国产成人a级片_色婷婷亚洲精品_91国产视频在线观看_欧美精品一二三四

（報(bào)告出品方/作者：東北證券，黃凈、吳雨萌）

1. 總結(jié)：GPT 對(duì)工作的沖擊將跨越各個(gè)職業(yè)

3 月 17 日，OpenAI 官網(wǎng)發(fā)布最新研究論文 GPTs are GPTs: An early look at the labor market impact potential of large language models，對(duì) LLM 語(yǔ)言模型，特別是 GPT， 對(duì)美國(guó)不同職業(yè)和行業(yè)的潛在影響進(jìn)行了探討。我們將論文中的結(jié)論進(jìn)行了匯總：

(相關(guān)資料圖)

1、 多數(shù)職業(yè)將受到 GPT 的沖擊：80%的工人有至少 10%的任務(wù)可以被 GPT 減少 ≥50%的工作時(shí)間；19%的工人有至少 50%的任務(wù)可以被 GPT 減少≥50%的工作時(shí)間；

2、 GPT 的影響橫跨各類薪資層級(jí)：盡管存在部分特殊情況，但整體來(lái)看，工資越高，受 GPT 沖擊的程度越大；

3、 職業(yè)技能與 GPT 的沖擊程度有關(guān)：科學(xué)和批判性思維技能最不容易受 GPT 沖擊，而編程和寫作技能受影響的程度最高；

4、 高學(xué)歷更容易受到 GPT 的沖擊：持有學(xué)士、碩士和更高學(xué)位的人比沒(méi)有正規(guī)教育學(xué)歷的人更容易受到 GPT 的沖擊；

5、 在職培訓(xùn)時(shí)間時(shí)長(zhǎng)與 GPT 沖擊程度有關(guān)：在職培訓(xùn)時(shí)長(zhǎng)最長(zhǎng)的職業(yè)收入水平偏低，且受 GPT 沖擊程度最低，而沒(méi)有在職培訓(xùn)或只需實(shí)習(xí)的工作則表現(xiàn)出更高的收入水平和更容易受 GPT 沖擊的屬性。

6、 證券相關(guān)和數(shù)據(jù)處理行業(yè)受 GPT 影響程度最高：在人類打分和 GPT 打分模式下，證券商品合約及其他金融投資和數(shù)據(jù)處理托管分別是受 GPT 沖擊程度最高的行業(yè)；在直接調(diào)用 GPT 模型的情況下，口譯筆譯和數(shù)學(xué)家分別是受影響最大的職業(yè)；在進(jìn)一步開(kāi)發(fā) GPT 衍生功能的情況下，數(shù)學(xué)家和會(huì)計(jì)審計(jì)則分別為受影響最大的職業(yè)。

2. 統(tǒng)計(jì)指標(biāo)來(lái)源及解釋

論文中使用了 O*NET 27.2 數(shù)據(jù)庫(kù)，包含 1016 種職業(yè)，以及各個(gè)職業(yè)的工作活動(dòng) （Detailed Work Activities，簡(jiǎn)稱 DWA）和任務(wù)（Task）。論文中對(duì)工作活動(dòng)和任務(wù)給出了定義： 詳細(xì)工作活動(dòng) DWA 是由完成任務(wù)構(gòu)成的綜合操作，大多數(shù)工作活動(dòng)與一個(gè)或 多個(gè)任務(wù)相對(duì)應(yīng)，該數(shù)據(jù)集中包括 2087 種 DWA； 任務(wù) Task 是某個(gè)特定職業(yè)的基礎(chǔ)單位，一項(xiàng)任務(wù)可以與 0 個(gè)、1 個(gè)或多個(gè) DWA 關(guān)聯(lián)，且每個(gè)任務(wù)都有與之對(duì)應(yīng)的職業(yè)，該數(shù)據(jù)集中包括 19265 種任務(wù)。 例如，對(duì)于職業(yè)“急癥護(hù)理護(hù)士”，其工作活動(dòng) DWA 包括“操作診斷或治療性醫(yī)療儀器或設(shè)備”和“準(zhǔn)備醫(yī)療用品或設(shè)備”，其任務(wù)包括“設(shè)置、操作或監(jiān)測(cè)侵入性設(shè)備和裝置，例如結(jié)腸造口術(shù)或氣管切開(kāi)術(shù)設(shè)備、機(jī)械呼吸機(jī)、導(dǎo)管、胃腸道管和中心插管”。

