高盛(Goldman Sachs):人工智能可能对经济增长产生巨大的影响(上).docx

高盛(Goldman Sachs):人工智能可能对经济增长产生巨大的影响(上).docx

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
在人工智能发展背景下,生成式人工智能可能对经济增长产生巨大的影响虽然存在不确定性的可能性,但其在人力生产效率和经济增长方面的潜力显著预计未来10年内,美国和欧洲的劳动力生产率将面临重大颠覆从历史角度推测,自动化可能导致大量人工失业,新创造的工作岗位会占据大部分就业比例此外,人工智能还将对全球经济产生深远影响,特别是在10年后,全球经济年均增长率可能会提升至7,这取决于具体技术和应用情况

高盛(GoldmanSachs):人工智能可能对经济增长产生巨大的影响(上)

高盛全球首席经济学家简?哈祖斯(JanHatzius)、高盛经济学家约瑟夫?布里格斯(JosephBriggs)、德维什?科德纳尼(DeveshKodnani)和乔瓦尼·皮尔多梅尼科(GiovanniPierdomenico);国研网编译

发布时间:2023-10-07

近来涌现的生成式人工智能(AI)引发了这样一个疑问,即我们是否即将迎来任务自动化的加速发展,从而节约劳动力成本并提高生产率。尽管生成式人工智能的潜力存在很大的不确定性,但其与人类创造的成果不分上下的内容生成能力,并打破人机之间的沟通障碍,反映出这种技

术的重大进步,对宏观经济可能有巨大的影响。

如果生成式人工智能能够实现其预期能力,那么劳动力市场可能将面临重大颠覆。利用美国和欧洲有关职业任务的数据,我们研究发现,目前大约有三分之二的工作岗位将在一定程度上受到人工智能自动化的影响,而且生成式人工智能可以替代目前多达四分之一的工作。根据我们在

全球范围内的估计推断,生成式人工智能可以使相当于3亿个全职工作岗位面临着被自动化替代的风险。

好消息是,从历史上看,自动化造成的工人失业通常都会被新创造的工作岗位所抵消,技术创新之后出现的新职业占长期就业增长的绝大部分。大量的劳动力成本节约、新的就业机会的产生、以及未失业工人生产率的提高,这些因素相结合,共同提升了生产繁荣的可能性,从而极大

地推动经济增长,只是这种繁荣何时来临还难以预测。

我们估计,在生成式人工智能被得到广泛采用之后的10年里,美国劳动生产率的年度增幅提升约1.5个百分点。当然劳动生产率增幅的提升可

能远大于/小于上述预期,这取决于人工智能能够执行的任务难度水平,以及有多少工作岗位最终可以实现自动化。

对全球劳动生产率的提升作用可能还具有经济上的重大意义,我们估计,人工智能最终可以使全球年度GDP增长7%。尽管人工智能的影响

最终将取决于其能力和采用进度,但上述估计凸显了,如果生成式人工智能的预期能力一旦实现,则将产生巨大的经济潜力。

生成式人工智能可能对经济增长有巨大影响

近来涌现的生成式人工智能(AI)引发了这样一个疑问,即我们是否即将迎来任务自动化的加速发展,从而大幅度节约劳动力成本、提高劳动生产率并加快经济增长步伐。在本文中,我们概述了人工智能的潜在宏观经济影响,并认为,人工智能一旦实现其预期能力,就有可能在未来

几十年极大地颠覆劳动力市场,并刺激全球生产率增长。

生成式人工智能概述

我们首先讨论人工智能的发展现状及其关键能力。图1提供了关于生成式人工智能的概况,并与其前身——“机器学习方法”(有时被称为狭义或分析式人工智能)进行比较。在我们的评估中,目前受到关注的生成式人工智能技术(如ChatGPT、DALL-E和LaMDA)具有三个主要特征:1)它们是通用的生成式人工智能工具而不是特定的用例,2)它们能够生成新颖的、类似于人类的输出信息,而不仅仅是描述或解释现有的信

息,以及3)它们拥有易于使用的界面,能够理解自然语言、图像、音频和视频并作出应答。

前两项技术进步是扩大人工智能能够执行的任务集边界的关键,而第三项进展则是影响其采用进度的关键。从命令行编程(例如MS-DOS)到图形用户界面(例如Windows)的改变促进了程序的开发(例如Office),从而将计算机的强大功能带给了大众。与之类似的是,当前的人工智能技术的直观界面可以极大地提升其采用速度。例如,ChatGPT在短短5天内就拥有了超过100万用户,这是迄今为止所有公司当中达到这一里程

碑的最快速度。

步骤1:神经网络数

据训练

步骤2:神经网络到

人工智能输出

步骤3:人工智能输出

到人机界面

步骤4:应用

以前的机器学习方

法:

针对特定目的在专门

的数据库上训练的数据

(例如,对选举结果进行

统计预测,回答有关生物

医学文献的问题等)。

生成式人工智能:

在大型通用数据库

(即整个互联网)上训练的数据;因此,1)用例更广泛,2)更容易产生与专门用例互补的创新(“人工智能的深化”)。

以前的机器学习方

法:

模型根据训练数据中的关系生成统计预测。

生成式人工智能:

模型试图生成与人类数据无法区分的新信息。通过引入第二个“判别”神经网络来实现,该神经网络评估初级“生成式”神经网络的输出信息相对于人类输出信息的真实性。这种“对抗性神经网络”的方法迫使该生成式网络调整其输出信息,并学会始终如一地“愚弄”判别网络。

以前的机器学习方

法:

用户必须使用特定的代

码或语法来根据模型的预期

功能提出有限的请求。

生成式人工智能:

使用大型语言模型

(LLM)可以实现高级自然语言处理(

文档评论(0)

我爱分享 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档