点击蓝字
关注我们
海外智库观察
人工智能会对劳动力起到替代还是赋能作用?人工智能的发展是否会导致大规模的失业?这些问题是人工智能国际治理关注的重要议题。本期海外智库观察聚焦人工智能与劳动力的关系,呈现了两篇相关文章的核心观点。第一篇来自信息技术与创新基金会,强调了人工智能,特别是大型语言模型,在提高劳动生产力方面的积极作用。文章引用了多项研究,展示了AI在写作、编码、客户服务等领域带来的效率提升,尤其对技能较弱的工作者帮助更大。第二篇来自美国企业研究所,从经济学角度分析了AI技术普及对就业市场的影响。文章指出,新技术的普及需要较长时间,其对劳动力市场的影响是复杂的,既有替代效应,也有创造新就业的补偿机制。两篇文章共同呼吁政策制定者和企业应理性看待AI技术的发展,合理配置资源以最大化AI应用的效益。
美国信息技术与创新基金会
Information Technology and Innovation Foundation, ITIF
证据表明人工智能可以提高生产力
2024年6月11日,信息技术与创新基金会发布Google公共政策研究员Julian Jacobs撰写的文章《证据表明人工智能可以提高生产力(Evidence Shows Productivity Benefits of AI)》。文章指出,自2022年ChatGPT推出以来,许多行业的工作者开始使用像ChatGPT这样的大型语言模型(Large Language Model, LLM),使研究人员能够研究AI对劳动生产力的影响。研究结果为AI在写作、编码、行政任务、文本摘要和研究等多项专业任务中提高生产力提供了实证证据。
首先,作者指出,一些研究关注了LLM对写作生产力的影响,并有研究表明LLM还提高了编码生产力。例如,Noy和Zhang(2023)进行了一项自然实验,招募了受过大学教育的专业人士完成写作任务。他们发现,使用ChatGPT的参与者比不使用的人写作速度更快、质量更高,并且更享受他们的任务。技能较弱的参与者从使用ChatGPT中受益最多。同时,Doshi和Hauser(2023)探讨了生成式AI对写作创造力的影响,发现使用AI生成的创意能提高故事的创造性和写作质量(由一组读者评判),对于较弱的写作者尤其如此。最后,Chen和Chan(2023)发现,当用于对人工生成的内容提供反馈时,LLM可以提高广告文案写作的效果。此外,Yilmaz和Yilmaz(2023)研究了使用ChatGPT进行编程教育对学生计算思维技能、编程自我效能感和动机的影响。作者将学生随机分配到对照组,发现使用ChatGPT的学生在编码效率和计算思维方面显著更高。Peng等人(2023)的另一项实验也印证了这些发现,该实验测量了GitHub Copilot(一种自动推荐代码的AI工具)的效果。研究发现,Copilot用户完成编程任务的速度比非用户快56%。Ziegler等人(2022)在对2,631名开发人员的实验中发现了类似的效果。
随后,作者指出,学者们还发现AI在不同白领职业中带来了更广泛的生产力提升。例如,Brynjolfsson等人(2023)分析了5179名使用基于生成式AI的对话助手的客户支持代理的数据,发现它平均将生产力提高了14%,对新手和低技能工人的改善最为显著。同时,Dell'Acqua等人(2023)在波士顿咨询集团(BCG)进行的一项随机对照试验中,考察了LLM对758名顾问的工作生产力和质量的影响。作者发现,能够使用GPT-4的顾问比没有使用的顾问完成任务的速度明显更快,质量更高,特别是在工人接受了提示工程培训之后。使用GPT-4的工作人员平均完成了12%更多的任务,工作速度提高了25%,工作质量提高了40%。最后,Choi等人(2023)进行了首个研究AI辅助对法律任务影响的随机对照试验。该论文发现,使用GPT-4并不能持续提高法学院学生的工作质量,但显著提高了他们的速度。这些好处对技能较低的参与者最为明显。除此之外,最近的一系列论文表明,LLM可能会提高信息工作者在各种办公任务中的生产力。微软经济学家进行的一项随机对照试验发现,获得Copilot使用权的工作人员能够比没有使用权的人更快地完成任务(如电子邮件检索和会议总结),同时保持相似的准确度。此外,Edelman等人(2023)进行了两项随机对照试验,评估Copilot对信息工作者生产力的影响,发现效率有类似的显著统计学改善。
最后,作者指出,政策制定者应将LLM提高生产力效果的初步证据视为一个积极信号,并将其作为继续支持AI发展和应用的理由。总的来说,新兴的LLM生产力提升效果研究领域提供了越来越有希望的证据,表明AI正在提高生产力,特别是对生产力较低的工人而言。劳动生产力增长是提高生活水平的最佳途径,AI触发这种增长的潜力将是一个受欢迎的发展。然而,还需要进行额外的研究来了解AI对企业生产力和整体经济的更广泛影响。
美国企业研究所
American Enterprise Institute, AEI
企业应合理配置劳动力和资本,从而发挥人工智能技术应用的最大效用
2024年6月11日,美国企业研究所发布其高级研究员Will Rinehart撰写的文章《人工智能经济学和即将到来的机器人接管(第一部分)(The Economics of AI and the Impending Robot Takeover, Part I)》。作者撰写此文以呼应Tim Lee对于人工智能影响的观点,并指出既有的观点过于强调人工智能技术的普及对就业、劳动市场的负面影响,以及从既有的颠覆性技术普及所需时间、通用技术的普及对劳动力和资本的影响、自动化技术普及带来负面影响的补偿机制三个方面进行阐释。