論文選取了美國(guó)勞工統(tǒng)計(jì)局（Bureau of Labor Statistics，以下簡(jiǎn)稱 BLS）提供的 2020 年和 2021 年職業(yè)就業(yè)系列中的就業(yè)和工資數(shù)據(jù)。該數(shù)據(jù)集包括職業(yè)名稱、每個(gè)職業(yè)的工人數(shù)量、2031 年職業(yè)水平的就業(yè)預(yù)測(cè)、職業(yè)準(zhǔn)入的教育水平以及獲得職業(yè)能力所需的在職培訓(xùn)情況。BLS 數(shù)據(jù)庫(kù)可以同 O*NET 數(shù)據(jù)庫(kù)進(jìn)行聯(lián)動(dòng)：通過(guò)當(dāng)前人口調(diào)查（Current Population Survey，簡(jiǎn)稱 CPS），將 O*NET 中的任務(wù)和工作活動(dòng)數(shù)據(jù)集與 BLS 勞動(dòng)力人口統(tǒng)計(jì)數(shù)據(jù)聯(lián)系起來(lái)，形成截面數(shù)據(jù)。

論文中設(shè)定了暴露度 Exposure 這一指標(biāo)，作為重點(diǎn)討論的對(duì)象。暴露度 Exposure 用于衡量 GPT 對(duì)特定工作活動(dòng)和任務(wù)的沖擊程度，即保證一項(xiàng)工作活動(dòng)和任務(wù)完成質(zhì)量相同的情況下，使用 GPT 或 GPT 驅(qū)動(dòng)的系統(tǒng)是否能夠?qū)?zhí)行工作活動(dòng)或任務(wù)的所需時(shí)間減少 50%以上。 論文采用了兩種暴露度的注釋方式，分別為人工評(píng)分法與 GPT-4 評(píng)級(jí)法：

人工評(píng)分：通過(guò)對(duì) O*NET 數(shù)據(jù)庫(kù)中的每一個(gè)工作活動(dòng) DWA 和任務(wù)進(jìn)行人為歸類并注釋打分。

GPT-4 評(píng)級(jí)：采用早期版本的 GPT-4 對(duì)工作活動(dòng)和任務(wù)進(jìn)行注釋打分。

論文將暴露度分為以下三類：

E0 無(wú)暴露度：如果經(jīng)驗(yàn)豐富的工人在高質(zhì)量完成任務(wù)時(shí)所需的時(shí)間沒(méi)有明顯減少 50%，或使用 GPT 相關(guān)技術(shù)會(huì)降低工作活動(dòng)/任務(wù)的完成質(zhì)量，則定義為 E0（例： 需要高強(qiáng)度人際互動(dòng)的任務(wù)）。

E1 直接暴露：在保證完成質(zhì)量相同的前提下，如果通過(guò) ChatGPT 或 OpenAI 直接訪問(wèn) LLM 或 GPT-4 可以將完成工作活動(dòng)或任務(wù)所需時(shí)間減少 50%及以上，則將其定義為 E1（例：指令編寫、轉(zhuǎn)換文本和代碼的任務(wù)）。

E2 LLM+暴露：直接訪問(wèn) LLM 不能將完成任務(wù)所需的時(shí)間減>50%，但在 LLM 基礎(chǔ)上開(kāi)發(fā)額外功能后可以達(dá)成目的，則定義該類工作活動(dòng)和任務(wù)為 E2（例：總結(jié)超過(guò) 2000 字的文檔并回答關(guān)于文檔的問(wèn)題）。

