ChatGPT

作者/ Pawe ² Gmyrek, Janine Berg, David Bescond 版权所有©国际劳工组织2023 这是在知识共享署名4.0国际许可证（https://creativecommons.org/licenses/by/4.0/）下分发的开放访问作品。用户可以根据许可证中的详细说明重用，共享，改编和构建原始作品。必须明确将国际劳工组织视为原始作品的所有者。与用户的工作有关不允许使用国际劳工组织的标志。 归因-必须引用的工作如下：Gmyrek，P.，Berg，J.，Bescond，D.生成AI与工作：对工作数量和质量的潜在影响的全球分析劳工组织工作文件96。日内瓦：国际劳工组织，2023年。 翻译-如果要翻译本作品，则必须添加以下免责声明以及归属：本译文不是由国际劳工组织（ILO）创建的，不应被视为国际劳工组织的正式译文。国际劳工组织对本译文的内容或准确性概不负责。 适应-在适应这项工作的情况下，必须添加以下免责声明与属性：这是对国际劳工组织(劳工组织)原创作品的改编。改编中表达的观点和意见的责任完全在于改编的作者或作者，不得到劳工组织的认可。 TheCClicensedoesnotapplytonon-ILOcopyrightmaterialsincludedinthispublication.Ifthematerialisattributedtoathirdparty,theuserofsuchmaterialissolelyresponsibleforclearingtherightswiththerightholder. 根据本许可证产生的任何不能友好解决的争议，应根据联合国国际贸易法委员会(贸易法委员会)的仲裁规则提交仲裁。各方应受到因此做出的任何仲裁裁决的约束作为对此类争端的最终裁决的仲裁。 有关权利和许可的所有查询均应致电瑞士日内瓦1211号劳工组织出版股（权利和许可），或通过电子邮件至rights@ilo.org。 ISBN 9789220395356（打印），ISBN 9789220395363（Web PDF），ISBN 9789220395370（epub），ISBN 9789220395387（mobi），ISBN 9789220395394（html）。ISSN 2708 - 3438（打印），ISSN2708 - 3446 （数字）https://doi.org/10.54394 /FHEM8239 劳工组织出版物中采用的符合联合国惯例的名称及其材料的介绍，并不意味着劳工组织对任何国家、地区或领土或其当局的法律地位或对其边界的划界表示任何意见。 签署的文章、研究报告和其他贡献中表达的意见的责任完全在于其作者，出版并不构成劳工组织对其中表达的意见的认可。 提及公司名称、商业产品和流程并不意味着它们的名称-国际劳工组织的认可，以及任何未提及特定公司、商业产品或专业人士的行为-CESS不是不赞成的标志。 有关国际劳工组织出版物和数字产品的信息，请访问：www.ilo.org/pubns ILOWorkingPaperssummarizetheresultsofILOresearchinprogress,andseektostrivediscussionofarangeofissuesrelatedtotheworldofwork.TheILOWorkingPaperarewelcomeandcanbesenttoRESEARCH@ilo.org,berg@ilo.org.g. 授权出版：RichardSamans，研究主任 国际劳工组织的工作文件可在以下网址找到：www.ilo.org/global/publications/working-papers 建议引用：Gmyrek，P.，Berg，J.，Bescond，D.2023。生成AI与工作：对工作数量和质量的潜在影响的全 球分析，劳工组织工作文件96(日内瓦，劳工组织)。https://doi.org/10.54394/FHEM8239 Abstract 这项研究对职业和任务的潜在暴露进行了全球分析GenerativeAI,andspeciallytoGenerativePre-trainedTransformers(GPT),andthepossibleimplicationsofsuchexposureforjobquantityandquality.ItusestheGPT-4modeltoestimatetask-levelscoreofpotentialexposureandthenestimatespotentialemploymentegloballevelaswellasbycountryincomegroup.Althoughrepresentedanupper-boundestimation在暴露的情况下，我们发现只有文书工作的广泛职业才高度暴露于科技-Nology，24%的文书工作被认为是高度暴露的，另有58% 中等程度的曝光。对于其他职业群体，高度暴露的任务的最大份额在1%至4%之间波动，中等暴露的任务不超过25%。因此，这项技术最重要的影响可能是增加工作——在一个职业中自动化一些任务，同时为其他职责留出时间——与完全自动化的职业相反。 潜在的就业效应，无论是增加还是自动化，在美国各地差异很大-由于职业结构不同，尝试收入群体。在低收入国家，只有0.4%的总就业可能受到自动化影响，而在高收入国家，这一比例上升到5.5%。这种影响是高度性别化的，女性可能受到自动化影响的比例是两倍以上。更大的影响来自增强-这可能会影响低收入国家10.4%的就业， 高收入国家就业人数的13.4％。但是，这种影响没有考虑到基础设施的限制，这将阻碍在低收入国家使用的可能性并可能增加生产力差距。 