2023年5月10日，布魯金斯學會發(fā)布《人工智能推動生產(chǎn)力飛速提升》報告。報告指出，大語言模型如ChatGPT等正成為強大的工具，不僅提高了工作人員的生產(chǎn)力，還加快了創(chuàng)新的速度，為經(jīng)濟增長奠定了基礎。這種快速進步可能帶來巨大的好處，但也可能帶來重大風險，因此確保我們能夠引導人工智能朝著造福整個社會的方向發(fā)展至關重要。

未來幾年內(nèi)，數(shù)百萬的勞動者，包括醫(yī)生、律師、經(jīng)理和銷售人員等，將會經(jīng)歷劃時代的轉變，利用人工智能顯著提高他們的生產(chǎn)力。最新一代人工智能系統(tǒng)的潛力可以從ChatGPT的廣泛傳播中生動展現(xiàn)出來，這個大語言模型通過生成連貫且與上下文相適應的文本引起了公眾的關注。這并非是一個默默無聞的創(chuàng)新，它的功能已經(jīng)吸引了數(shù)億用戶。

最近公開推出的其他大語言模型還包括谷歌的Bard和人工智能初創(chuàng)公司Anthropic的Claude。然而，生成式人工智能并不僅限于文本：近年來，我們還見證了生成式人工智能系統(tǒng)在創(chuàng)建圖像方面的進展，例如Midjourney、Stable Diffusion或DALL-E，最近還出現(xiàn)了結合文本、圖像、視頻、音頻甚至機器人功能的多模態(tài)系統(tǒng)。這些技術都是基礎模型，即基于深度神經(jīng)網(wǎng)絡的龐大系統(tǒng)，在大量數(shù)據(jù)的訓練下，可以適應各種不同的任務。由于信息和知識工作在美國經(jīng)濟中占主導地位，這些智能機器將大大提高整體生產(chǎn)力。

01、人工智能對生產(chǎn)力的影響評估

生成式人工智能的最新進展是由軟件、硬件、數(shù)據(jù)收集以及對尖端模型的不斷投資推動的。Sevilla等人觀察到，過去十年中，用于訓練尖端人工智能系統(tǒng)的計算資源每六個月就翻一番。生成式人工智能系統(tǒng)的能力與此同時也在不斷增長，使其能夠執(zhí)行許多過去只有認知工作者才能完成的任務，如撰寫優(yōu)雅的句子、生成計算機代碼、概括文章、集思廣益、組織計劃、翻譯其他語言、撰寫復雜的電子郵件等等。

生成式人工智能具有廣泛的應用領域，將對各行各業(yè)的工人、職業(yè)和活動產(chǎn)生影響。與過去大多數(shù)自動化進步不同的是，它是一種影響認知工作的智能系統(tǒng)。正如最近的一篇研究論文所指出的，在某種形式上，大語言模型可能會影響到美國80%的勞動力。

近期的研究文獻估計了人工智能對特定職業(yè)或任務的生產(chǎn)力影響。Kalliamvakou發(fā)現(xiàn)，使用名為Codex的工具，基于大語言模型GPT-3的先前版本，軟件工程師的編碼速度可以提高一倍。Noy和Zhang發(fā)現(xiàn)，許多寫作任務的完成速度也可以加快一倍，而Korinek根據(jù)25個對語言模型的使用案例估計，經(jīng)濟學家使用大語言模型可以提高10-20%的生產(chǎn)力。

但是，這些特定任務中的收益能否在實際場景中轉化為顯著的增益呢？答案似乎是肯定的。Brynjolfsson、Li和Raymond的研究表明，在呼叫中心運營商使用該技術后，他們的生產(chǎn)力提高了14%，對于經(jīng)驗最少的工人，提高幅度甚至超過30%。此外，與使用生成式人工智能作為輔助工具的運營商進行互動時，客戶更積極，也許正因此，員工的流失率更低。這一系統(tǒng)似乎通過捕捉和傳達一些關于如何解決問題和取悅顧客的隱性知識來創(chuàng)造價值，而這些知識過去只能從在職經(jīng)驗中學習。

大多數(shù)認知工作涉及利用過去的知識和經(jīng)驗，并將其應用于當前的問題。生成式人工智能程序可能存在某些類型的錯誤，但這些錯誤的形式是可以預測的。例如，語言模型傾向于產(chǎn)生“幻覺”，即虛構事實和引用，因此，它們需要人類的監(jiān)督。然而，它們的經(jīng)濟價值并不取決于其是否完美，而取決于它們是否能夠發(fā)揮有效的作用。從這個角度來看，它們已經(jīng)具備產(chǎn)生巨大影響的潛力。此外，生成式人工智能模型的準確性也在迅速提高。