為了更為準(zhǔn)確地衡量暴露度這一指標(biāo)的統(tǒng)計(jì)學(xué)意義，論文中構(gòu)建了三個(gè)度量指標(biāo)， α、β 和 ζ，分別衡量低、中、高水平下的 GPT 對(duì)各職業(yè)的沖擊程度。其中，α=E1， 代表一個(gè)職業(yè)受 GPT 沖擊程度的下限；β=E1+0.5*E2，其中 E2 的 0.5 倍權(quán)重旨在解釋通過(guò)補(bǔ)充工具或應(yīng)用程序來(lái)完成任務(wù)/工作活動(dòng)需要額外計(jì)算的暴露度；ζ=E1+E2， 代表一個(gè)職業(yè)受 GPT 沖擊程度的上限，可用于評(píng)估一項(xiàng)工作/任務(wù)對(duì)于 GPT 及 GPT 驅(qū)動(dòng)的系統(tǒng)的最大暴露度（即GPT進(jìn)一步開(kāi)發(fā)后，一項(xiàng)工作/任務(wù)受到的最大影響）。

3. 研究結(jié)論：30%的職業(yè)或任務(wù)將受到 GPT 沖擊

前文將暴露度 Exposure 這一指標(biāo)的定義進(jìn)行了描述，論文中還將暴露度的衡量指標(biāo) α、β 和 ζ 進(jìn)行了統(tǒng)計(jì)數(shù)據(jù)的匯總。不論采取人類打分的方式還是 GPT-4 打分，暴露度α的均值在0.14左右，表示了從平均意義上說(shuō)，15%左右的職業(yè)/任務(wù)暴露于GPT， 即 15%左右的工作可能會(huì)被現(xiàn)有的 LLM/GPT-4 降低 50%以上的工作時(shí)間。類似地，暴露度 β 和 ζ 均值分別在 0.3 和 0.5 左右，代表 30%/50%的職業(yè)或任務(wù)將受到中/高水平的 GPT 沖擊，即減少工作時(shí)間 50%及以上。

4. 研究結(jié)論：工資水平與 GPT 沖擊程度呈正相關(guān)

論文探索了職業(yè)、工人分布程度與暴露度之間的關(guān)系。對(duì)于中等水平的 GPT（β） 來(lái)說(shuō)，約 19%的工人有 50%以上的任務(wù)將受到 GPT 的沖擊，80%的工人有 10%以上的任務(wù)受到了 GPT 的沖擊；18%的職業(yè)中有 50%以上的任務(wù)受到了 GPT 的沖擊。

論文還對(duì)工資、就業(yè)水平與暴露度的相關(guān)性進(jìn)行了探討。兩種打分模式下，盡管存在一些高暴露度的低工資職業(yè)和低暴露度的高工資職業(yè)，整體圖表顯示，工資越高， 受 GPT 影響的程度也隨之增加。而 GPT 沖擊程度與就業(yè)水平則并無(wú)顯著關(guān)聯(lián)。

5. 研究結(jié)論：科學(xué)和批判性思維是受 GPT 沖擊最小的技能

論文研究了不同職業(yè)中技能重要性與 GPT 暴露度之間的關(guān)系。作者將 O*NET 數(shù)據(jù)庫(kù)中的基本技能進(jìn)行標(biāo)準(zhǔn)化，并將其與暴露度指標(biāo)（α，β，ζ）進(jìn)行回歸分析，檢驗(yàn)技能重要性和暴露度之間的關(guān)聯(lián)度。結(jié)果表明，科學(xué)和批判性思維技能（Science and CriticalThinking）與暴露度呈強(qiáng)烈的負(fù)相關(guān)（以β作為研究，相關(guān)系數(shù)分別-0.23 和 -0.19），即需要該技能的職業(yè)或任務(wù)不太可能受到 GPT 的沖擊；相反，編程和寫作技能（Programming and Writing）與暴露度呈現(xiàn)出強(qiáng)正相關(guān)（相關(guān)系數(shù)分別為 0.62 和 0.47），即涉及該技能的職業(yè)更容易受到 GPT 的沖擊。

