LLM语言模型，特别是GPT，对美国各种职业和行业的潜在影响

OpenAI官网发布了最新的研究论文《GPTs are GPTs: An early look at the labor market impact potential of large language models》，该文旨在探讨LLM语言模型，特别是GPT，对美国各种职业和行业的潜在影响。

GPT 模型的选择和相关指标

论文中选择了最为知名的几个 GPT 模型进行比较，包括 GPT-3、GPT-2 和 GPT。在使用这些模型时，通过衡量准确率和计算时间等指标来评估它们的性能。

统计指标解释

在论文中，作者使用了一系列的统计指标来描述 GPT 对不同职业和行业的潜在影响。具体的解释如下：

- 工作时间减少的百分比：表示 GPT 可能会对该职业或任务的工作时间产生多大程度的影响，单位为百分比。

- 受影响工作人数的比例：表示该职业中有多少人可能会受到 GPT 影响，通过对 DWA 和任务进行分类，得出不同比例的结果。

- 工资受影响程度：表示该职业受到 GPT 影响后，平均工资可能会下降的程度。

- 技能受影响程度：表示 GPT 对该职业所需技能的影响程度，包括科学技能、批判性思维技能、编程技能和写作技能。

- 学历受影响程度：表示 GPT 对不同学历的持有者所带来的影响程度，比较了学士、硕士和更高学位的人和没有正规教育学历的人之间的差异。

- 在职培训和 GPT 影响程度的关系：表示在职培训对于职业收入水平的影响，以及在职培训对 GPT 冲击的程度产生的影响。简单来说，暴露度是用来衡量人工智能对不同职业产生的影响程度的指标。

论文中采用了两种评估方式，即人工评分和利用GPT-4进行评级。将不同职业根据不同的暴露度划分为三类，即无暴露度，直接暴露和LLM+暴露。25），也就是说，这些技能所在的职业受到的 GPT 冲击程度会比其他职业更小。而销售、管理和行政等职业则是受 GPT 冲击程度最大的。这一结论表明，对于那些希望避免受到 GPT 冲击影响的人来说，科学和批判性思维技能是非常重要的。

总结：这篇论文研究了不同职业的受GPT冲击程度与学历、在职培训、工作区等因素的关系。其结果显示，编程和写作技能与职业暴露度呈现强正相关，而工作区和职业准入教育水平、在职培训情况也影响职业受冲击程度。证券投资和数据处理可能是受冲击程度最高的行业，而口译笔译和数学家是受影响最大的职业。

具体来看，卖方分析师在所有任务中有39%的任务可能受到GPT冲击，而在所有工作活动中有86%的工作活动可能受到GPT冲击。而一级市场投行和基金经理在所有任务和工作活动中的受到GPT冲击的程度则略低于卖方分析师。

这意味着，在GPT技术不断发展和普及的情况下，卖方分析师可能面临更大的职业转型压力和挑战，需要及早做好职业规划和转型准备。2、 国内证券行业可能更注重人际交流和专业知识的深入理解：在金融投资领域，人际交流和专业知识理解能力在不同领域中的重要性存在差异。国内证券行业的任务可能更加注重人际交流和专业知识的深入理解，这些任务不便于使用 GPT 进行辅助，因此该行业的暴露度相对较低。

由此可见，GPT 技术的发展对证券业带来了显著的影响，能够大幅减少工作时间，提高工作效率。而针对不同行业的暴露度分析也可以为行业从业者提供有益的参考，协助他们了解 GPT 技术对自身工作的影响程度并相应地调整自己的职业发展。