![]()
▲点击图片查看chatGPT报告
![]()
ChatGPT 来了，失业还会远吗？
上周GPT-4刚推出，这周OpenAI就发布了35页论文官宣：80%的工作者，将会受到AI的影响！
研究人员称，GPT会是像蒸汽机或印刷机一样的通用技术，他们估计 ChatGPT 和使用该程序构建的未来应用可能影响美国大约 19% 的工作岗位和他们至少 50% 的工作任务。与此同时，80% 的美国劳动力至少有 10% 的工作任务在某种程度上将受到 ChatGPT 的影响。
而且，这种影响几乎横跨所有行业，学历越高，收入越高，白领做的工作AI越擅长，意味着被AI取代的可能性更大。
![]()
长按下方二维码
回复： GPT
![]()
这份研究报告首先摆出了从GPT-3.5到GPT-4的性能跃迁图，让大家看看大模型的发展速度，在各种专业测试和学术基准上，GPT-4的表现与人类水平相当。在随意谈话中，GPT-3.5和GPT-4之间的区别是很微妙的；只有当任务的复杂性达到足够的阈值时，差异就出现了，GPT-4比GPT-3.5 更可靠、更有创意，并且能够处理更细微的指令。
![]()
接下来，OpenAI 研究了美国超过 1000 个职业，并给他们贴上了执行这些工作所需的各种任务的标签。然后，研究人员使用人工注释器和 GPT-4 模型来评估访问由 ChatGPT 驱动的系统是否会将人类执行特定任务所需的时间减少至少 50%。
该研究分析表明，像 GPT-4 这样的 LLM（大型语言模型）的影响可能是无处不在的。此外，工资较高的工作—可能需要执行许多基于软件的任务会面临更多来自人工智能聊天机器人的潜在影响。最容易受到LLM影响的职业有：报税员、口译员和笔译员、调查研究人员、校对和抄写员、作家。其中，暴露率100%的工作包括数学家、报税员、量化金融分析师、作家、网络和数字界面设计师。甚至还有区块链工程师。
![]()
该研究分析表明，像 GPT-4 这样的 LLM（大型语言模型）的影响可能是无处不在的。此外，工资较高的工作 —— 可能需要执行许多基于软件的任务 —— 会面临更多来自人工智能聊天机器人的潜在影响。在职业影响方面，受影响最大的职业包括翻译工作者、作家、记者、数学家、财务工作者、区块链工程师等。![]()
该研究还按行业细分了 ChatGPT 的影响。数据处理托管、出版业等行业最有可能受到影响。相比之下，体力劳动较多的行业 —— 食品、林业、社会援助等受到的潜在影响最小。![]()
OpenAI 研究了美国超过 1000 个职业，并给他们贴上了执行这些工作所需的各种任务的标签。然后，研究人员使用人工注释器和 GPT-4 模型来评估访问由 ChatGPT 驱动的系统是否会将人类执行特定任务所需的时间减少至少 50%。![]()
我们先看总结，OpenAI 本次调查了 GPT 模型和相关技术对美国劳动力市场的潜在影响。他们根据人员职业与 GPT 能力的对应程度来进行评估，研究结果表明，大约 80% 的美国劳动力至少有 10% 的工作任务会受到 GPT 的引入影响，而大约 19% 的员工可能会看到至少 50% 的工作任务受到影响。这种影响涵盖所有工资水平，高收入工作可能面临更大的风险。值得注意的是，这种影响不仅限于近期生产率增长较高的行业。通过分析他们发现，像 GPT-4 这样的大型语言模型带来的影响可能是普遍的。随着时间的推移，LLM 的能力不断提高，即使现在研究人员停止对新模型能力的开发，但它们带来日益增长的经济效应也会持续增长。该研究还发现，如果考虑到互补技术的发展，LLM 的潜在影响将显著扩大。这也恰恰说明了 GPT 正变得越来越通用。为了分析，该研究还提出了一个新的标准来理解 LLM 的能力及其对工作潜在影响，该标准用来衡量关于 GPT 任务的总暴露数。看完结论，接下来就该介绍数据集了。该研究使用 O*NET 27.2 数据集 (O*NET, 2023)，该数据集包含 1016 个职业信息，表 1 提供了数据集示例，包含任务 ID、职位等。![]()