6. 研究結(jié)論：學(xué)歷水平和在職培訓(xùn)時(shí)長(zhǎng)與 GPT 沖擊程度相關(guān)

論文研究了不同工作類型的準(zhǔn)入壁壘與暴露程度的關(guān)系。作者選取 O*NET 數(shù)據(jù)庫(kù)中的“工作區(qū)（Job Zone）”概念作為變量，同一工作區(qū)中的職業(yè)在準(zhǔn)入教育水平、 準(zhǔn)入相關(guān)經(jīng)驗(yàn)、在職培訓(xùn)程度方面具有更高的相似度。O*NET 數(shù)據(jù)庫(kù)將工作區(qū)分為 5 種，隨著準(zhǔn)入工作經(jīng)驗(yàn)的增加，各工作區(qū)收入的中位數(shù)單調(diào)遞增，如工作區(qū) 1 的 準(zhǔn)入工作經(jīng)驗(yàn)是 3 個(gè)月，收入的中位數(shù)為 30,230 美元，而工作區(qū) 5 的準(zhǔn)入工作經(jīng)驗(yàn)是≥4 年，收入中位數(shù)為 80,980 美元。 研究結(jié)果顯示，從工作區(qū) 1 到工作區(qū) 4，暴露度水平逐漸增加，但在工作區(qū) 5 則保持相似甚至有所降低。平均來(lái)說(shuō)，在不同工作區(qū)，50%以上任務(wù)受到 GPT 沖擊的職業(yè)比例分別為 0.00%（工作區(qū) 1）、6.11%（工作區(qū) 2）、10.57%（工作區(qū) 3）、34.5% （工作區(qū) 4）和 26.45%（工作區(qū) 5）。

論文還單獨(dú)研究了職業(yè)準(zhǔn)入教育水平和在職培訓(xùn)情況與暴露度的關(guān)系。結(jié)果表明， 持有學(xué)士、碩士和更高學(xué)位的人比沒(méi)有正規(guī)教育學(xué)歷的人更容易受到GPT的沖擊； 在職培訓(xùn)時(shí)間最長(zhǎng)的職業(yè)受 GPT 沖擊程度最低（且這類工作的收入水平更低），而沒(méi)有在職培訓(xùn)或只需要實(shí)習(xí)的工作表現(xiàn)出更高的收入水平和更容易受 GPT 沖擊的屬性。

7. 研究結(jié)論：證券投資和數(shù)據(jù)處理可能是受沖擊程度最高的職業(yè)

論文中對(duì)各行業(yè)受 GPT 沖擊的程度進(jìn)行了排序。結(jié)果表明，人類打分模式下，證券商品合約及其他金融投資及相關(guān)活動(dòng)是受 GPT 沖擊最為嚴(yán)重的行業(yè)，而 GPT 打分模式下，數(shù)據(jù)處理托管和相關(guān)服務(wù)的受沖擊程度最高。 在直接調(diào)用 GPT 模型的情況下（暴露度 α），口譯筆譯和數(shù)學(xué)家分別是兩種打分模式下受影響最大的職業(yè)。在進(jìn)一步開(kāi)發(fā) GPT 衍生功能的情況下（暴露度 ζ），人類打分模式中，有 15 項(xiàng)職業(yè)的所有任務(wù)都將被 GPT 降低 50%以上的工作時(shí)間，包括數(shù)學(xué)家、稅務(wù)準(zhǔn)備、量化分析師、作家、網(wǎng)頁(yè)和數(shù)字化頁(yè)面設(shè)計(jì)師；GPT 打分模式中， 有 86 項(xiàng)職業(yè)的所有任務(wù)都將被 GPT 降低 50%以上的工作時(shí)間，包括審計(jì)會(huì)計(jì)、新聞分析記者、法務(wù)專員、臨床數(shù)據(jù)經(jīng)理、氣象變化政策分析師等。從方差角度看， 搜索營(yíng)銷策略師、平面設(shè)計(jì)師、投資基金經(jīng)理、財(cái)務(wù)經(jīng)理、汽車損壞保險(xiǎn)估價(jià)師可能是受 GPT 影響程度爭(zhēng)議最大的幾項(xiàng)職業(yè)。

