生成式人工智能与未来工作

生成式人工智能与未来工作 增强或自动化？ 关于作者 约翰·齐斯曼 \\\\ 伯克利国际经济圆桌会议（BRIE） \\\\ 马克·尼茨伯格 \\\\加州大学伯克利分校 人类兼容人工智能中心 关于魏岑鲍姆研究所 魏岑鲍姆研究所是由联邦教育和研究部（BMBF）及柏林州共同资助的一个联合项目。该研究所进行跨学科和基础研究，对社会数字化转型进行研究，并基于证据和价值提供行动选项，以可持续、自主和负责任的方式塑造数字化进程。 魏岑鲍姆讨论论文 增强或自动化？生成式人工智能与未来工作 约翰·齐斯曼，马克·尼茨堡 摘要1 本报告探讨了生成式人工智能（AI）系统，如ChatGPT，对未来工作和生产力的潜在影响。它认为，尽管生成式AI功能强大，但它具有显著的限制和风险，需要人类“在回路中”进行干预，不仅是为了防止系统脱轨，也是为了捕捉价值。文章并非采取决定性的观点，认为人工智能（AI）将不可避免地摧毁工作，而是建议分析应从企业如何战略性地部署这些工具以获得优势开始。它提出了是否“增强”或“简单自动化”是未来的问题。我们的目标是超越炒作和绝望。2 现有的数字基础设施使得人工智能能够快速被采用。然而，仅基于自动化现有任务的预测无法捕捉到可能发生的复杂重组。在专业服务、材料和制药等领域的公司似乎特别容易受到生成式人工智能工具的应用影响。适应措施将因情境而异，并且很大程度上取决于谁控制着部署决策。保持人类的核心地位可能证明至关重要——在训练系统、整理数据和评估输出方面。一个问题是哪种商业策略和公共政策能够鼓励这种参与并使其成为可能。 尽管人工智能监管辩论很重要，但促进社会繁荣在很大程度上依赖于直接塑造人工智能的发展和使用轨迹。这需要影响企业面临的约束和激励，以及决策者的战略思维。哪些群体参与讨论和辩论至关重要。文章建议，除了传统的政策建议之外，还需要建立一个独立的公共利益咨询公司，以设计创造性的商业策略，以支持而不是阻碍社会繁荣。最终，避免反乌托邦情景可能取决于培养新规范，其中人类能力仍然至关重要。 目录表 是否有可能实现一个以人工智能为驱动的经济以促进社会繁荣？第31页评估新兴生成式人工智能对工作的影响 A 222 《A线与B线的比较》8第5部分印记361 生产：自动化还是增强？从人工智能寒冬至机器学习F13大型语言模型t 1 生产：自动化还是增强？ 这篇文章探讨了生成式人工智能（以下简称GenAI）对工作、工作组织以及由此产生的生产力的影响。3其目标是界定辩论的框架，以便超越炒作和绝望。4炒作和绝望伴随着每一个数字时代的到来，从晶体管和微处理器，到云计算和平台，现在则是现代人工智能和通用人工智能。在撰写本文时，我们旨在呈现对这一最新技术革命演变如何引导的平衡理解。 GenAI是一种“利用深度学习模型根据它们训练过的数据创建各种形式的内容（如文本、图像和代码）的人工智能技术。”5这代表着计算能力的一个重大飞跃。部署和采用的看似速度本身产生了一种紧迫感，即社会和经济已经达到了一个戏剧性的转折点。 人工智能（GenAI）突然在公众视野和商业环境中崭露头角，这不仅是因为其显著的创新，也因为其部署所必需的基本基础设施和技术已经就绪。当机器学习和基于转换器的系统被开发并部署时，数据、计算能力和网络都唾手可得。这些新工具的实验速度之快，即便尚未实现全面或多样化的采用，也是因为部署GenAI所需的互补数字工具和基础设施已经准备就绪。在过去的几十年中，尤其是“平台经济”的兴起，见证了支持生成式人工智能出现的所有数字能力的非凡扩张：存储、计算和信息通信技术。6当然，来自不断扩大的视频游戏行业以及随后的加密挖矿对新型芯片设计和图形芯片的需求推动了半导体创新，这些创新可以直接应用于机器学习和生成式AI。这一点在英伟达公司尤为明显，其估值已飙升至非凡水平。大型科技公司——谷歌、亚马逊、微软——拥有追求下一个“大事物”的财务资源，火箭发动机已被点燃。 