Как цифровизация уже поменяла экономику?
Статья ЕЦБ (апрель 2023) напоминает, что уже прошедшие процессы цифровизации принесли экономике. Основные выводы:
1) работы "в среднем" не исчезают при цифровизации, но их содержание меняется. На рынке труда "вымываются" средне-квалифицированные работы;
2) растёт неравенство доходов и богатства (в том числе из-за роста доли владельцев капитала);
3) видимо, развитие финтеха и изменения в электронных продажах (e-com) усиливают влияние денежно-кредитной политики.
И дальше много "полезных слов" про то, что людям нужно помогать, переобучать и т.п. Честно говоря, вопрос - как "искусственный интеллект" поменяет эти призывы...
#AI #Digital #Labor
Статья ЕЦБ (апрель 2023) напоминает, что уже прошедшие процессы цифровизации принесли экономике. Основные выводы:
1) работы "в среднем" не исчезают при цифровизации, но их содержание меняется. На рынке труда "вымываются" средне-квалифицированные работы;
2) растёт неравенство доходов и богатства (в том числе из-за роста доли владельцев капитала);
3) видимо, развитие финтеха и изменения в электронных продажах (e-com) усиливают влияние денежно-кредитной политики.
И дальше много "полезных слов" про то, что людям нужно помогать, переобучать и т.п. Честно говоря, вопрос - как "искусственный интеллект" поменяет эти призывы...
#AI #Digital #Labor
Связь с технологиями и доходности после ChatGPT.
По идее, релиз ChatGPT должен был повлиять на доходности компаний, больше или меньше связанных с ИИ. Авторы (май 2023) показывают, что с ноября 2022 дневные альфы (то есть "излишние доходности") таких фирм действительно значительно выше, причем до релиза никаких отличий не найти.
Вывод: видимо, рынок уже успел оценить важность ChatGPT и связать его влияние с конкретными компаниями.
#ChatGPT #AI #Firms #Stocks
По идее, релиз ChatGPT должен был повлиять на доходности компаний, больше или меньше связанных с ИИ. Авторы (май 2023) показывают, что с ноября 2022 дневные альфы (то есть "излишние доходности") таких фирм действительно значительно выше, причем до релиза никаких отличий не найти.
Вывод: видимо, рынок уже успел оценить важность ChatGPT и связать его влияние с конкретными компаниями.
#ChatGPT #AI #Firms #Stocks
NBER
Generative AI and Firm Values
What are the effects of recent advances in Generative AI on the value of firms? Our study offers a quantitative answer to this question for U.S. publicly traded companies based on the exposures of their workforce to Generative AI. Our novel firm-level measure…
Как может меняться компания под воздействием ИИ?
Статья (июнь 2023) смотрит на то, какие компании активно используют технологии искусственного интеллекта (ИИ), и как это влияет на свойства самой фирмы. Идея в том, что привлечение сотрудников, умеющих в ИИ, может снизить необходимость в менеджерах среднего звена. Вместо них могут более широко внедряться способы работы с данными.
Для этого авторы анализируют резюме сотрудников, а также объявления о позициях этих компаний. Период 2010-2018 с постепенным внедрением ИИ.
Результаты впечатляют:
1) активнее берут на ИИ-связанные позиции в компаниях, которые уже наняли больше сотрудников с PhD и из STEM (наука, технологии, инженерные специальности, математика);
2) структура таких ИИ-активных компаний становится "более плоской". Это означает, что становится больше сотрудников на начальных позициях, меньше на средних и высоких, при этом сдвиг происходит в сторону более образованных людей.
Вывод: мы ещё не видели полного эффекта влияния ИИ на рынок труда. Очевидно, что если ИИ становятся важнее, то компания обязана молодеть - потому что более взрослые люди не всегда знакомы с ИИ. Вероятно, что в ближайшее десятилетие подобная иерархическая структура не воспроизведётся, потому что все будут знать про ИИ, даже мы, взрослеющие люди.