此外，論文研究表明，近期的生產(chǎn)增長(zhǎng)率（包含全要素和勞動(dòng)力兩方面）與暴露度并無(wú)顯著相關(guān)性。換言之，如果 LLM 有可能在不同行業(yè)之間以不同程度提高生產(chǎn)力， 那么生產(chǎn)力最高的企業(yè)可能會(huì)良性循環(huán)。由于這些行業(yè)的生產(chǎn)需求普遍缺乏彈性， 生產(chǎn)率最高的部門在經(jīng)濟(jì)投入中所占的比例將縮小。

8. 對(duì)國(guó)內(nèi)的探討：賣方分析師≥80%的工作可能受 GPT 沖擊

我們采用了論文中類似的方法，試圖對(duì)國(guó)內(nèi)證券行業(yè)相關(guān)工作進(jìn)行打分，并計(jì)算了其可能受 GPT 沖擊的程度。論文中采用的 O*NET 數(shù)據(jù)庫(kù)將每一項(xiàng)職業(yè)對(duì)應(yīng)的任務(wù)、 工作活動(dòng)都進(jìn)行了定義，但由于國(guó)內(nèi)暫無(wú)類似的數(shù)據(jù)庫(kù)和較為詳細(xì)的職業(yè)分類，我們?nèi)圆捎昧?O*NET 數(shù)據(jù)庫(kù)中的分類，但依據(jù)國(guó)內(nèi)的情況做了本土化調(diào)整，例如， O*NET 數(shù)據(jù)庫(kù)中的金融投資分析師（Financial and InvestmentAnalysts）職業(yè)包含任務(wù)“對(duì)綠色建筑和綠色改造項(xiàng)目進(jìn)行投資財(cái)務(wù)分析（Conduct financial analyses related to investments in green construction or green retrofitting projects）”，而中國(guó)的分析師普遍不涉及這項(xiàng)工作，因此予以刪除調(diào)整。

我們選取了 O*NET 數(shù)據(jù)庫(kù)中的Financial and Investment Analysts金融和投資分析師、 Investment Fund Managers 投資基金經(jīng)理這兩項(xiàng)職業(yè)和對(duì)應(yīng)的任務(wù)與工作活動(dòng) （DWA），并根據(jù)中國(guó)的實(shí)際情況，將其重新組合為二級(jí)賣方分析師、一級(jí)市場(chǎng)投行和基金經(jīng)理。采用與論文相同的標(biāo)準(zhǔn)，對(duì)這些職業(yè)的任務(wù)/工作活動(dòng)進(jìn)行了打分， 并計(jì)算了暴露度β和ζ。結(jié)果顯示，按任務(wù)情況進(jìn)行計(jì)算，三種行業(yè)對(duì)比下，二級(jí)賣方分析師受 GPT 沖擊的程度高于投行一級(jí)市場(chǎng)和基金經(jīng)理。在經(jīng)過(guò)專業(yè)知識(shí)訓(xùn)練的 LLM 和 GPT 的幫助下（代表暴露度ζ），賣方分析師可能有 82%的任務(wù)將被減少 50%以上的工作時(shí)間，基金經(jīng)理可能有 55%的任務(wù)被減少 50%以上的工作時(shí)間。按照工作活動(dòng)計(jì)算，二級(jí)賣方分析師和一級(jí)市場(chǎng)投行受 GPT 影響的程度相差不大，約為 65%左右，但仍顯著高于基金經(jīng)理。

