无论是否是炒作，过去几个月里，人工智能淘金热已经开始，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，一切都拜 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？”在世界各地的办公室里，类似的声音此起彼伏。
不过，尽管企业和高管看到了一个明显的淘金机会，但这项技术对工人和整体经济可能产生的影响却远不那么明显。尽管存在各式各样的局限性，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的创造力和推理的领域，包括写作、绘图、总结和分析数据。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，人工智能和其他数字工具取得了惊人的进步，但它们在刺激经济增长方面不尽人意。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，甚至因为自动化而丢了工作。
超越人类
然而，我们也拥有悲观的理由。2022 年春天，在《图灵陷阱：类似人类的承诺和危险》一书中，斯坦福大学经济学家埃里克·布林约夫松（Erik Brynjolfsson）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的能力。他认为对类人能力的追求，导致机器和技术仅被用于取代人类和压低人类工资，着加剧了财富和收入的不平等。他写道，这是财富日益集中的“最大解释”。一年后，我们看到 ChatGPT 的输出内容非常类似人类的产出。他说：“就像我警告过的那样：这激发了相关话题的讨论，尤其是关于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的模仿能力，但他在人工智能方面是一个技术乐观主义者。两年前，他预测，人工智能和其他数字技术将导致生产率的繁荣，而如今他仍然看好新的人工智能模型所带来的影响。他的乐观情绪主要来自于这样的信念，即企业可以通过使用 ChatGPT 等生成式人工智能来扩大产品范围，提高员工的生产力。“这是一个很好的创意工具。它能帮助你做新奇的事情，而不仅仅是用更低廉的成本做同样的事情。”他说，“只要公司和开发者能够抛开用其取代人类的心态，这是非常重要的。”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。“我们的经济基本上是靠知识工作者和信息工作者，很难想象哪一种类型的信息工作者不会受到其影响。”他说。
生产力什么时候才能提高，这是一个经济游戏。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（Robert Merton Solow）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：“我们到处都看得见计算机，就是在生产率统计方面却看不见它。”
直到后来，在 20 世纪 90 年代中后期，这些影响——尤其是来自半导体领域的进步——才开始出现在生产率数据中，因为企业知道了如何利用越来越便宜的计算能力和日益强大的软件。
人工智能也会发生同样的事情吗？加拿大多伦多大学的经济学家阿维·戈德法布（Avi Goldfarb）认为，这取决于我们能否像早期计算机时代那样，利用最新的技术来改变企业。他说，到目前为止，公司只是稍微地利用人工智能：“它将提高效率——它可能会逐步提高生产率——但最终，净收益将会很小。因为你只是把事情稍微做的好一点点。但是这项技术不仅能实现这一点，它还可以让我们创造新的流程，为客户创造价值。”至于生成式人工智能何时会激发这种局面，我们仍不确定。他说：“一旦我们弄清楚优秀的写作能力能让行业如何改变行事方式，或者对 DALL-E 而言优秀的平面设计能力如何改变行事方式，我们就将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（Anton Korinek）体验新一代大型语言模型（如 ChatGPT）之时，他做的事情和很多人类似：他开始肆意体验，看看它们如何帮助他的工作。