Westressthattheprimaryvalueofthisanalysisisnotthepreciseestimates,butrathertheinsightsthattheoverall distribution of such scores provides about the nature of possible changes.Such insights canencouragedgovernmentsandsocialpartpartstoproactivedes 方式。此外，对工作质量的可能影响可能比定量影响更大，无论是关于由于技术而创造的新工作，还是当技术整合时对工作强度和自主性的潜在影响-ed到工作场所。出于这个原因，我们还强调了社会对话和回归的必要性-支持高质量就业。 关于作者 Pawe²Gmyrek是国际劳工组织研究部的高级研究员。JanineBerg是国际劳工组织研究部的 高级经济学家。DavidBescond是国际劳工组织统计局的数据科学家。 目录 Abstract01关于作者01首字母缩略词05 ▶Introduction07 1.1. ISCO关于职业和任务的数据111.2.提示设计和顺序12 ▶5管理过渡：解决自动化、扩大和日益扩大的数字鸿沟的政策 5.1减轻自动化的负面影响385.2确保工作质量增强395.3解决数字鸿沟40 Conclusion 附录1.缺少ISCO-084位数数据的国家：估算程序45参考文献47GPT的确认和使用51 数字列表 图1.基于ISCO和GPT任务的按职业划分的平均自动化分数21图2.按职业类别划分的中等和高GPT暴露任务（ISCO1位数）24图3.ISCO4d的任务级分数的箱形图，按ISCO1d分组25图4.职业水平的增强与自动化潜力27图5.具有高自动化潜力的职业28图6.具有高增强潜力的职业29图7a.自动化与增强潜力：总就业份额，微观数据59个国家30Figure7b.Automationvs.augmentationpotential:Sharesoftotalemploymentineachsex(劳工组织微观数据)31图8.基于ISCO-08中数字水平的国家覆盖率（ILO数据）33图9a。全球估计：具有增强和自动化潜力的工作岗位总就业34Figure9b.Automationvsenumentationpotential:sharesoftotalemploymentforeachsex(全局估计)35图10.按ISCO4位数和收入组划分的具有高自动化潜力的职业36图11a.“大未知”：增强和自动化潜力之间的职业37图11b.“大未知”：按收入组划分的总就业份额（全球估计）37图11.未使用互联网的人口份额41图12.经典增长路径：收入与职业多元化42 表列表 表1.ISCO-08研究中使用的职业和任务结构11Table2.SampleoftasksanddefinitionsfromISCOandpredictedbyGPT-414表3.任务级得分样本(高收入国家背景)15表4.a分数一致性测试（100个任务级预测）17表4.b具有高自动化潜力的任务聚集到主题中22团体*表5.基于任务级分数的职业分组26表6.按ISCO-08级别划分的微观数据覆盖范围：国家数量32 LMIC中低收入国家 ML机器学习 UMIC ▶Introduction 技术进步的每一波新浪潮都加剧了关于自动化和就业的辩论。当前关于人工智能（AI）和就业的辩论让人回想起1900年代初-移动的装配线，甚至是20世纪50年代和60年代的装配线，这是在介绍之后- 早期大型计算机的引入。尽管人们对技术通过标准化和控制工作流程可以带来的疏远表示赞赏，但在大多数情况下，辩论集中在两种相反的观点上：乐观主义者将新技术视为将工人从最艰巨的任务中解脱出来的手段，而悲观主义者则发出警报关于就业迫在眉睫的威胁和大规模失业的风险。 然而，在关于技术和工人的辩论中已经改变的是工人的类型。虽然1900年代早期，中期甚至后期的技术进步主要集中在体力劳动者上，但自2010年代以来的技术发展，特别是机器学习（ML）的快速发展，已经集中在计算机执行非路线的能力上。tine，认知任务，并因此可能影响白领或知识型员工。此外，这些技术进步发生在许多强大的背景下- 与基于位置的工厂级应用程序相比，全球经济的相互联系可能会带来更大的风险。然而，尽管有这些发展，但对于普通工人来说，即使在最发达的国家，人工智能的潜在影响直到最近仍在很大程度上是抽象的。 ChatGPT的推出标志着公众对AI工具的接触取得了重要进展。在新一轮的技术变革浪潮中，机器学习模型已经开始离开实验室，开始与公众互动，展示它们在日常使用中的优势和劣势。聊天功能大大缩短了AI与最终用户之间的距离，同时为各种定制应用程序和i-提供了平台。vations.Giventhesesignificantadvances,itisnotsurprisingthatconcernsoverpotential失业已经重新开始。 虽然无法预测生成AI将如何进一步发展，但目前的能力andfuturepotentialofthistechnologyarecentraltodiscussionofitsimpactonjobs.Scepistics倾向于认为这些机器只不过是“随机鹦鹉”-强大的文本摘要器，无法“学习”和生产原创内容，对Gen- 目的使用和不可持续的计算成本(Bender等2021)。另一方面，最近的技术文献侧重于测试最新型号的极限，表明执行“新颖而艰巨的任务，涵盖数学，编码，视觉，医学，法律，心理学等“，以及产生表现出某些形式的早期“推理”的反应的一般能力(Bbec等人。2023年）。一些评估甚至表明机器学习模型，特别是那些基于生成预训练变形金刚(GPT，见文本框1)使用的大型神经网络的模型，可能最终有可能成为一种通用技术(Goldfarb，Tasa和Te