2023年3月17日，OpenAI官網發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。元戰略觀察員對本篇文章核心內容進行了編譯，將GPT類大模型對勞動力市場以及不同職業和行業產生的深刻的潛在影響呈現給讀者。

摘要：本文研究了大語言模型（LLM），例如生成預訓練轉換器（GPT），對美國勞動力市場的潛在影響。研究人員采用了一種創新性評級方法，用來評估GPT模型在不同行業工作任務中的匹配度。研究發現，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。

研究方法與數據

1按職業劃分的活動和任務數據

研究人員使用美國勞工部的O*NET 27.2數據庫，其中包含了1016個職業的信息，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、小學教師等職業的工作活動內容和任務描述

我們使用的兩個數據集包括：

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

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

2工資、就業和人口統計數據

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

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量。

2.直接暴露度（E1）：在保障任務質量的前提下，完成任務耗時減少50%。

3.LLM+暴露度（E2）：雖然無法直接節省50%的任務耗時，但在LLM的基礎上開發其他額外功能以節省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的比較。一致性得分是通過觀察兩組分數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對不同職業的潛在影響。通過將各種任務和職業與GPT的暴露程度聯系起來，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。

研究結果

1數據匯總

表3 人類和GPT-4暴露數據的匯總統計

匯總統計數據如表3所示。人類和GPT-4評分都表明，平均職業水平的α（即E1）值在0.14和0.15之間，這表明對于普通職業來說，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評分均將整個數據集中14%-15%的任務評為直接暴露。根據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

表4 左邊顯示為受影響職業的百分比，右邊顯示為受影響工人的百分比

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

3技能重要性

為探究職業技能的重要性和暴露度的關系，本文使用了O*NET數據集提供的基本技能，并對每個職業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。

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

4研究方法

本研究還將職業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。

上表結果表明，持有學士、碩士和專業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。

研究結果顯示：

1.持有學士、碩士和專業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

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

在GPT-4評估下，暴露度最高的十大行業分別為：數據處理托管及相關服務、其他信息服務、出版業（互聯網除外）、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、科學及技術專業服務、非金融無形資產出租（版權作品除外）、廣播電視（互聯網除外），央行及貨幣當局。

結 論

研究發現，對于LLM，大多數職業都有一定程度的暴露度，薪資較高的職業通常有更多高暴露度的任務。分析表明，根據當前LLM的技術水平，約19%的工作崗位至少有50%的任務暴露于GPT。

研究結果顯示，LLM（如GPT）的廣泛應用對美國經濟發展和勞動力市場產生了重要影響。雖然LLM技術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、經濟、監管和其他因素將綜合影響實際的勞動生產結果。隨著技術能力的不斷發展，LLM對經濟的影響力可能會持續提高，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