#AI #Firms #Labor
Статья (июнь 2023) смотрит на то, какие компании активно используют технологии искусственного интеллекта (ИИ), и как это влияет на свойства самой фирмы. Идея в том, что привлечение сотрудников, умеющих в ИИ, может снизить необходимость в менеджерах среднего звена. Вместо них могут более широко внедряться способы работы с данными.
Для этого авторы анализируют резюме сотрудников, а также объявления о позициях этих компаний. Период 2010-2018 с постепенным внедрением ИИ.
Результаты впечатляют:
1) активнее берут на ИИ-связанные позиции в компаниях, которые уже наняли больше сотрудников с PhD и из STEM (наука, технологии, инженерные специальности, математика);
2) структура таких ИИ-активных компаний становится "более плоской". Это означает, что становится больше сотрудников на начальных позициях, меньше на средних и высоких, при этом сдвиг происходит в сторону более образованных людей.
Вывод: мы ещё не видели полного эффекта влияния ИИ на рынок труда. Очевидно, что если ИИ становятся важнее, то компания обязана молодеть - потому что более взрослые люди не всегда знакомы с ИИ. Вероятно, что в ближайшее десятилетие подобная иерархическая структура не воспроизведётся, потому что все будут знать про ИИ, даже мы, взрослеющие люди.
#AI #Firms #Labor
NBER
Firm Investments in Artificial Intelligence Technologies and Changes in Workforce Composition
We study the shifts in U.S. firms' workforce composition and organization associated with the use of AI technologies. To do so, we leverage a unique combination of worker resume and job postings datasets to measure firm-level AI investments and workforce…
Риски ИИ: "давайте делать исследования этично".
Nature опубликовала редакторскую статью (июнь 2023) для обсуждения рисков искусственного интеллекта (ИИ). По мнению авторов, надо забыть про отдалённые во времени проблемы и сосредоточиться на исследованиях этичности ИИ в наше время. У моделей машинного обучения есть как минимум несколько потенциально опасных сторон - от "расовых предпочтений", до "утери работ гражданами", и до "чёрного ящика" выбора людей для программ социальной или медицинской помощи.
Будет интересно следить за процессом - во многих странах задумались, насколько системы распознавания лиц этичны, и пытаются запрещать. В других укрепляют безопасность данных. В третьих решения сделали очень продвинутыми и продают в другие страны. Каким будет итоговое решение - очень важно для людей.
Вот научпоп книга про эти вопросы:
https://www.litres.ru/book/maks-tegmark/zhizn-3-0-byt-chelovekom-v-epohu-iskusstvennogo-intellekta-41741198/
#AI #Nature
Nature опубликовала редакторскую статью (июнь 2023) для обсуждения рисков искусственного интеллекта (ИИ). По мнению авторов, надо забыть про отдалённые во времени проблемы и сосредоточиться на исследованиях этичности ИИ в наше время. У моделей машинного обучения есть как минимум несколько потенциально опасных сторон - от "расовых предпочтений", до "утери работ гражданами", и до "чёрного ящика" выбора людей для программ социальной или медицинской помощи.
Будет интересно следить за процессом - во многих странах задумались, насколько системы распознавания лиц этичны, и пытаются запрещать. В других укрепляют безопасность данных. В третьих решения сделали очень продвинутыми и продают в другие страны. Каким будет итоговое решение - очень важно для людей.
Вот научпоп книга про эти вопросы:
https://www.litres.ru/book/maks-tegmark/zhizn-3-0-byt-chelovekom-v-epohu-iskusstvennogo-intellekta-41741198/
#AI #Nature
Nature
Stop talking about tomorrow’s AI doomsday when AI poses risks today
Nature - Talk of artificial intelligence destroying humanity plays into the tech companies’ agenda, and hinders effective regulation of the societal harms AI is causing right now.
Регулирование "новых технологий": нужно по секторам?
Аджемоглу не только выпустил полезную для обсуждения книгу "Power and Progress". Он также старается иллюстрировать отдельные кейсы моделями - это очень важно, чтобы понять "равновесные эффекты" и не останавливаться на отдельных рынках.
