最近OpenAI发布了一篇研究GPT类模型（以下简称LLM）对美国劳动力影响的报告。虽然报告的研究对象是美国的劳动力市场，但对于全球其他国家的劳动力市场，也有一定的借鉴意义。

现在，我们就简单介绍下这篇报告。

结论

先说结论：OpenAI的调查结果表明，大约80%的美国劳动力的工作内容中至少有10%会受到GPTs的影响，而大约19%的劳动力可能会看到至少50%的工作内容受到影响。上述影响跨越所有工资水平，其中高收入的工作可能面临更大的风险。另外一点，这种影响不仅限于近期生产率增长较高的行业。

OpenAI还认为，GPTs展示了通用技术(GPT)的特征，表明这些模型可能具有显著的经济、社会和政策影响。

方法和数据来源

方法

报告中采用的方法是基于exposure（暴露程度）的，exposure用来度量GPTs相关技术是否能够让完成一项任务所需的时间减少至少50%。根据这个定义，exposure有三种程度：

• E0：GPTs相关技术对完成一项工作所需的时间毫无影响，甚至会增加所需时间，比如测试员、分拣员、取样器和称重员的工作（Testers, Sorters, Samplers, and Weighers Task）。
• E1：GPTs相关技术对完成一项工作所需的时间减少量小于50%，比如计算机和信息研究科学家的工作（Computer and Information Research Scientists Task）
• E2：GPTs相关技术对完成一项工作所需的时间至少为50%
• E3：与E2类似，但是GPTs相关技术拥有了处理图像的能力

数据来源

报告中主要涉及到了两类数据，一类是按职业划分的工作任务数据，另一类是工资、就业和人口统计数据。

其中是按职业划分的工作任务数据来源于美国的O*NET 27.2 数据库，该数据库是职业信息的综合来源，包括职务、描述和要求。同时，数据库还包含了900多种职业的信息。

工资、就业和人口统计数据来源于美国劳动统计局提供的2020年和2021年职业就业系列数据。

上述两项可以说是比较权威和官方的数据了。

E0类相关职业

报告的最后，还有一个表格，表格中列出了不会有任何暴露的职位，具体如下：

我们尝试翻译其中十个职位的名字：

农业设备操作员
汽车玻璃安装和维修工人
公共汽车和卡车机械师和柴油发动机专家
水泥砌筑工和混凝土修整工
快餐厨师
手工切割和修整工
油气井平台操作员
餐厅和自助餐厅服务员和酒吧帮手
洗碗工
挖泥船操作员

可以看出，这些职位大都是偏操作或者数字化程度较低的职位。

以上就是上述报告的主要内容，报告原文链接如下:
arxiv.org/pdf/2303.10…

本文正在参加人工智能创作者扶持计划