(SeaPRwire) – 人工智慧是否會取代我們的工作?如果你聽聽矽谷的執行長談論今天最尖端人工智慧系統的能力,你可能會認為答案是「是的,而且很快。」
但是麻省理工學院研究人員發表的一份新論文表明,勞動力自動化可能比你想像的要慢。
研究人員不僅研究人工智慧是否能夠執行一項任務,也研究在更廣泛的勞動力市場背景下,企業是否在經濟上合理替代人類執行這些任務。
他們發現,雖然計算機視覺人工智慧今天能夠自動化美國經濟(不包括農業)工資的1.6%(人工智慧目前無法取代農業工作),但只有那些工資的23%(經濟整體的0.4%)在今天的成本下,企業替代人類工人會更便宜。「總體而言,我們的發現表明,人工智慧導致工作流失將是重大的,但也將是漸進的-因此政策和再培訓有空間減輕失業影響。」作者寫道。
如在醫院分析診斷設備的影像,或檢查盤子以確保它們包含正確的物品,在論文中被舉出作為當前人工智慧可能實現的「視覺任務」的例子。但作者認為,這些任務通常很分散,所以自動化它們的經濟性不佳。
「即使有一些變化即將來臨,但也有一些時間來適應它。」研究的首席作者尼爾·湯普森告訴時代雜誌。「它不會那麼快就把所有的事情都拋入混亂之中。」
除非真的那樣。這項研究只關注計算機視覺人工智慧-能夠識別和分類影像和視頻中的物體的系統-而不是更靈活的系統,比如OpenAI的GPT-4。OpenAI最近的一項研究估計,GPT-4級別系統可能會影響美國19%工作者的50%工作任務-這是一個比麻省理工學院研究者關注單獨計算機視覺的研究更高的估計。在人工智慧時代,經濟的一個關鍵問題將是麻省理工學院研究結果是否也適用於更「通用」的人工智慧工具-那些承諾自動化大多數可以在電腦屏幕後完成的認知勞動。
麻省理工學院研究人員發現,對計算機視覺系統進行「微調」以使其適應特定的專業任務可能很貴。雖然對最大公司來說,這種投資可能是有意義的,但對一家小公司來說,直接保留一名已經很好地執行該任務的受過訓練的工作人員可能不會更便宜。根據麻省理工學院論文,這就是為什麼不所有人工智慧能夠完成的任務今天在經濟上也能替代人類的一個關鍵原因。(該論文尚未通過同行評審,已提交到《管理科學》雜誌。)
但這種動態是否也適用於語言任務尚不清楚。例如,為了使一個計算機視覺模型能夠以99.9%的準確度區分特定類型的藥瓶,您需要收集大量標記過的不同藥物影像,這可能是一個成本高且繁瑣的過程(即使是在貧困國家僱傭低工資工人來完成)。然後您還必須支付對那大量數據進行微調人工智慧模型的重大計算成本。
另一方面,微調 cutting-edge語言模型來執行特定任務可能只需要提供詳細的規則列表。去年8月,OpenAI的一項研究發現,在使用詳細的政策文件和一些標記示例後,GPT-4能夠有效地執行內容監控任務。這些發現表明,大型語言模型可以比計算機視覺模型更快、更便宜地應用於更廣泛的經濟任務。
儘管OpenAI目前正致力於減輕此級別定制能力可能帶來的重大風險,但隨著OpenAI和其競爭對手開始允許客戶微調其最先進的模型,經濟可能開始看到自動化或替代的水平比麻省理工學院研究預測得更快。
「定制大型語言模型可能比定制計算機視覺系統更容易,並可能導致更多的採用在經濟中,這確實是可信的,」湯普森告訴時代雜誌。「但只要需要一小支工程團隊將系統整合到公司的工作流程中,成本仍然限制性。」
本文由第三方廠商內容提供者提供。SeaPRwire (https://www.seaprwire.com/)對此不作任何保證或陳述。
分類: 頭條新聞,日常新聞
SeaPRwire為公司和機構提供全球新聞稿發佈，覆蓋超過6,500個媒體庫、86,000名編輯和記者，以及350萬以上終端桌面和手機App。SeaPRwire支持英、日、德、韓、法、俄、印尼、馬來、越南、中文等多種語言新聞稿發佈。