Статья (июль 2023) анализирует, как нужно регулировать новые технологии (искусственный интеллект), если не сразу проявляются и плюсы роста производительности, и минусы социальных последствий. Если ИИ меняет рынок труда и "увольняет" сотрудников компании, нужно придумать, как внедрять ИИ постепенно, подготовить людей и улучшить возможности работы в других направлениях. Роль регулятора может оказаться очень важной.
Результаты: социально оптимальное внедрение зависит от роста производительности при новых технологиях. Если производительность растёт примерно со скоростью увеличения социальных издержек, то внедрять надо постепенно - определяясь, как снижать эти издержки, и регулируя внедрение активнее. Если же производительность от технологии радикально выше социальных издержек, то внедрение нужно ускорять, и появляется вопрос налогообложения прибылей компаний.
Вывод: с ИИ может получиться интересно, потому что сейчас смахивает на большую производительность и одновременно потенциально высокие издержки - заменить хотят многих сотрудников, включая ИТ и аналитиков. Поэтому роль регулирования "по Аджемоглу" огромная.
#AI #Acemoglu #Regulation
Аджемоглу не только выпустил полезную для обсуждения книгу "Power and Progress". Он также старается иллюстрировать отдельные кейсы моделями - это очень важно, чтобы понять "равновесные эффекты" и не останавливаться на отдельных рынках.
Статья (июль 2023) анализирует, как нужно регулировать новые технологии (искусственный интеллект), если не сразу проявляются и плюсы роста производительности, и минусы социальных последствий. Если ИИ меняет рынок труда и "увольняет" сотрудников компании, нужно придумать, как внедрять ИИ постепенно, подготовить людей и улучшить возможности работы в других направлениях. Роль регулятора может оказаться очень важной.
Результаты: социально оптимальное внедрение зависит от роста производительности при новых технологиях. Если производительность растёт примерно со скоростью увеличения социальных издержек, то внедрять надо постепенно - определяясь, как снижать эти издержки, и регулируя внедрение активнее. Если же производительность от технологии радикально выше социальных издержек, то внедрение нужно ускорять, и появляется вопрос налогообложения прибылей компаний.
Вывод: с ИИ может получиться интересно, потому что сейчас смахивает на большую производительность и одновременно потенциально высокие издержки - заменить хотят многих сотрудников, включая ИТ и аналитиков. Поэтому роль регулирования "по Аджемоглу" огромная.
#AI #Acemoglu #Regulation
NBER
Regulating Transformative Technologies
Transformative technologies like generative artificial intelligence promise to accelerate productivity growth across many sectors, but they also present new risks from potential misuse. We develop a multi-sector technology adoption model to study the optimal…
Почему мы будем учить студентов пользоваться GigaChat или ChatGPT?
Потому что они помогают не только писать код (важно для курсов), но и в совсем простых задачах. Статья (июль 2023) демонстрирует, что алгоритмы улучшения текста исправляют качество резюме, а это приводит к более частым предложениям работы. Механизм - в "подтверждении способностей": если резюме написано грамотно, HR легче согласиться, что кандидат выглядит получше.
Коллеги, которые пока против использования, вынуждены будут признать большую пользу от этих помощников.
#AI #Labor
Потому что они помогают не только писать код (важно для курсов), но и в совсем простых задачах. Статья (июль 2023) демонстрирует, что алгоритмы улучшения текста исправляют качество резюме, а это приводит к более частым предложениям работы. Механизм - в "подтверждении способностей": если резюме написано грамотно, HR легче согласиться, что кандидат выглядит получше.
Коллеги, которые пока против использования, вынуждены будут признать большую пользу от этих помощников.
#AI #Labor
Нейронные сети и предсказания инфляции.
Жаль, что Ведомости не взяли комментарий у Константина Стырина или у меня как людей, которые помогают писать работы по нейронным сетям и инфляции. Тем не менее, это действительно тренд - пытаться вытащить хорошие прогнозы из "сложных моделей", и как Антон Ермак продемонстрировал в магистерской работе этого года, они помогают даже на высоком уровне агрегации (проды, непроды, услуги).
