麻省理工CSAIL新研究:从经济性角度考虑,用AI替代人工目前还不具吸引力

转载
310 天前
4511
Yangz

文章转载来源:Yangz

“在人类从事视觉任务所支付的工资中,只有 23% 的人工智能自动化具有经济吸引力。”

图片来源:由无界 AI生成

人工智能是否会使工作自动化,或者抢走我们手中的工作?

对于这一普遍的担忧,不少专业机构纷纷作出了推断和预测。

高盛集团估计,未来几年内,人工智能将使整个劳动力市场的 25% 实现自动化。根据麦肯锡的预测,到 2055 年,近一半的工作将由人工智能驱动。宾夕法尼亚大学、纽约大学和普林斯顿大学的一项调查发现,仅 ChatGPT 一项就可能影响约 80% 的工作。职业介绍公司 Challenger, Gray & Christmas 的一份报告则显示,人工智能已经取代了成千上万的工人。

所以,威胁已迫在眉睫了吗?

当地时间 1 月 22 日,麻省理工学院计算机科学与人工智能实验室(CSAIL)发布了一项新研究,试图超越所称的“基于任务”的比较,评估人工智能将扮演某些角色的可行性,以及企业真正用人工智能技术取代工人的可能性有多大。

据介绍,这项研究不同于传统对人工智能潜在影响的粗略方法。相反,它对人工智能在自动化特定任务方面的可行性进行了细致的检查。这项研究的独特之处在于其三方分析模型。该框架不仅评估人工智能系统的技术性能要求,还深入研究了具有该性能的人工智能系统的特征,以及是否构建和部署此类系统的经济选择。

与人们的预期相反,新研究发现,之前被认为有可能被人工智能取代的大多数工作,事实上并没有实现自动化的“经济效益”-- 至少目前如此。

这项研究的共同作者,麻省理工学院 CSAIL 研究科学家 Neil Thompson 表示,研究的主要启示是,即将到来的人工智能颠覆可能会比一些评论家所说的发生得更慢,也没有那么戏剧化。

Thompson 在接受采访时说:“与近期的许多研究一样,我们发现人工智能在自动化任务方面具有巨大潜力。”“但我们能够证明,其中许多任务的自动化尚不具备吸引力。”

不过,需要注意的是,这项研究只研究了需要进行视觉分析的工作,也就是涉及在生产线末端检查产品质量等任务的工作,并没有调查文本和图像生成模型(如 ChatGPT 和 Midjourney)对工人和经济的潜在影响。据称,这些问题将有待后续研究。

在进行这项研究时,研究人员对工人进行了调查,以了解人工智能系统要完全取代他们的工作,需要完成哪些任务。然后,他们模拟了建立能完成所有这些任务的人工智能系统的成本,并模拟了企业 -- 特别是美国的“非农”企业 -- 是否愿意为这样一个系统支付前期和运营费用。

在研究初期,研究人员举了一个面包师的例子。

根据美国劳工统计局的数据,面包师大约要花 6% 的时间来检查食品质量,而人工智能可以(而且正在)自动完成这项任务。一家雇用 5 名面包师、年收入为 48,000 美元的面包店如果能实现食品质量检查自动化,就能节省 1.4 万美元。但根据研究估算,要完成这项任务,一个从零开始的简易人工智能系统的部署成本为 16.5 万美元,每年的维护成本为 12.284 万美元……而且这还只是低端成本。

Thompson 说:“我们发现,在人类从事视觉任务所支付的工资中,只有 23% 的人工智能自动化具有经济吸引力。”“人类仍然是从事这些工作的更好经济选择。”

为了减少成本,该研究随后考虑到了通过 OpenAI 等供应商销售的自助托管式人工智能系统,这些系统只需针对特定任务进行微调,而不是从头开始训练。但据研究人员称,即使系统成本仅为 1000 美元,也有产生很多岗位 -- 尽管是低工资和依赖多任务处理的工作 -- 对于企业来说,实现自动化并不具有经济意义。

研究人员在研究报告中写道:“即使我们只考虑计算机视觉对视觉任务的影响,我们也会发现工作岗位的流失率低于经济中已经出现的流失率。”“即使成本以每年 20% 的速度快速下降,计算机视觉任务仍然需要几十年的时间才能对企业产生经济效益。”

研究人员承认,这项研究存在一些局限性。例如,它没有考虑人工智能可以增强而非取代人类劳动的情况(如分析运动员的高尔夫挥杆),也没有考虑创造以前不存在的新任务和工作(如维护人工智能系统)的情况。此外,这项研究也没有考虑到像 GPT-4 这样的预训练模型可能带来的所有成本节约。

那么,既然这项研究有那么多欠考虑的地方,为何还急于发布?难道是研究的支持者 -- 麻省理工学院 - IBM Watson 人工智能实验室给研究人员施加了压力,迫使他们得出某些结论?(注:麻省理工学院 - IBM Watson 人工智能实验室由是由 IBM 提供的 2.4 亿美元、为期 10 年的捐赠创建的,IBM 的既得利益在于确保人工智能不具有威胁性。)

但研究人员断言事实并非如此。

“我们的动机是,人工智能的主要形式 -- 深度学习在许多任务中取得了巨大成功,我们希望了解这对人类工作自动化意味着什么。”Thompson 说。“对于政策制定者来说,我们的研究结果应该强调为人工智能工作自动化做好准备的重要性……但我们的研究结果也显示,这一过程将需要数年甚至数十年的时间才能展开,因此我们有时间将政策措施落实到位。而对于人工智能研究人员和开发人员来说,这项研究则表明了降低人工智能部署成本和扩大其部署范围的重要性。这些对于使人工智能在经济上对企业自动化具备吸引力是非常重要的”。

参考资料:

  • https://techcrunch.com/2024/01/22/new-mit-csail-study-suggests-that-ai-wont-steal-as-many-jobs-expected/
  • https://www.csail.mit.edu/news/rethinking-ais-impact-mit-csail-study-reveals-economic-limits-job-automation