人工智能的显著能力将在工作组织和市场竞争的各个方面促进、鼓励甚至推动重大变革，并可能产生真正的生产力提升。迄今为止，数字化自动化意味着以常规为导向的技术变革（RBTC），用电子资本替代常规任务中的人类劳动。现在，随着人工智能的发展，我们看到了RBTC的强化，技术的应用已经扩展到更不常规、认知负荷更重的任务。7人工智能是否会继续这一数字化自动化的轨迹，并以岗位和工人的替代形式构成新的威胁？或者，新能力将增强工人的能力，并产生一个更加智能的经济？工作与劳动市场将经历真正的增强，还是仅仅自动化？ 我们推测，通用人工智能（GenAI）能力的限制及其使用中固有的风险将限制这些工具的效用及其部署。在核心上，尽管通用人工智能提供了新的复杂性，但利用它的工具目前仍然主要是基于统计预测，没有任何关于世界运作方式的模型。因此，通用人工智能工具可以产生预测和演示，尽管它们是在易于使用的对话中开发并似乎具有确定性，但可能与任何现实几乎没有关系，甚至完全是虚构的现实。其次，大型语言模型（LLM）的性质意味着无法从结果回溯以理解结果的获得方式。例如，明确实施或应用结果可能会嵌入偏见或具有说服力但错误的陈述和过程的可能性，甚至可能是概率。一位著名的AI学者曾评论道：“如果是一个大型语言模型，那它更像是一个召唤出来的野兽，而不是设计出来的。” 因此，我们推测，这可能是由人工智能（AI）和生成式人工智能（GenAI）的统计基础所固有的结果：如果想要安全且有效地利用生成式人工智能，人类必须在它的开发、培训、编辑和部署过程中始终处于监控之中。尽管生成式人工智能具有非凡的力量，但其局限性和风险需要人类参与应对。本文的目的是框架化辩论，超越伴随每一时代新技术出现而来的炒作和绝望，从晶体管和微处理器时代开始，经过云计算和平台时代，至今的现代化AI和生成式人工智能。8它试图超越推广者的炒作和由此炒作引发的绝望，以便获得对如何引导这项技术演变的平衡理解。 显然，我们不知道GenAI技术将如何演变，其能力将如何扩展，或者其风险和限制是否会持续存在或得到解决。因此，我们只能对部署路径进行推测。GenAI工具的实际部署将取决于诸多因素，包括经济计算、企业能力以及监管考量。即便如此，我们仍有一些预期： 1. 企业将通过实验来寻找创造市场优势的方法。2. 一些实验将支持工人努力提高生产力。3. 一些实验将导致新的工作方式和组织工作方式的出现，而其他实验则可能逐渐消失或被完全放弃。 但将不会采用单一种类策略来实施这些工具，然而早期成功可能会为部分经济领域的更广泛发展趋势奠定基础。9面对关于通用人工智能技术演变及其部署路径的不确定性，那么我们应如何考虑其对工作以及更广泛的生产力产生的后果？对此问题的回答应遵循以下步骤： larify which sectors or competitive environments are the most exposed to GenAI or1) 在短期或中期，C 很可能受到其影响。考虑这些工具的使用公司采用的企业战略和战术。2) C可能会创造市场优势。\\\\这假设企业，而不是公共行政部门，可能是发展的推动者，并且这一假设应该被陈述。3) 在任何关于策略和战术的讨论中，考虑对工作的影响。\\\\工作，以及构成它们的任务，是商业和行政选择的成果，但不应该是分析的首要焦点；传统的“任务”关注点是错误的。 我们的讨论如下进行： \\章节 2，旨在为我们对生成式AI的讨论建立一个基准，总结了我们在2022年对机器学习AI对工作和经济影响的了解，在ChatGPT及其同类产品成为焦点之前。作为这次讨论的一部分，我们推测，对工作流失的持续担忧可能会让位于对劳动力短缺的担忧，随着工作适应以利用新技术创造优势。 \\第三部分考虑到新技术是什么以及基于与加州大学伯克利分校人类兼容人工智能中心（CHAI）的合作者的工作，它能够做什么和不能做什么。其中一些内容是基础的，但为了清晰起见，值得重新陈述。 \\第四章考虑如何将第3节中提到的进展翻译成至少是合理的推测，关于人工智能对工作未来的影响。 \\第五节本研究将第4节的分析扩展到考虑政策和企业战略的影响。我们问道：如果主题转变为劳动力短缺而不是职位替代，这将如何影响政策和战略？ 2 基准与超越 人工智能（AI）代表了人工智能开发与部署的新阶段。在考虑这位数字新来者现在和未来对工作的影响之前，我们应该确定关于机器学习AI等在数字化驱动的工作结构变化中早期发展影响的基准。我们还注意到，在未来几年内，发达国家对劳动力置换的担忧可能会转向对熟练劳动力短缺的担忧。当然，这将会使政策辩论的方向发生逆转。 一些明确的经验教训可以从中第一次AI创新中吸取，这次创新出现在漫长的AI冬天之后：使用神经网络的机器学习。10 这一时期强化版的RBTC，正如许多人所论证的，对那些介于低技能和高技能之间的活动产生了负面影响。11 尽管技术对所有经济体都有影响，但其对各国的影响存在显著差异，这取决于培训、福利和劳动力市场问题。 自动化已经从制造业转移到服务业，从认知性常规活动转向不那么常规的活动。常规服务当然已经实现了自动化，并且越来越多的服务领域受到影响。两个独特的元素共同改变了价值创造的方式： 1) 许多产品已转变为服务提供。 2) 数字平台公司已成为市场经济的重要组成部分。 下一部分的核心问题是这样的：生成式人工智能（GenAI）有什么新的特点，以及这些特点如何可能驱动下一轮工作调整？但是，首先，我们建议一个基准。 2.1 人工智能机器学习是常规偏向的技术发展，犹如激素加速。 正如Tyson和Zysman所论证的，到目前为止，人工智能对工作的影响最好被描述为“强化版的常规技术部署”，即我们“在替代人类的自动化工具上增加了智能”。任务和在日常工作中替代人类，但物理日益非常规的任务同样如此。” 认知这类最后类别——非例行认知任务——很可能会受到生成式人工智能（GenAI）的最大影 12响。 这项关于基于机器学习（ML）的AI创新轮次对工作影响的调查得出结论，尽管发生了这些转变，但工作仍将继续存在。13与其期待工作任务被人工智能取代，一个更准确的观点是，生产系统本身正在根据人工智能进行调整。14该问题一直存在：哪些工作任务会受到这种更广泛重组的间接影响？就业已经两极分化，尽管自动化并没有完全取代工作，但中等技术和半技术工人的好工作供不应求，他们的工资增长也停滞不前，这两者都导致了不平等。 中等技能和半熟练的常规工作流失导致劳动力市场分裂，低技能工作位于底层，而高技能、高薪工作位于顶层。15技术本身并不导致不平等；相反，不平等是由其部署方式所驱动的。尽管向两极分化的趋势在先进国家普遍存在，但劳动市场的影响却有所不同，具体的规则和安排减弱了工作两极分化的程度，而社会福利项目则缓解了其后果。16 关于自动化的讨论长期以来一直集中在制造业。多年来，汽车生产中的机器人，以及装配线和涂装车间里充满的这些机械工人，是自动化影响的象征。严格来说，这些自动化大多不是关于工作任务，而是关于机器人带来的技术优势，以及随之而来的工作活动的重组。半导体制造高度自动化，因为生产过程的特点意味着芯片不能以任何其他方式制造。同样，电池生产的进步，这种生产已经自动化，将需要实现固态电池促进向电力驱动绿色经济转型的希望。 关于我们可能从通用人工智能的部署中预期到的东西，先前数字自动化工具使用方式的国家差异是显著的。早期日本的数控机床“单元”，具有多种简单工具，为整个生产线提供灵活性，同时依赖工人技艺，可以与德国的高端多功能复杂工具和美国的标准工具进行对比，这些工具通常是 旨在一对一地取代工人。Helper等人以及Acemoglu等人关于自动化部署的研究表明，咨询公司和拥有MBA学位的人对这些工具的使用方式与那些在公司内部进行这些工具部署协调的公司有着相当不同的看法。17同样，关于“工业4.0”潜力的德国辩论，主要取决于对谁控制生产过程的不同观点，以及不可避免地如何使用这些工具的