他在 2023 年 2 月份的一篇论文中仔细地记录了它们的表现，并指出它们在 25 个“应用场景”下的效果，从头脑风暴和编辑文本（非常有用），到编程（在一些帮助下很好）再到做数学题（不是很好）。ChatGPT 错误地解释了经济学中最基本的原则之一，他说：“它的表现很差劲。”但这其他的亮眼表现足以弥补它。“我可以告诉你，作为一名认知工作者，这让我更有效率，”他说，“毫无疑问，当我使用语言模型时，我会更有效率。”当 GPT-4 问世时，他用同样的 25 个问题上测试了它的性能，其表现要好得多。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 和其他人工智能机器人将认知类工作变得自动化，而不需要在设备和基础设施上进行过多投资，因此经济生产力的提高可能比过去的技术革命要快得多。他说：“我认为，到 2023 年年底，我们就可能会看到生产力得到更大的提升。”更重要的是，他认为从长远来看，人工智能模型能够让他自己这样的研究人员变得更有效率，因此更有可能推动技术进步。
这种大型语言模型的潜力已经出现在物理学的研究中。贝伦德·斯密特（Berend Smit）在瑞士洛桑联邦理工学院 EPFL 管理着一个化学工程实验室，他是一名使用机器学习来发现新材料的专家。2022 年，在他的一个研究生凯文·迈克·贾布隆卡（Kevin Maik Jablonka）使用 GPT-3 展示了一些有趣的结果后，贾布隆卡被证明 GPT-3 对其进行的复杂机器学习研究是无用的。
“它完全失败了，”斯密特开玩笑说。
结果是，在用几个相关的例子进行了几分钟的微调后，该模型的表现堪比专门为化学开发的高级机器学习工具，它可以回答有关化合物的溶解度或其反应性等基本问题。简单地给它一个化合物的名称，它就可以根据结构预测各种性质。
就像在其他工作领域一样，大型语言模型可以帮助扩展非专家的专业知识和能力。这样来看，贾布隆卡目前是一位对复杂的机器学习工具知之甚少的化学家。他说，而大型语言模型就像检索一样简单，“它可以把机器学习带给广大的化学家。”
这些令人印象深刻的结果表明，人工智能在广泛的创造性工作中是多么强大，包括在科学发现中它们是多么容易令人震惊。
但这也指出了一些基本问题。随着生成式人工智能对经济和就业的潜在影响变得愈发迫在眉睫，谁将定义这些工具的设计和部署方式呢？谁将控制这项惊人技术的未来？
英国剑桥大学的经济学家黛安·科伊尔（Diane Coyle）说，其中一个担忧是大型语言模型有可能会被统治数字世界的科技巨头所主导。她指出，在 OpenAI 拿出 ChatGPT 之后，谷歌和 Meta 也在短时间内公布了自己的大型语言模型，训练这些模型所需的巨大计算成本为任何想要竞争的人创造了进入障碍。她说，人们担心的是这些公司都有类似的“广告驱动的商业模式”。她承认没有比较简单的解决办法，但她说一种可能性是模仿欧洲核子研究中心设立一个公共资助的生成式人工智能国际研究组织，并让其拥有运行模型所需的巨大计算能力和进一步发展该技术的科学专业知识。科伊尔说，在大型科技公司之外的努力，将“给模型的创造者在制作它们时所面临的激励带来一些多样性。”她说，虽然目前还不确定哪些公共政策有助于确保大型语言模式是最符合公众利益的，但越来越清楚的是，我们使用这项技术的方法不能只留给少数占主导地位的公司去定义。
历史为我们提供了大量的例子，即政府资助的研究机构在开发能为人类社会带来广泛繁荣的技术方面有多么重要。早在欧洲核子研究中心发明万维网之前，20 世纪 60 年代末的另一项公共资助的努力曾催生了互联网，当时是由美国国防部支持的阿帕网（ARPANET），其曾开创了多台计算机相互通信的方法。
在《权力与进步：我们关于技术与繁荣的 1000 年斗争》一书中，麻省理工学院的经济学家达伦·阿塞莫格鲁（Daron Acemoglu）和西蒙·约翰逊（Simon Johnson）提供了一个引人注目的回顾，即技术进步的历史及其创造广泛繁荣的混合记录。他们的观点是，应该刻意引导技术进步去带来更广泛的好处，而不是仅仅让精英变得更富有。
