OpenAI發(fā)布！大語言模型對勞動力市場的影響

2023年3月17日，OpenAI官網(wǎng)發(fā)布了最新的研究論文《大語言模型對勞動力市場影響潛力的早期研究》，其研究顯示，持有學士、碩士和專業(yè)學位的人比沒有正式教育證書的人更容易受到GPT的影響。元戰(zhàn)略觀察員對本篇文章核心內(nèi)容進行了編譯，將GPT類大模型對勞動力市場以及不同職業(yè)和行業(yè)產(chǎn)生的深刻的潛在影響呈現(xiàn)給讀者。

摘要：本文研究了大語言模型（LLM），例如生成預訓練轉(zhuǎn)換器（GPT），對美國勞動力市場的潛在影響。研究人員采用了一種創(chuàng)新性評級方法，用來評估GPT模型在不同行業(yè)工作任務中的匹配度。研究發(fā)現(xiàn)，約80%的美國勞動力可能會因為GPT的應用而受到影響，而約19%的工作崗位中至少一半的工作任務可能會受到影響。

研究方法與數(shù)據(jù)

1按職業(yè)劃分的活動和任務數(shù)據(jù)

研究人員使用美國勞工部的O*NET 27.2數(shù)據(jù)庫，其中包含了1016個職業(yè)的信息，包括各自的詳細工作活動（Detailed Work Activities, DWAs）。同時，本文制定了共19265項任務用于評估GPT-4對工作的輔助效果，這些任務大多數(shù)與DWAs相關。

表1 計算機工程師/設計師、緊急救護、賭場服務、電商、幼兒園教師、小學教師等職業(yè)的工作活動內(nèi)容和任務描述

我們使用的兩個數(shù)據(jù)集包括：

?19,265個任務，每個任務具有一個“任務描述”和相應的職業(yè)，大多數(shù)任務與一個或多個DWA相關聯(lián)；

?2,087個DWA，大多數(shù)DWA與一個或多個任務相關聯(lián)，任務可能與一個或多個DWA相關聯(lián)，盡管有些任務缺乏相關的DWA。

2工資、就業(yè)和人口統(tǒng)計數(shù)據(jù)

本文使用美國勞工統(tǒng)計局（Bureau of Labor Statistics, BLS）提供的2020-2021年職業(yè)就業(yè)系列數(shù)據(jù)，包括職業(yè)名稱、每個職業(yè)的就業(yè)人數(shù)及工資、2031年這些職業(yè)的前景預測、職業(yè)準入的教育水平以及獲得職業(yè)能力所需的在職培訓情況等信息。BLS數(shù)據(jù)庫可以與O*NET數(shù)據(jù)庫相關聯(lián)，通過當前人口調(diào)查（Current Population Survey, CPS），將O*NET中的任務和工作活動數(shù)據(jù)集與BLS勞動力人口統(tǒng)計數(shù)據(jù)進行對應，截取相關數(shù)據(jù)。

3GPT對完成任務的有用程度（暴露度）

研究采用暴露度（Exposure）作為GPT對工作任務影響的評估標準。本次研究將暴露度定義為一個衡量標準：是否能夠通過利用GPT將完成特定工作任務的時間減少至少50%。具體而言，本文主要采用了三種評估標準：

1.無暴露度（E0）：應用模型不能減少50%的任務耗時，或者降低了任務的完成質(zhì)量。

2.直接暴露度（E1）：在保障任務質(zhì)量的前提下，完成任務耗時減少50%。

3.LLM+暴露度（E2）：雖然無法直接節(jié)省50%的任務耗時，但在LLM的基礎上開發(fā)其他額外功能以節(jié)省50%以上的耗時。

值得注意的是，本文所采用的暴露度評估標準旨在評估GPT對于特定任務的輔助效果，而非評估其完全替代人類完成任務的能力。

評估方法

研究人員使用了兩種評估方法來評估GPT系統(tǒng)的整體暴露度，分別為人工評分和GPT-4評分。

表2 GPT-4評分和人工評分的一致性以及皮爾遜相關分數(shù)的比較。一致性得分是通過觀察兩組分數(shù)的一致程度來確定的

通過這種分析方法，我們可以更好地了解GPT對不同職業(yè)的潛在影響。通過將各種任務和職業(yè)與GPT的暴露程度聯(lián)系起來，能夠預測哪些工作可能受到更大的影響。這有助于政策制定者和利益相關者了解GPT對勞動力市場的潛在影響，從而制定相應的政策和措施。