此外，数据集还包括他们从美国劳工统计局获得的 2020 年 - 2021 年员工就业和工资数据。该数据集包括职业头衔、每种职业的工人数量等。在方法上，该研究根据 exposure rubric 来展示结果，Exposure rubric 定义为访问 GPT 或 GPT 驱动的系统是否会将人类执行特定 DWA 或完成任务所需的时间减少至少 50%。（注：DWA 全称 Detailed Work Activities ，可以将其理解为完成任务所需要的动作，例如表 1，对于计算机系统工程师，其 DWA 包括监控电脑系统性能，确保正常运作。）![]()
该研究对每个 O*NET 数据集的 DWA 和所有 O*NET 任务的子集获得人工注释，然后在任务和职业级别上汇总这些 DWA 和任务得分。为了确保这些注释的质量，该研究亲自标记了大量任务和 DWA 样本，并招募了经验丰富的人工注释者，他们在 OpenAI 的对齐工作中广泛审查了 GPT 输出。下表为模型与人的一致性比较与皮尔逊相关系数。一致性分数是通过观察两组人在注释上达成一致的频率来确定的 (例如 E0, E1 或 E2)。在本文中，该研究使用 GPT-4, Rubric 1。![]()
该研究为感兴趣的因变量构建了三个主要度量：(i) 𝛼，对应于上面 exposure rubric 中的 E1， (ii) 𝛽，是 E1 和 0.5*E2 的总和，以及 (iii) 𝜁，E1 和 E2 的总和。该研究在表 2 中总结了注释组和度量之间的一致性。OpenAI 的这项研究以 GPT 语言模型对经济具有普遍影响作为假设，我们来看一下具体的研究结果。下表 3 是人类和 GPT-4 模型的总体 exposure 数据。其中，人类和 GPT-4 的数据表明平均 occupation-level 𝛼 值介于 0.14 和 0.15 之间，这表明对于中等职业，大约 15% 的任务直接受到 GPT 影响。对于 𝛽，这个数字增加到 30% 以上，对于 𝜁，这个数字则超过 50%。![]()
根据 𝛽 值，该研究估计 80% 的人属于至少一项工作任务受 GPT 影响的职业，而 19% 的人所处的职业有超过一半的工作任务被标记为受到 GPT 影响。![]()
下图 4 描绘了工作薪资与对 GPT 等语言模型接触使用情况的关系。![]()
然后，该研究又从不同的职业分类探究了 GPT 模型的影响，包括 ONET 数据库中的 5 个 Job Zone。其中，Job Zone 1 中的工作入职要求最低，Job Zone 5 则最高。![]()
![]()
总体来说，OpenAI 这项研究发现，工作对科学方法和批判性思维的依赖程度与 LLM 接触使用情况呈负相关，而编程和写作技能与 LLM 接触使用呈正相关。不过，该研究也承认：试图通过使用简单的标签来描述工作任务并代表每个职业，这种方法本身存在固有的偏见，并且可能忽略了一些特有的技能或任务。当然，还有一个非常重要的问题是 GPT 模型目前仍存在很多缺陷，包括编造虚假信息，这使得人工监督工作成为必要。大模型的广泛应用，或许意味着许多人将失去工作，但 OpenAI 首席执行官 Sam Altman 认为这也将是个找到更好工作的机会：「我们可以拥有更高的生活质量。同时，人们需要时间来更新、做出反应、习惯这项新技术。」
——推荐阅读——
![]()
1000+份大数据热门报告 500+人工智能热门书籍 500+互联网优质软件+PPT 100+豆瓣高分书籍2000本kindle高分书籍，45G小程序资料……
![]()
![]()
扫码进入知识分享社群
分享优质内容，让阅读有价值
愿行者智，并智者行
公众号后台回复 “社群”, 加入社群
![]()
![]()