从第二次世界大战后到 20 世纪 70 年代初的几十年里，美国经济经历了快速的技术变革；大多数工人的工资都在上升，而收入不平等急剧下降。阿塞莫格鲁和约翰逊说，原因是技术进步被用来创造新的任务和工作机会，而社会和政治压力有助于确保工人与雇主比现在更平等地分享福利。
相比之下，他们写道最近几十年来，“美国中西部的工业中心地带”迅速采用制造机器人，但这只是摧毁了就业机会，导致了“长期的地区衰退”。
这本书将于 2023 年 5 月出版，对于理解当今人工智能的快速进步会带来什么、以及这些技术突破的使用方式将如何影响我们所有人的未来尤其相关。在最近的一次采访中，阿塞莫格鲁说，当 GPT-3 首次发布时，他们正在写这本书。他还半开玩笑地补充说：“我们预见到了 ChatGPT。”他坚持认为，人工智能的创造者“正朝着错误的方向前进”。他表示，人工智能背后的整个架构“都处于自动化的模式下”。“但生成式人工智能或一般人工智能没有什么内在因素去推动我们朝着这个方向发展，这只不过是 OpenAI、微软以及风险投资界人士的商业模式和愿景。”
如果你相信我们可以引导一项技术的发展轨迹，那么一个明显的问题是：谁是“我们”？这就是阿塞莫格鲁和约翰逊最前瞻的思考。他们写道：“社会及其有权有势的‘看门人’，应当停止被科技亿万富翁和他们的议程所吸引……人们不需要成为人工智能专家，就能对这些技术形成的进步方向和社会的未来拥有发言权。”
ChatGPT 的创造者和参与将其推向市场的商业人士，尤其是 OpenAI 的 CEO 山姆·奥特曼（Sam Altman），为公众提供了新的人工智能“刺激”，值得赞誉。它的潜力巨大，但在关于我们希望技术走向哪里，以及应该如何使用它的问题上，这并不意味着我们必须接受他们的愿景和愿望。
根据 OpenAI 的叙述，AI 最终的目标是通用人工智能，如果一切顺利这将带来巨大的经济财富和富足。奥特曼最近详细地讲述了这一愿景，为他长期倡导全民基本收入理念提供了更多的理由。对一些人来说，这听起来很诱人：没有工作，也能拿到钱！
但令人不安的是这个故事背后的假设——即人工智能正走上一条不可避免的、抹杀工作的道路，而我们大多数人只是被裹挟其中。这个想法，几乎否定了生成式人工智能帮助高技术水平人才进一步释放其才华的可能性，也进一步无视了由此可能带来的创造力和生产力的繁荣。很少有人讨论，如何利用该技术去提升人们的能力和专业知识，从而促进更广泛的繁荣。
正如阿塞莫格鲁和约翰逊所写：“我们正走向更大的不平等，这不是不可避免的，但却在‘谁在社会上拥有权力、谁能决定技术走向’上做出了错误选择。事实上，全民基本收入完全贴合商业和科技精英的愿景，即他们是开明的、有才华的人，应该慷慨地资助其余的人。”他俩提出了多种实现“更平衡的技术组合”的工具，从税收改革和其他可能鼓励创建更有利于工人的人工智能政策，到有望让学界摆脱大型科技公司对计算机科研和商学院研究的资金资助的改革。
但是，经济学家们承认，这样的改革是“一项艰巨的任务”，而想从社会层面推动技术变革是“很遥远的”。
好消息是，我们可以决定如何选择使用 ChatGPT 和其他大型语言模型。随着无数基于这项技术的应用程序被推向市场，企业用户和个人用户将有机会选择他们利用它的方式。公司可以决定是使用 ChatGPT 赋予人们更多的能力、还是简单粗暴地通过裁员来削减成本。
另一个积极的进展是：生成式人工智能的开源项目正在积蓄能量，这可能会打破大型科技公司对这些模型的控制。值得注意的是，2022 年有一千多名国际研究人员合作开发了一种名为 Bloom 的大型语言模型，该模型可以创建法语、西班牙语和阿拉伯语等语言的文本。如果科伊尔和其他人是对的，增加对人工智能研究的公共资金可能有助于改变未来突破的进程。
斯坦福大学的布林约夫松不认为自己能对结果保持乐观。不过，如今他对这项技术的热情仍然不减。他说：“如果我们朝着正确的方向使用这项技术，我们可以开启有史以来最好的十年之一，但这并不是一件容易的事。”
支持：Ren
原文：
相关文章
关于作者
猜你喜欢
