権力闘争
バージニア大学の経済学者であり、ブルッキングス研究所のフェローである Anton Korinek は、ChatGPT などの新世代の大規模言語モデルにアクセスできるようになったとき、私たちの多くが行ったのと同じことを行いました。彼らが彼の仕事にどのように役立つか. 彼は慎重に 彼らのパフォーマンスを文書化した 2 月の論文では、ブレインストーミングとテキストの編集 (非常に役立つ) からコーディング (ある程度の助けがあればかなり良い)、数学の実行 (あまり良くない) まで、25 の「ユースケース」をいかにうまく処理したかを指摘しています。
ChatGPT は、経済学の最も基本的な原則の 1 つを誤って説明した、と Korinek は言います。 しかし、その間違いは簡単に見つけられ、利点を考慮してすぐに許されました。 「コグニティブ ワーカーとしての生産性が向上したと言えます」と彼は言います。 「確かに、言語モデルを使用すると生産性が向上することに疑いの余地はありません。」
GPT-4 が発表されたとき、彼は 2 月に記録したのと同じ 25 の質問でそのパフォーマンスをテストしましたが、パフォーマンスははるかに優れていました。 ものを作り上げる例は少なくなりました。 また、数学の宿題の成績も大幅に向上したと、コリネックは言います。
ChatGPT やその他の AI ボットは、機器やインフラストラクチャへの投資を必要とする物理的なタスクとは対照的に、認知作業を自動化するため、過去の技術革命よりもはるかに迅速に経済的生産性が向上する可能性があると Korinek は述べています。 「年末までには、生産性が大幅に向上する可能性があると思います。2024 年までには確実です」と彼は言います。
この驚異的なテクノロジーの未来を制するのは誰でしょうか?
さらに、長期的には、AI モデルが彼のような研究者の生産性を高める方法は、技術の進歩を促進する可能性があると彼は言います。
大規模な言語モデルのその可能性は、物理科学の研究ですでに現れています。 スイスのローザンヌにある EPFL で化学工学研究室を運営している Berend Smit は、機械学習を使用して新しい材料を発見する専門家です。 昨年、彼の大学院生の 1 人である Kevin Maik Jablonka が GPT-3 を使用していくつかの興味深い結果を示した後、Smit は彼に、GPT-3 が実際には、彼のグループが行っている高度な機械学習研究には役に立たないことを示すように依頼しました。化合物の特性を予測します。
「彼は完全に失敗しました」と Smit は冗談を言います。
いくつかの関連する例で数分間微調整した後、 モデルは、高度な機械学習ツールと同様に機能します 化合物の溶解度やその反応性などに関する基本的な質問に答える化学のために特別に開発されました。 化合物に名前を付けるだけで、その構造からさまざまな性質を予測できます。