非營利智庫托尼·布萊爾全球變化研究所（TBI）最近發布的一項研究表明，人工智能可以簡化英國的勞動力隊伍，減少政府成本數十億美元，并實現40%以上工人任務的自動化。

然而，根據研究，這些好處需要政府“投資人工智能技術，升級數據系統，培訓員工使用新工具，并承擔因員工提前退出勞動力市場而產生的裁員成本”。

研究人員寫道，未來五年每年將花費約 40 億美元，此后每年將花費 70 億美元。

但據讀過該論文的外部研究人員稱，這項研究的真正問題在于它對 ChatGPT 的依賴。

牛津大學的 Mohammad Amir Anwar 在 X 上表示，托尼·布萊爾研究所是在“胡編亂造”，與此同時，華盛頓大學的 Emily Bender 告訴 404 Media 的 Emanuel Maiberg，研究人員“不妨對著魔術 8 球搖晃，并寫下它顯示的答案”。

問題

TBI 研究人員著手對整個勞動力進行高層次概述，以便他們能夠預測自動化未來可能對市場產生的潛在影響。

他們確定，人工智能幾乎可以立即為英國節省數十億美元。根據研究報告，投資成本與潛在節省“意味著在公共部門充分利用人工智能每年可節省近 GDP 的 1.3%，相當于按今天的標準每年 370 億英鎊。”

研究人員甚至聲稱“這相當于總體效益成本比為 9:1”，并且“我們估計，五年后，該計劃可以累計節省每年 GDP 的 0.5%（或按今天的標準為 150 億英鎊），這意味著，如果這項技術能夠迅速推廣，效益成本比可以達到 1.8:1。”

雖然這些數字確實令人興奮，但尚不清楚它們是否具有任何實際意義。

問題在于研究人員是如何得出這些結論的。他們沒有對工人和雇主進行詳盡的研究來確定自動化將如何影響特定職位，而是使用 O*NET 數據集來識別工人執行的 20,000 項任務，然后將數據輸入 ChatGPT。然后，該團隊提示 AI 確定哪些任務適合自動化以及可以使用哪些工具來實現自動化。

據研究人員稱，如果讓人類專家來完成每項任務，他們的工作就會變得“棘手”，從科學的角度來說，這意味著工作太難完成。

這也意味著，表面上，研究人員很難評估 ChatGPT 的每個輸出——該團隊表示，他們使用人工智能系統對近 20,000 個任務進行了分類。

如果我們可以假設人工智能犯了錯誤（根據 TBI 研究和 ChatGPT 制造商 OpenAI 的網站，這些模型容易出錯），那么我們也可以假設研究包含錯誤的信息，并且同行評審也會很棘手。

自動化并不容易

那么，真實的數字是多少？從技術上講，ChatGPT 不可能逐個任務地了解自動化的細微差別，因為由于手動創建數據集非常困難，因此所需的數據幾乎完全不可能出現在其數據集中。

當涉及到解決人工智能系統尚未訓練過的新問題時，生成系統往往會失敗。

例如，自動咖啡機已經存在了幾十年，但通用自動化——教人工智能系統在任何地方、任何房間煮咖啡——被認為是人工智能和機器人領域的一個突出問題。

簡而言之，自動化很困難，需要對每個單獨的任務采取細致入微的方法。

例如，早在 2017 年，隨著生成式人工智能熱潮開始升溫，人們就認為自動駕駛將在幾年內得到解決。埃隆·馬斯克甚至曾預測，到 2020 年，特斯拉將運營 100 萬輛自動駕駛出租車。

但截至 2024 年 7 月，絕大多數自 2021 年起致力于自動駕駛汽車的汽車制造商、初創公司和大型科技公司都已關閉了各自的項目。事實證明，99% 的駕駛都可以實現自動化，但到目前為止，還沒有一個工程團隊想出如何安全地自動化最后 1% 的極端情況。

雖然很容易想象任何簡單的任務都可以自動化，但背景很重要。ChatGPT 可能能夠輸出文本，表明只要你投入足夠的資金，任何工作都可以自動化，但迄今為止，事實證明這些說法是錯誤的。

相關：Intuit 裁員 10% 專注于人工智能

熱點：人工智能 研究