首先,作者基于基本市场模型讨论了人工智能技术普及化所需的时间周期。基本市场模型认为,当某一企业决意采用某项新技术时,其可以通过自动化的手段以提高工作效率,进而创造出更多的工作任务,增加劳动和资本。然而,采用新技术和自动化的转化意味着其需要承担成本,其一,企业需要承担投资成本,即企业家必须筹集所有的资源来改变既有的生产模式,包括采购新机器、购买新软件或设立新生产线等;其二,企业需要承担机会成本,即不创新会带来的收益。如果企业家设立新的生产线,那么其可能会在初期面对收入减少、错失提高生产量的机会、以更低的成本生产更好产品的时间将延后等成本。对此,作者认为企业家在应用新技术的时候必须统筹协调这两种成本,企业只有在认为投资的预期回本十几件合理且放弃既有生产方式所产生的成本可承受的条件下才会进行创新。在现实中,往往是产出和销售量较大的超级企业更愿意承担投资风险,因为其利润深厚,承担风险的能力相对较强,然而,在需要通过大量学习以发挥新技术效益的情况下,有些企业可能不愿意进行创新。就既有的颠覆性技术而言,其大多耗时长久以实现普及化。比如在历史上,电力的普及经历了漫长的时间周期,在电力被普及之前,制造商已经积累了大量关于水力和蒸汽动力的经验和既有实践,其不愿放弃使用这种产生动能的方式,因而,尽管电力在19世纪90年代步入大众的视野,但其普及率在1920年足有才超过蒸汽动力。类似的,自动交换机和农用拖拉机的普及也经历了较为长久的过程。自动交换机于19世纪80年代诞生,但其只限于电话网络中。相反,美国电话电报公司则使用由女性电话接线员操作的大型交换机来接通电话,并于20世纪30年代达到顶峰,雇用了大约18万名接线员。直到20世纪60年代和70年代,自动化技术的全面转变才开始显现。随后,又经过了20年的时间才彻底淘汰最后的手动交换机。在20世纪20年代,农用拖拉机最初在北达科他州、南达科他州和堪萨斯州的小麦带中使用,随后在20世纪30年代到40年代,它们在艾奥瓦州、伊利诺伊州和内布拉斯加州的玉米带中变得更为常见。尽管上述三种技术是当时所有技术中最具颠覆性的技术,然而其普及仍然耗费数十年时间,对此,作者认为不必担忧人工智能技术会快速代替人类。
其次,作者指出,人工智能技术在企业应用中最常见的自动化,以及其载体机器人,对企业分配劳动力和资本的使用存在着复杂的影响机制。其一,一项追踪了1990年至2016年间西班牙制造企业如何采用新技术的研究指出,在四年内使用机器人生产产生了显著的产出增长,这一比例大致为20-25%,并降低了劳动力成本份额的5%-7%,进而导致了净就业增长,这一增长率为10%。同时,未采用机器人的公司出现了显著的工作岗位流失,并且劳动力从未采用者向采用者之间重新分配,从而提升了生产率。他们还发现,生产率更高的公司更有可能采用机器人,从而导致长期的显著产出增长。其二,一项聚焦于某家正在经历自动化的荷兰公司的研究发现,机器人技术的应用使得员工更容易离开公司,减少工作天数,进而导致工资收入降低。而这些失去的收入只能通过不同的福利系统部分补偿,其中老员工和有较长工龄的员工承受了大部分经济负担。其三,一项比较案例研究发现工业机器人提高了劳动生产率和增加值。一项研究选取了17个国家,并比较了1993年至2007年间这些国家的机器人使用情况。机器人使用的增加使这些国家的平均增长率提高了大约0.37%,机器人还倾向于提高工资和全要素生产率,但对总工作时长没有显著影响。作者强调,机器人技术只是自动化的一种,还存在其他技术,比如:计算机数控技术和自动取款机涉及的相关技术。
最后,作者强调,当公司采用新技术时,可以通过自动化某些任务或提高任务生产力以不同程度地增强劳动力和资本,自动化技术会产生多种复杂的效应,其中存在着劳动市场获益、熟练旧技术的工人也获益的情况。尽管存在新技术替代熟练使用旧技术劳动力的可能,正如当前的一项研究表明,技术的取代劳动效应似乎被创造或回复劳动力的补偿机制所超过,作者认为应当正视新技术的使用,并采取补偿机制。其一为鲍默尔效应,具体而言,虽然管弦乐队音乐家的薪水不如程序员高,但一次顶级的音乐家演出一年可以赚取超过15万美元。其二,收入的增加往往会改变整个社会的需求。正如麻省理工学院的David Autor在一篇论文中解释的那样,当总体收入增加时,通常会增加对服务工作和其他需要大量手动工作的工作的需求。因而,自动化技术的普及将间接提高对大量手动工作职业的需求。
原文链接:[1]https://itif.org/publications/2024/06/11/evidence-shows-productivity-benefits-of-ai/
[2]https://www.aei.org/articles/the-economics-of-ai-and-the-impending-robot-takeover-part-i/
文章检索:周韫斐
编译:边洁、朱奕霏、杨雨虹
审核:王净宇
排版:赵杨博
终审:梁正、鲁俊群
往期回顾
关于我们
清华大学人工智能国际治理研究院(Institute for AI International Governance, Tsinghua University,THU I-AIIG)是2020年4月由清华大学成立的校级科研机构。依托清华大学在人工智能与国际治理方面的已有积累和跨学科优势,研究院面向人工智能国际治理重大理论问题及政策需求开展研究,致力于提升清华在该领域的全球学术影响力和政策引领作用,为中国积极参与人工智能国际治理提供智力支撑。
新浪微博:@清华大学人工智能国际治理研究院
微信视频号:THU-AIIG
Bilibili:清华大学AIIG
内容中包含的图片若涉及版权问题,请及时与我们联系删除
评论
沙发等你来抢