在論文中，作者將 E1 直接暴露定義為運(yùn)用現(xiàn)有 ChatGPT 和 OpenAI 接口直接方位 LLM 可以減少50%以上的工作時(shí)間，對(duì)應(yīng)的工作內(nèi)容包括編寫文本（2000 字以內(nèi)）、 翻譯、準(zhǔn)備短資料等，而證券業(yè)的任務(wù)由于涉及專業(yè)知識(shí)、撰寫長(zhǎng)度超過(guò) 2000 字的報(bào)告等，因此在進(jìn)行打分時(shí)，不存在直接暴露 E1 的情況，所有任務(wù)及工作活動(dòng)均被歸類為無(wú)暴露（E0）或 LLM+暴露（E2）。另外，在打分過(guò)程中，根據(jù)論文作者的標(biāo)準(zhǔn)，我們將法律法規(guī)要求人類完成的任務(wù)、需要確認(rèn)/授權(quán)/決策的任務(wù)、涉及雇傭員工和培訓(xùn)團(tuán)隊(duì)的任務(wù)以及涉及大量人際交流的任務(wù)歸類為無(wú)暴露（E0），分析類、文本整理類、資料搜集類工作定義為 LLM+暴露（E2）。值得注意的是，由于基金經(jīng)理這一職業(yè)涉及更多審查合規(guī)性、響應(yīng)監(jiān)管要求等任務(wù)，因此展現(xiàn)出較分析師更低的暴露度（ζ），即受 GPT 的影響低于分析師。

根據(jù)論文中對(duì)于不同行業(yè)的暴露度統(tǒng)計(jì)，按照人類打分，美國(guó)證券商品合約及其他金融投資的暴露度β在 0.6-0.7 之間，我們將這一數(shù)值作為美國(guó)證券行業(yè)受到 GPT 沖擊的平均水平。為了方便對(duì)比，我們采用暴露度β進(jìn)行對(duì)比，國(guó)內(nèi)賣方分析師、 一級(jí)市場(chǎng)（投行）和基金經(jīng)理分別對(duì)應(yīng)的暴露度 0.41、0.33 和 0.28，證明國(guó)內(nèi)賣方分析師、一級(jí)市場(chǎng)（投行）和基金經(jīng)理受到 GPT 沖擊的情況略好于美國(guó)證券行業(yè)受沖擊的平均水平。我們推測(cè)可能由以下原因?qū)е拢?/p>

1、 美國(guó)擁有更高比例的量化分析師：論文中特別提到，在經(jīng)過(guò)專業(yè)知識(shí)訓(xùn)練的 LLM 和 GPT 的幫助下（暴露度ζ），人類打分模式下，量化分析師的暴露度是 100%，即量化分析師所有的任務(wù)都可以在 GPT 的幫助下大幅降低工作時(shí)間；美國(guó)量化分析行業(yè)發(fā)展相對(duì)靠前，量化分析師可能擁有更高的權(quán)重，從而拉高行業(yè)整體的暴露度；

2、 不同證券市場(chǎng)的有效性可能對(duì)工作任務(wù)的打分產(chǎn)生影響：美國(guó)資本市場(chǎng)被認(rèn)為是半強(qiáng)有效市場(chǎng)，較 A 股相比，美股市場(chǎng)的信息更加公開(kāi)透明；GPT 在公開(kāi)信息的搜集整理、歸納總結(jié)方面具有明顯的優(yōu)勢(shì)，因此相比國(guó)內(nèi)，GPT 和 LLM 能夠更好地幫助美國(guó)的證券從業(yè)者降低工作時(shí)長(zhǎng)，從而表現(xiàn)出更高的暴露度。

關(guān)鍵詞：