Что показывает статья коллег из ФРС? Если использовать даже не ChatGPT, а языковую модель Гугла, всё равно предсказания по инфляции на будущие горизонты, особенно на год и больше, получаются лучше, чем у аналитиков.
Большой или огромный вопрос к этому - насколько модель "почувствовала инфляционный период". Всё-таки 2019-2023 сильно нестандартный период времени, и я был бы осторожен в интерпретации. Но в целом интересная работа, будем разбираться.
#AI #Inflation
Жаль, что Ведомости не взяли комментарий у Константина Стырина или у меня как людей, которые помогают писать работы по нейронным сетям и инфляции. Тем не менее, это действительно тренд - пытаться вытащить хорошие прогнозы из "сложных моделей", и как Антон Ермак продемонстрировал в магистерской работе этого года, они помогают даже на высоком уровне агрегации (проды, непроды, услуги).
Что показывает статья коллег из ФРС? Если использовать даже не ChatGPT, а языковую модель Гугла, всё равно предсказания по инфляции на будущие горизонты, особенно на год и больше, получаются лучше, чем у аналитиков.
Большой или огромный вопрос к этому - насколько модель "почувствовала инфляционный период". Всё-таки 2019-2023 сильно нестандартный период времени, и я был бы осторожен в интерпретации. Но в целом интересная работа, будем разбираться.
#AI #Inflation
Ведомости
В ФРС назвали прогнозы нейросетей точнее экспертных
Они могут стать мощным инструментом для аналитиков
Всегда ли ИИ помогает?
У многих (включая меня) теплится надежда на то, что искусственный интеллект (ИИ) сможет улучшить почти любые решения людей. Авторы статьи (июль 2023) показывают, что пока это убеждение слишком смелое. Они исследуют, что происходит в радиологии при добавлении хорошего ИИ к решениям людей. Эксперимент давал доступ 180 радиологам к ИИ случайным образом и распределял кейсы рентгенов пациентов.
Результаты: отдельно ИИ и отдельно профессионалы делают работу лучше, чем совместно ИИ и профессионалы. Как ни удивительно, улучшение предсказаний происходит только в случае "понятных кейсов", когда и сами радиологи бы справились; а в случае менее понятных - ИИ только добавляет неопределённости решениям.
Авторы показали, как улучшить результаты - нужна дополнительная инструкция использования ИИ, чтобы люди могли учесть свои "сдвиги восприятия". То есть приходится обучать применению, а "просто так" может не сработать.
#AI #Radiology
У многих (включая меня) теплится надежда на то, что искусственный интеллект (ИИ) сможет улучшить почти любые решения людей. Авторы статьи (июль 2023) показывают, что пока это убеждение слишком смелое. Они исследуют, что происходит в радиологии при добавлении хорошего ИИ к решениям людей. Эксперимент давал доступ 180 радиологам к ИИ случайным образом и распределял кейсы рентгенов пациентов.
Результаты: отдельно ИИ и отдельно профессионалы делают работу лучше, чем совместно ИИ и профессионалы. Как ни удивительно, улучшение предсказаний происходит только в случае "понятных кейсов", когда и сами радиологи бы справились; а в случае менее понятных - ИИ только добавляет неопределённости решениям.
Авторы показали, как улучшить результаты - нужна дополнительная инструкция использования ИИ, чтобы люди могли учесть свои "сдвиги восприятия". То есть приходится обучать применению, а "просто так" может не сработать.
#AI #Radiology
NBER
Combining Human Expertise with Artificial Intelligence: Experimental Evidence from Radiology
While Artificial Intelligence (AI) algorithms have achieved performance levels comparable to human experts on various predictive tasks, human experts can still access valuable contextual information not yet incorporated into AI predictions. Humans assisted…
Про производительность и цифровую революцию.
Если смотреть на данные 21 века, мы не увидим большого влияния "цифровой революции" от айфонов или облачных вычислений на рост производительности. Статья (август 2023) напоминает, почему так произошло. Два больших аргумента - это
1) концентрация выгод. Не все компании успешно используют новые технологии, только самый топ получает преимущество. Это видно в стоимости MAFANG (Microsoft, Apple, Face, Amazon, