2022年12月22日，时值北京大学全球健康发展研究院成立2周年，由北京论坛、亚洲开发银行和北京大学全球健康发展研究院共同主办的北大全球健康发展论坛2022成功举办。本次论坛以“全球健康：数字转型和发展鸿沟”为主线。如下是斯坦福大学Jerry Yang and Akiko Yamazaki讲席教授，斯坦福数字经济实验室主任埃里克·布林约尔松教授（Erik Brynjolfsson）在“健康数字化与发展鸿沟”环节的主旨演讲，未经本人确认。
我今天讨论的主题是"人工智能的觉醒"。这指的是近年来人工智能的重大进步，特别是在大型语言模型和基础模型领域。我将探讨这些突破对未来工作、健康和发展的影响。
描绘这一进展的一种方式是通过图像识别。2014年，当我写《第二次机器革命》一书时，我提到机器在识别人脸和图像方面不是特别精通。然而，这现在已经开始改变了。由杰夫-辛顿（Jeff Hinton）等人领导的深度神经网络在ImageNet等图像数据集上取得的进展。你可以看到ImageNet中的一些例子：紫色的线说明了准确率的快速增长，在这个大约有1400万张图像的数据库中接近100%。
类似的技术现在正被应用于医学图像。例如，塞巴斯蒂安-特伦（Sebastian Thrun）将其应用于皮肤科图像，其性能超过了人类皮肤科医生的水平。放射科医生还发现，机器可以协助完成一系列的任务。当机器在某一特定领域超过人类能力时，就会成为一种门槛效应。一旦越过这个门槛，企业家、医院管理者和消费者可能会选择机器解决方案而不是人类解决方案。这类似于一个阶段性的变化。
此外，在药物发现领域也有很大的进展。随着COVID大流行，活动激增，我们在人工智能指数（Artificial Intelligence Index）进行了追踪，该组织是我共同创立的，用于追踪人工智能的数据。如果你访问人工智能指数，你会发现大量的数据，你可以用于你自己的研究和分析。
也许近年来最引人注目的进展发生在大型语言模型和基础模型领域。例如，我在一篇NBER工作论文上写了一些评论，然后让大型语言模型GPT-3以流行歌手泰勒-斯威夫特的风格写评论。几秒钟之内，GPT-3就生成了一篇语法正确的文本，而且其表现能与普通大学生相媲美，甚至优于他们的语言水平。
同样，在生成式对抗网络扫描方面也取得了快速的进展，它可以生成人脸和其他图像。最近，一位流行的播客主持人乔-罗根（Joe Rogan）对史蒂夫-乔布斯（Steve Jobs）进行了一次采访，尽管史蒂夫-乔布斯已经不在人世。这次采访可以以假乱真，有乔布斯可能做出的那种语音语调、评论和洞察力。采访者和被采访者都是完全人造的，由机器生成。
我们还目睹了在掌握不同类型的战略游戏方面的快速进展，从有完整信息的游戏到不完整信息的游戏，即玩家不知道其他玩家知道什么。即使是像外交这样的游戏，玩家必须用英语进行谈判，向他人提出建议，并达成协议，人工智能在锦标赛中也表现得异常出色。这说明了已经取得的进展水平。
总之，我们正在见证人工智能执行以前只能由人类完成的任务的能力的迅速提高。跟踪这一进展的一个方法是通过一个名为Metaculous的网站，该网站收集了来自世界各地的专家对不同人工智能相关主题的预测。这是一个令人兴奋的时刻，我们继续见证人工智能的快速发展，以及它在塑造未来工作、健康和发展方面的潜力。
推动人工智能快速发展的基本因素是计算机能力、更大的数据集和更多的参数同时急剧增加。这些因素中的每一个都有数量级的增长，有趣而重要的是，每当这些因素中的任何一个有数量级的改进，都会带来系统质量的同比例的提高。这一趋势非常符合幂律，这解释了为什么我们在这一领域看到了如此多的进展。
这里我们总结一下，我们现在的变化速度是前所未有的快，在将来甚至会更快，所以说技术变革的速度是一直在加速的。技术正在继续加速发展，这有很多实际意义。例如，目前在许多领域都出现了"淘金热"，如制药、研发、医学成像和语音识别，因为企业在应用这些基础技术。然而，这也对工作和经济产生了重要影响。
作为一名经济学家，我的观察是，这种数字进步正在通过创造机会来解决许多问题--经济、健康、贫困和环境--使经济蛋糕变大，而这些问题是我们以前无法解决的。然而，同样重要的是要注意，没有任何经济规律规定每个人都会从这些进步中平均受益。大部分收益有可能落入小部分人手中，而其他许多人不仅没有受益，而且实际上在绝对条件下变得更糟。从历史上看，进步往往使大多数人受益，但最近有许多人被这些技术抛在后面，导致了各方面的错位和不平等。
就技术如何影响工作而言，它可以产生影响的方式之一是取代人类劳动，这可能会推动工资下降。然而，技术也可以补充人类的能力，使他们能够做以前无法做到的新事情。当技术补充人类劳动时，它往往会提高工资。从历史上看，技术主要是对人类劳动的补充，但也有可能设计出能够提高工资和创造更广泛的繁荣的系统，以及能够集中财富和减少大多数人工资的系统。
为了了解哪些任务最有可能受到技术的影响，我们开发了一个机器学习适用性评分标准，该标准根据任务是否适合机器学习进行了分类。通过对美国经济中执行的18,000项不同的任务应用这一评分标准，我们能够确定经济中哪些部分更有可能受到影响，哪些部分不太可能受到影响。
对于那些对医疗保健感兴趣的人来说，作为一个例子，让我们仔细看看放射科，我们研究的950个职业之一。在放射科，有27项不同的任务由放射科医生执行。我们在下一张幻灯片上列出了前七项任务。一项可能受到机器学习影响的重要任务是检测医疗图像中的异常情况。我们还发现，涉及模式识别和数据分析的任务比需要医学知识、沟通和移情的任务更有可能受到影响。
关于人工智能对劳动力的影响，重要的是要注意，虽然技术的进步有可能极大地影响工作的方式，但这不是一个大规模失业或大规模取代人类劳动力的案例。相反，这是一个在各种职业中大规模重组和重新安排任务的情况。
我们已经分析了950种不同的职业，发现在每一种情况下，都有一些任务适合由机器来完成，另一些则不适合。这意味着，以放射科医生为例，一些任务将越来越多地由机器完成，而其他任务将继续由人类完成，从而导致工作量的重新安排。所有研究的950个职业都是这种情况。仅在美国，估计有价值713亿美元的机会发生这些变化，预计在中国也有类似的影响。
此外，我们的研究发现，最有可能受到这些技术进步影响的任务是那些涉及相对较低的工资和较高的机器执行能力。然而，随着大型语言模型的出现，这种趋势可能会改变，高薪工作更容易受到自动化的影响。
为了更具体地了解哪些任务会受到影响，我们已经开发了分析数以亿计的招聘信息的工具。这些工具使我们能够了解哪些任务最有可能受到组织和整个经济的影响。
值得注意的是，虽然这些工具可以极大地影响工作的方式，但对经济的影响将是不均衡的。最终，我们对如何利用这些技术的选择将大大影响结果。有可能创造更广泛的共享繁荣和更广泛地帮助人们的同样工具，也可能被用来集中财富和以更大的方式控制人们。
至关重要的是，我们要考虑我们的价值观，以及我们希望如何使用这些技术来塑造未来。这些工具变得越强大，我们对我们想要创造的未来的选择就越多。我鼓励大家深入思考他们希望在社会和经济中表达的价值观，并通过访问我在斯坦福大学数字经济实验室的网站以及我的个人网站了解更多的研究，我提到的论文都记录在那里。谢谢！