02、生產(chǎn)力效應量化評估

最近高盛的一份報告表明，生成式人工智能可能使全球GDP增長7%，對于任何單一技術來說，這都具有顯著的效應。根據(jù)我們對各種應用案例和從事主要認知工作的勞動力比例的分析，我們認為這個估計是合理的，盡管人工智能最終對生產(chǎn)力和增長效應的影響仍存在很大的不確定性。

生成式人工智能有兩種方式提高生產(chǎn)力。

第一，生成式人工智能提高產(chǎn)出效率從而提高生產(chǎn)力。通過提高從事認知工作勞動者的效率，產(chǎn)出水平也隨之增加。經(jīng)濟理論告訴我們，在競爭市場中，某個部門的生產(chǎn)力提升對總體生產(chǎn)力和產(chǎn)出的影響等于生產(chǎn)力提升的規(guī)模乘以該部門的規(guī)模。例如，如果生成式人工智能使認知型工作者在十年或二十年的時間內(nèi)平均提高30%的生產(chǎn)力，并且認知工作占經(jīng)濟中所有附加值的60%（根據(jù)認知任務所支付的工資總額來衡量），那么在這些年份中，總體生產(chǎn)力和產(chǎn)出將增加18%。

第二，生成式人工智能加速創(chuàng)新，從而推動未來生產(chǎn)力增長。認知工作者不僅產(chǎn)生當前的產(chǎn)出，還進行新的發(fā)明和新的發(fā)現(xiàn)，并產(chǎn)生促進未來生產(chǎn)力增長的技術進步。這包括研發(fā)工作，即科學家所從事的工作，以及更重要的管理者所從事的工作，即將新的創(chuàng)新推廣到整個經(jīng)濟的生產(chǎn)活動中。如果認知工作者變得更高效，他們將加速技術進步，從而提高生產(chǎn)力增長的速度，且這種效應將持續(xù)下去。例如，如果生產(chǎn)力增長率為2%，而支撐生產(chǎn)力增長的認知勞動力的生產(chǎn)力提高了20%，那么生產(chǎn)力增長率將增加20%，達到2.4%。在某一年中，這種變化幾乎不會被察覺，通常被周期性的波動所掩蓋。

然而，生產(chǎn)力增長具有復利效應。在十年后，微小的生產(chǎn)力增長將使經(jīng)濟規(guī)模增大5%，而且增長將在之后的每一年中進一步累積。此外，如果這種加速應用于增長率的增長率（例如，如果人工智能的一項應用是改善人工智能本身），那么隨著時間的推移，增長將加速。

03、人工智能應用的阻礙和驅動因素

為了實現(xiàn)生產(chǎn)力的增長，人工智能的進步必須在整個經(jīng)濟中得到傳播。傳統(tǒng)上，這總是需要時間的，因此我們不會期望潛在的生產(chǎn)力增益立即顯現(xiàn)出來。這些進步需要由在整個經(jīng)濟中雇傭認知勞動力的企業(yè)和組織采用和推廣，包括一些可能對適應先進新技術的潛力意識較慢或缺乏使用這些技術所需技能的中小型企業(yè)。例如，高盛的報告認為，需要10年時間才能完全實現(xiàn)這些增益。

經(jīng)濟學理論認為，新技術僅在對補充無形資產(chǎn)（如業(yè)務流程和新技能）進行一段時間的投資后才能帶來生產(chǎn)力增益。因此，早期的通用技術，如電力和計算機，花費幾十年才對生產(chǎn)力產(chǎn)生顯著影響。采用和推廣的其他障礙包括對失業(yè)的擔憂、制度慣性和監(jiān)管問題，在從醫(yī)學到金融和法律的各個領域。

然而，生成式人工智能還存在一些可以緩解這些障礙甚至加速采用的因素。首先，與物理自動化相比，認知自動化的一個優(yōu)點是它通常可以通過軟件快速推廣，這一點尤為明顯地體現(xiàn)在目前普遍存在的數(shù)字基礎設施互聯(lián)網(wǎng)上。任何有互聯(lián)網(wǎng)連接的人都能夠訪問ChatGPT，并且不需要用戶進行任何硬件投資，因此成為歷史上最快速發(fā)布的產(chǎn)品，僅用兩個月就獲得了1億用戶。微軟和谷歌都正在推出生成式人工智能工具，作為他們搜索引擎和辦公套件的一部分，為經(jīng)常使用這些工具的先進國家的大部分認知勞動力提供了訪問生成式人工智能的機會。其次，越來越多的應用程序編程接口（API）能夠被使用，以實現(xiàn)系統(tǒng)之間的無縫模塊化和連接，插件和擴展市場也在迅速增長，使添加功能變得更加容易。最后，與其他技術相比，生成式人工智能的用戶可以使用自然語言與技術進行交互，而不是使用特殊的代碼或命令，這使得學習和采用這些工具變得更加容易。

這些積極的因素表明，新技術的推廣可能比過去更快。然而，強調充分培訓以最大限度地利用這些工具的重要性更是不言而喻的。