面影响,正如《纽约邮报》的一篇文章标题为“ChatGPT可能会使这些工作过时:'狼在门口。'."1其他人从语言建模中看到了实用和商业的希望。例如,微软宣布与OpenAI建立100亿美元的合作伙伴关系,并将ChatGPT与其Bing搜索引擎联系起来。2谷歌觉得有必要展示自己的语言建模师Bard,但演示过程中的错误导致谷歌股价下跌了7%。3ChatGPT已被J.P.Morgan禁止。4然而,目前,这大部分是猜测。 为了更好地了解诸如ChatGPT之类的语言建模者将如何影响职业,行业和地理位置,我们使用了Felte等人(2018,2021)开发的方法。Felte等人创建了AI职业暴露(AIOE)度量,并使用该度量来确定哪些职业,行业和地区最容易受到AI的影响。在本文中,我们描述了AIOE方法如何适应语言建模的最新进展。 1https://nypost.com/2023/01/25/chat-gpt-could-make-these-jobs-used/ 2https://www.bloomberg.com/news/articles/2023-01-23/microsoft-makes-multillion-dollar-investment-in-openai 3https://www.cnbc.com/2023/02/08/alphabet-shares-slip-following-googles-ai-event-.html 4https://www.cbsnews.com/news/chatgpt-jpmorgan-chase-bars-workers-from-using-ai-tool/ 我们发现,受影响的顶级职业包括电话推销员和各种中学后教师,例如英语语言文学,外语文学和历史教师 。我们还发现,在语言建模方面取得进步的顶级行业是法律服务和证券,商品和投资。 这篇文章有助于一些文献。首先,通过对跨职业,行业和地域的语言建模效果进行系统的检查,它为有关ChatGPT和其他语言建模者对经济的影响的新生文献做出了贡献(例如ProcedreAgarwal等人。,2022年;Zarifoarvar,2023年)。更广泛地说,这篇文章建立在更广泛的研究人工智能对经济影响的文献基础上(Frma和Seamas,2019;Goldfarb等人。,2019年)。其次,本文建立并扩展了一组论文,这些论文提供了系统的方法来研究AI如何影响职业(例如Procedre,Bryjolfsso等人,2018年;Frey&Osbore,2017年;Tola等人。,2021年;韦伯,2020年)。本文特别建立和扩展了Felte等人描述的方法。(2018年,2021年) 。通过这样做,本文展示了原始Felte等人方法的灵活性;它可以动态调整以评估AI能力变化的影响。最后,本文增加了有关自动化技术对劳动的影响的大量文献(例如Procedre,Acemogl等人。,2022年;Ator,2015年;Fra等人。,2019;Gez等人。,2021年)。 文章进行如下。第2节描述了由Felten等人(2018年,2021年)开发的人工智能职业暴露(AIOE)度量。第3节扩展了AIOE,以说明语言建模的最新进展。第4节提供了结果,包括列出了前20名受影响最大的职业和行业。第5节总结。 2.AI职业暴露方法 根据Felten等人(2021)的说法,AI职业暴露(AIOE)是衡量每个职业对AI的“暴露”的量度。使用“暴露”一词以使AI对职业的影响不可知,这可能涉及替代或增加,具体取决于与职业本身相关的各种因素。 AIOE度量是通过链接10个AI应用程序(抽象策略游戏,实时视频游戏,图像识别,视觉问答,图像生成,阅读理解,语言建模,翻译,语音识别和乐器跟踪 识别)对52个人的能力(例如。Procedre,口头理解,口头表达,归纳推理,手臂稳定等)使用众包矩阵 ,指示每个AI应用程序与人类能力之间的相关性水平。有关AI应用程序的数据来自电子前沿基金会(EFF) ,该基金会收集并维护有关多个应用程序中AI进度的统计数据。人类能力数据来自美国劳工部开发的职业信息网络(O*NET)数据库。O*NET使用这52种人类能力来描述其跟踪的800多种职业的职业构成。800多种职业中的每一种都可以被认为是52种人类能力的加权组合。O*NET使用两组权重:普遍性和重要性。 一旦通过矩阵链接了10个AI类别和52个人类能力,就可以为每个职业计算AIOE。为此,首先我们计算一个能力水平暴露如下: = 𝐴𝑖�=∑10𝑥𝑖�(1) 其中i对AI应用进行索引,j对职业能力进行索引。能力水平暴露A计算为使用众包调查数据矩阵构建的10个应用能力相关性得分x的总和。 然后,我们计算每个职业k的AIOE如下: ∑52𝐴𝑖𝑗×𝐿𝑗𝑘×𝐼𝑗� (2) ==1 ∑ □52 =1 𝐿𝑗𝑘×𝐼𝑗� 在该等式中,i表示AI应用,j表示职业能力,表示职业。Aij代表能力水平暴露得分。