top of page

用于经济研究的生成式人工智能: 使用案例和对经济学家的影响

作家相片: Lille MyLille My

Anton Korinek, JOURNAL OF ECONOMIC LITERATURE


生成式人工智能(AI)的发展日新月异,对经济研究产生了重大影响。 自这篇文章最初发表于《经济文献杂志》*(Korinek,2023年)以来,大型语言模型(LLMs)的进步带来了各种创新和新的使用案例。 本报告总结了经济研究中前沿 LLM 的主要创新和最新用例,重点关注六个领域:构思和反馈、写作、背景研究、编码、数据分析和数学推导。


LLMs 的最新进展主要体现在性能提高、上下文窗口扩大、召回能力增强、处理速度加快以及成本降低等方面。 领先的人工智能实验室进行了重大更新,纳入了视觉功能和实时声音处理功能。 截至 2024 年 5 月,OpenAI 的 GPT-4o 已成为能力最强的公开 LLM,在 ChatGPT 应用程序中设有 GPT 商店。 Anthropic 于 2024 年 3 月发布的 Claude 3 在书写能力方面表现出色,而 Google DeepMind 于 2024 年 1 月发布的 Gemini Pro 1.5 则提供了最大的上下文窗口,能够处理多达 100 万个代币。


OpenAI、Anthropic和谷歌DeepMind的领先LLM表现出相似的性能水平,其中OpenAI略胜一筹。 GPT-4o、Claude 3 和 Gemini Pro 1.5 等专有模型将语言处理与视觉信息处理整合在一起,实现了基于文本和图像的综合响应。 这些模型可通过网络聊天机器人、实时语音助手、网络实验平台和 API 访问。 此外,小型开源模型也已发布,为用户提供了隐私敏感型应用的选择。


经济研究中的用例


1. 创意和反馈:

- LLM 可帮助产生和评估研究想法,提供一种与人类研究人员相辅相成的创造力。 它们尤其有助于集思广益和评估各种想法,突出不同假设的利弊。


2. 写作:

- LLM可以根据要点合成文本,将方程转换为 LaTeX,进行语法和文体编辑,以及生成标题、大标题和社交媒体帖子。 这些功能简化了写作流程,提高了工作效率。


3. 背景研究:

- LLM擅长总结大量文本、识别相关文献、解释新概念和翻译文本。 它们处理整篇论文和视频的能力扩展了其在综合背景研究中的用途。


4. 编码:

- LLM 可通过生成代码片段、调试和解释复杂的代码段来协助完成编码任务。 这一功能对编程能力有限的研究人员尤为有益。


5. 数据分析:

- LLM 的高级数据分析功能允许在 ChatGPT 界面内执行 Python 代码,从而为文件转换、回归和模拟等任务提供便利。


6. 数学推导:

- LLM 可以进行数学推导,帮助研究人员进行复杂的计算和模型模拟。


尽管 LLM 有诸多好处,但它们也带来了挑战,如数据保密、模型偏差以及过度依赖自动化的可能性。 要最大限度地发挥 LLM 对经济研究的积极影响,确保 LLM 的道德使用并应对这些挑战至关重要。 将生成式人工智能和 LLMs 融入经济研究,有望显著提高生产力和创新能力。 随着这些技术的不断发展,它们的能力将进一步扩大,为研究人员提供新的机遇和挑战。 以深思熟虑和合乎道德的方式采用这些工具,将是在经济研究领域充分发挥其潜力的关键。





Comments


这项倡议得到了以下组织的支持:

  • Twitter
  • LinkedIn
  • YouTube
logo_edited.png
bottom of page