Влияние генеративного искусственного интеллекта на производительность

Технологии автоматизации – машины, способные выполнять производительные задачи вместо людей – сыграли огромную роль в экономической истории человечества со времен промышленной революции. От автоматизации текстильного производства в 19 веке до механизации сельского хозяйства в начале 20 века исторические волны автоматизации привели к огромным отраслевым перераспределениям рабочей силы и способствовали урбанизации и масштабным социальным изменениям. Эти волны автоматизации были далеко не совсем благоприятными в краткосрочной и среднесрочной перспективе (Аджемоглу и Джонсон, 2023), но в конечном итоге способствовали огромному росту производства и уровня жизни в промышленно развитых странах.

В период с 1970-х по начало 2020-х годов история автоматизации в странах с высоким уровнем дохода оставалась довольно последовательной (Autor 2015). Достижения в области машиностроения, появление компьютеров и распространение цифровых технологий привели к постепенной автоматизации задач «средней квалификации», начиная от задач на сборочном конвейере в цехах и заканчивая канцелярскими задачами по ведению бухгалтерского учета и бухгалтерскому учету (Autor et al. 2003). Эти задачи, состоящие из дискретных, формализуемых последовательностей шагов, могут все чаще программироваться во все более дешевых компьютерах и машинах, вытесняя людей из многих профессий.

Эти дополнительные волны «рутинной» автоматизации способствовали широко обсуждаемой «поляризации» рынка труда: рабочие места в промышленности и конторских служащих со средней заработной платой постепенно таяли, в то время как новые рабочие места появлялись в низкооплачиваемых профессиях по уборке, розничной торговле и средствам личной гигиены. а также высокооплачиваемые управленческие, технические и профессиональные профессии. Как следствие, за этот период резко возросло неравенство в заработной плате и доходах: демографические группы, которые когда-то концентрировались в профессиях, пораженных автоматизацией, отставали (Acemoglu и Restrepo, 2022), в то время как профессионалы с более высокими доходами и владельцы капитала вырвались вперед (Moll et al., 2022).

Начиная с 2010-х годов экономисты заметили, что растущая область машинного обучения может направить автоматизацию в новом направлении. Раньше задачи можно было автоматизировать только в том случае, если их можно было разбить на явные последовательности шагов, которые можно было формально объяснить компьютеру или машине. Таким образом, многие задачи, требующие творчества или неявных, трудно формализуемых знаний – от письма до медицинского диагноза и графического дизайна – избегали автоматизации. Но в 2010-х годах экономисты отметили, что новые методы «глубокого обучения», которые индуктивно обучают компьютеры на больших существующих наборах данных, а не дают явные инструкции, могут в конечном итоге позволить автоматизировать даже творческие или основанные на неявных знаниях задачи.

Первая волна технологий автоматизации на основе машинного обучения была нацелена на «предсказывающие» задачи, такие как решения об освобождении под залог, решения о приеме на работу или медицинские диагнозы (Кляйнберг и др., 2018, Чалфин и др., 2016, Муллайнатан и Обермайер, 2022). Алгоритмы машинного обучения становятся все более эффективными в создании двоичных прогнозов на основе многомерных входных данных, что вызывает опасения по поводу будущего таких профессий, как радиология. Но творческие задачи по-прежнему казались надежно изолированными от угрозы автоматизации.

Ситуация изменилась с публичным выпуском впечатляющих «генеративных» систем искусственного интеллекта в середине-конце 2022 года. Эти системы, обученные с использованием методов глубокого обучения генерировать большие связные массивы текста или хорошо созданные изображения в ответ на письменные подсказки, были существенно улучшены. более мощный, чем любой ранее существовавший чат-бот или инструмент для создания изображений. Впервые оказалось, что задачи творческого письма или дизайна могут столкнуться с неизбежной массовой автоматизацией.

В недавней статье (Ной и Чжан, 2023) мы сообщаем о результатах проведенного нами онлайн-эксперимента, который дает первый взгляд на потенциальную производительность и влияние на рынок труда текстовых генеративных систем искусственного интеллекта, в частности ChatGPT 3.5.

Мы провели эксперимент на Prolific, платформе для опросов, которая является основой академических исследований в области социальных наук. Мы проверили десятки тысяч респондентов на платформе, чтобы определить подгруппу респондентов с высшим образованием в интересующих нас профессиях — менеджеров, специалистов по кадрам, авторов грантов, маркетологов, консультантов и аналитиков данных — которые были выбраны на основе нашей способности придумайте реалистичные письменные задания продолжительностью 20–30 минут, связанные с конкретной профессией, которые мы могли бы выполнить с помощью онлайн-опроса. Менеджерам и специалистам по персоналу было поручено написать секретное электронное письмо, маркетологам — написать пресс-релиз для гипотетического продукта, авторам грантов — написать заявку на грант, консультантам — написать краткий отчет, а аналитикам данных — написать план анализа. Около 85% участников оценили задания как «реалистичные» или «очень реалистичные» имитации реальных задач, выполняемых в их профессиях.