我们通过O*NET测量的每个职业中的能力患病率(Lj)和重要性(Ij)对能力水平的AI暴露进行加权,方法是将能力水平的AI暴露乘以每个职业中的该能力的患病率和重要性得分,缩放以使它们的权重相等。 Felten等人(2021)更详细地解释了AIOE分数的构建,描述了如何在行业级别对其进行加权以构建AI行业暴露分数,或在地理级别对其进行加权以构建AI地理暴露分数。他们还提供结果 从一些验证练习中,并描述了学者和从业者可以使用分数的多种方式。5 3.语言建模AI职业暴露 Feltenetal(2021)中描述的原始AIOE明确加权每个AI应用程序相同。为了更新AI职业暴露评分以说明语言建模的进步,我们修改公式(1)如下。 = 𝐴𝑖�=∑10𝛼𝑖𝑥𝑖�(3) 其中i对AI应用进行索引,j对职业能力进行索引。能力水平暴露A计算为使用众包调查数据矩阵构建的10个应用能力相关性得分x的加权总和。是放置在每个应用程序上的权重i。Felten等人(2021)集中使用的权重 对于每个应用程序i等于1。 接下来,我们设置𝛼�除语言建模外,每个AI应用程序都等于0,它的权重为1。然后,这将构建一个能力水平暴露度量,该度量仅“计算”与语言建模相关的能力的值。然后,我们继续计算𝐴𝐼𝑂𝐸�对于每个职业k使用这个新的“语言建模”加权𝐴𝑖𝑗.产生的𝐴𝐼𝑂𝐸�因此,可以捕获每个职业因AI而受到语言建模进步的程度。附录中列出了职业的完整列表及其产生的AIOE语言建模分数。 得到的分数与原始AIOE分数高度相关(相关系数:0.979),这可以在图1中看到,图1绘制了每个职业的原始 AIOE分数和新语言建模调整的AIOE分数。 <<在此处插入图1>> 4.Results 5Felten等人(2021)的论文是开放访问的,可在此处获得:https://onlinelibrary.wiley.com/doi/full/10.1002/smj.3286用于创建Felten等人(2021)中描述的AIOE分数的数据和代码可在GitHub上获得:https:/ /github.com/AIOE-Data/ 在本节中,我们介绍并简要讨论了“前20名”职业和语言建模行业的表格。 4.1.语言建模的前20个职业 表1提供了基于原始Felten等人(2021年)AI职业暴露(AIOE)度量的AI前20个职业的列表,以及暴露于AI的语言建模能力进步的前20个职业。 <<在此处插入表1>> 两个列表中都有一些职业,包括“临床,咨询和学校心理学家”和“中学后历史老师”。值得注意的是,语言建模列表包括更多与教育相关的职业,这表明教育领域的职业可能比其他职业受到语言建模进步的影响相对更大。这与最近有关ChatGPT和其他语言建模工具如何影响教师分配工作和检测作弊或可以使用语言建模工具开发教材的方式的文章非常吻合。 同样令人感兴趣的是,语言建模列表中的最高职业是“电话推销员”。“人们可能会想象,人类电话推销员可以从语言建模中受益,以增强他们的工作。例如,客户响应可以被实时地馈送到语言建模引擎中,并且相关的、客户特定的提示被快速地馈送到电话推销员。或者,人们可以想象,人类电话推销员被支持语言建模的机器人代替。语言建模增强或替代人类电话推销员工作的潜力突出了AIOE措施的一个方面:它衡量对AI的“暴露”,但这种暴露是否导致增强或替代将取决于任何特定职业的具体情况。 4.2.语言建模的前20个行业 表2提供了基于原始Felten等人(2021)AI行业曝光率(AIIE)衡量标准的20个最容易受到AI影响的行业列表,以及暴露于AI的前20个行业在语言建模能力方面的进步。 <<在此处插入表2>> 与以前一样,我们看到基于原始AIOE以及专注于语言建模功能进步的版本,被归类为最容易接触AI的行业中的一些相似之处。例如,“证券、商品合约和其他金融投资及相关活动”被归类为使用原始AIOE的最暴露的行业,并且是使用AIOE的语言建模重点版本的第二暴露的行业。法律服务,保险和员工福利基金以及代理机构,经纪和其他与保险相关的活动都是这两个列表中最暴露的五个行业。 然而,出现了一些差异。一个显著的差异是,以语言建模为中心的AIOE表明,在高等教育和高等教育相邻行业中 ,人工智能的进步有更高的曝光率。初级学院、授权和提供服务、商学院以及计算机和管理培训都出现在前20个曝光行业中。 5.Conclusion 在本文中,我们提出了一种方法来系统地评估职业和行业在AI语言建模能力方面的进步。这种方法依赖于Felte等人(2021)中描述的方法,但对其进行了调整以说明语言建模的最新进展。我们发现,接受语言建模的顶级职业包括电话推销员和各种中学后教师,例如英语语言和文学,外语和文学以及历史教师。我们还发现,在语言建模方面取得进展的顶级行业是法律服务和证券、商品和投资。 在广泛的层面上,这篇论文增加了越来越多的研究人工智能对劳动和工作影响的文献。更具体地说,这篇论文提供了一个系统的方法来理解ChatGPT和其他语言建模者将如何影响职业、行业和地理。我们相信这些结果对其他学者、从业者和政策制定者都是有用的。 参考文献 Acemoglu,D.,Autor,D.,Haz