像ChatGPT这样的大型语言模型正在成为强大的工具，不仅可以提高工人的生产力，还可以提高创新率，为经济增长的显著加速奠定基础。作为一项通用技术，人工智能将影响广泛的行业，促进对新技能的投资，改变业务流程，并改变工作性质。

然而，官方统计数据只能部分反映生产力的提高，因为知识工人的产出很难衡量。快速进步可以带来巨大的好处，但也可能带来重大风险，因此，确保我们朝着惠及全社会的方向前进至关重要。

想象一个场景，在一个星期五早上，一个人坐在他最喜欢的咖啡店里，写了一篇关于人工智能将如何影响劳动力市场的新研究论文。首先，他启动了ChatGPT，这是一个生成人工智能的工具。在输入一些简单的英语提示后，系统能够提供一个合适的经济模型，起草运行模型的代码，并为作品产生潜在的标题。到上午结束时，他的研究已经取得了相当于一周的进展。

我们预计，从医生、律师到经理和销售人员，数百万知识工作者的生产力将在几年内（如果不是更早的话）经历类似的突破性转变。

ChatGPT是一种大型语言模型（LLM），通过其生成连贯且符合上下文的文本的能力吸引了公众的注意力，这生动地说明了最新一代人工智能系统的潜力。这并不是一项在地下室里备受煎熬的创新。它的功能已经吸引了数亿用户。

最近公开推出的其他LLM包括谷歌的Bard和Anthropic的Claude。但生成人工智能并不局限于文本：近年来，我们还看到了可以创建图像的生成人工智能系统，如Midtravel、Stable Diffusion或DALL-E，以及最近结合文本、图像、视频、音频甚至机器人功能的多模态系统。

这些技术是基础模型，是基于深度神经网络的庞大系统，经过大量数据的训练，可以适应执行各种不同的任务。由于信息和知识工作主导着美国经济，这些思维机器将极大地提高整体生产力。

生产力增长的力量

我们长期繁荣和福利的主要决定因素是生产力增长率：即每工作小时创造的产出量。

尽管并非所有人都能立即感受到生产力的变化，而且从短期来看，工人对经济的看法受到商业周期的主导，但这一点仍然成立。从第二次世界大战到20世纪70年代初，劳动生产率以每年3%以上的速度增长，在此期间翻了一番多，为大多数美国人开创了一个繁荣的时代。

20世纪70年代初，生产率增长急剧放缓，在20世纪90年代反弹，但自21世纪初以来再次放缓。

如上图所示，它将劳动生产率的总体增长分解为两个组成部分：全要素生产率（衡量技术影响的指标）和劳动力构成和资本强度的贡献。该图表明，劳动生产率变化的关键驱动因素是全要素生产率（TFP）的变化。

美国最近的经济困境有很多原因，但全要素生产率增长缓慢是一个关键原因，它慢慢侵蚀了国家的繁荣，使其更难对抗通货膨胀，侵蚀了工人的工资，并恶化了预算赤字。

经济增长速度普遍缓慢，加上科技公司的巨额利润，导致人们对数字技术对整体经济的好处持怀疑态度。然而，从20世纪90年代开始的大约10年里，生产力增长激增，如图1所示，这主要是由对计算机和通信的巨大投资浪潮推动的，而这反过来又推动了业务转型。

尽管出现了股市泡沫以及劳动力和资源的大幅重新分配，但工人们的生活总体上更好。

此外，1998年至2001年，联邦预算保持平衡，取得了双赢。数字技术可以推动广泛的经济增长，这发生在不到三十年前。

人工智能生产力影响的早期估计

生成人工智能的最新进展是由软件、硬件、数据收集方面的进步以及对尖端模型的投资不断增加推动的。Sevilla等人（2022）观察到，在过去十年中，用于训练尖端人工智能系统的计算量（计算能力）每六个月翻一番。

生成型人工智能系统的能力已经协同发展，使它们能够执行许多过去留给认知工作者的任务，例如写精心制作的句子、创建计算机代码、总结文章、集思广益、组织计划、翻译其他语言、写复杂的电子邮件等等。

生成型人工智能具有广泛的应用，将影响广泛的工人、职业和活动。与过去自动化的大多数进步不同，它是一台影响认知工作的思维机器。正如最近的一篇研究论文（Eloundou等人，2023）所指出的，LLM可能以某种形式影响80%的美国劳动力。

有一种新兴的文献估计了人工智能对特定职业或任务的生产力影响。Kalliamvakou（2022）发现，软件工程师使用一种名为Codex的工具，基于以前版本的大型语言模型GPT-3，可以以两倍的速度进行编码。这是一种变革性的效果。

Noy和Zhang（2023）发现，许多写作任务也可以以两倍的速度完成，Korinek（2023年）根据语言模型的25个用例估计，经济学家使用大型语言模型的效率可以提高10-20%。