研究結(jié)果

1數(shù)據(jù)匯總

表3 人類和GPT-4暴露數(shù)據(jù)的匯總統(tǒng)計

匯總統(tǒng)計數(shù)據(jù)如表3所示。人類和GPT-4評分都表明，平均職業(yè)水平的α（即E1）值在0.14和0.15之間，這表明對于普通職業(yè)來說，大約15%的任務會對GPT直接暴露（即耗時縮短一半以上）。這個數(shù)字對于β（即E1+0.5*E2）增加到超過30%，對于ζ（即E1+E2）超過50%。巧合的是，人類和GPT-4評分均將整個數(shù)據(jù)集中14%-15%的任務評為直接暴露。根據(jù)β值，80%的員工至少有一項任務暴露于GPT，而19%的員工有一半以上的任務被記錄為暴露于GPT。

2工資與就業(yè)

表4 左邊顯示為受影響職業(yè)的百分比，右邊顯示為受影響工人的百分比

上圖展示了整個經(jīng)濟體相對于GPT的暴露強度，左圖顯示受影響職業(yè)的百分比，右圖顯示受影響人數(shù)的百分比。暴露強度的分布在職業(yè)和個人之間是相似的，這表明某職業(yè)的從業(yè)人數(shù)與職業(yè)相對于GPT的暴露度沒有很高的相關性，它可能與為特定領域開發(fā)GPT驅(qū)動軟件的投資密切相關。

3技能重要性

為探究職業(yè)技能的重要性和暴露度的關系，本文使用了O*NET數(shù)據(jù)集提供的基本技能，并對每個職業(yè)的技能重要性進行量化，對暴露度進行了回歸分析，以探究技能重要性與暴露程度之間的關聯(lián)。

研究結(jié)果表明，科學和批判性思維技能的重要性與暴露度呈現(xiàn)出強烈的負相關性，這意味著需要這些技能的職業(yè)不太可能受到當前GPT的影響。相反，編程和寫作技能與暴露呈現(xiàn)出強烈的正相關關系，這意味著涉及這些技能的職業(yè)更容易受到當前GPT的影響。

4研究方法

本研究還將職業(yè)準入門檻作為標準來觀察不同工作類型的暴露差異，通過研究“準入所需的典型教育”和“達到職業(yè)能力要求所需的在職培訓”兩個因素，揭示GPT對勞動力具有潛在影響的趨勢。

上表結(jié)果表明，持有學士、碩士和專業(yè)學位的人比沒有正式教育證書的人更容易接觸到GPT，部分完成大學課程但沒有學位的人也具有高水平的GPT暴露度。

研究結(jié)果顯示：

1.持有學士、碩士和專業(yè)學位的人比沒有正式教育證書的人更容易受到GPT的影響，部分完成大學課程但沒有學位的人也具有高水平的GPT暴露度。

2.暴露最少的工作需要最長時間的培訓，起薪水平也不高。相反，不需要在職培訓或僅需要實習的工作有更高的收入，但更容易受到GPT的影響。

5暴露度最高的職業(yè)

在人工評估下，暴露度最高的十大行業(yè)領域分別為：證券、大宗商品合同及其他金融投資服務、保險公司、數(shù)據(jù)加工托管及相關服務、其他信息服務、出版業(yè)（除了互聯(lián)網(wǎng)）、借貸信用中介、出租非金融無形資產(chǎn)（版權(quán)作品除外）、基金、信托及其他金融工具、央行及貨幣當局、電子批發(fā)市場及中介機構(gòu)。

在GPT-4評估下，暴露度最高的十大行業(yè)分別為：數(shù)據(jù)處理托管及相關服務、其他信息服務、出版業(yè)（互聯(lián)網(wǎng)除外）、保險公司、借貸信用中介、證券、大宗商品合約及其他金融投資服務、科學及技術(shù)專業(yè)服務、非金融無形資產(chǎn)出租（版權(quán)作品除外）、廣播電視（互聯(lián)網(wǎng)除外），央行及貨幣當局。

結(jié) 論

研究發(fā)現(xiàn)，對于LLM，大多數(shù)職業(yè)都有一定程度的暴露度，薪資較高的職業(yè)通常有更多高暴露度的任務。分析表明，根據(jù)當前LLM的技術(shù)水平，約19%的工作崗位至少有50%的任務暴露于GPT。

研究結(jié)果顯示，LLM（如GPT）的廣泛應用對美國經(jīng)濟發(fā)展和勞動力市場產(chǎn)生了重要影響。雖然LLM技術(shù)對于提高人類勞動效率和能力的作用是顯而易見的，但是社會、經(jīng)濟、監(jiān)管和其他因素將綜合影響實際的勞動生產(chǎn)結(jié)果。隨著技術(shù)能力的不斷發(fā)展，LLM對經(jīng)濟的影響力可能會持續(xù)提高，政策制定者需要關注它們可能帶來的倫理和安全風險，并采取措施來減輕其可能帶來的負面影響。

審核編輯 ：李倩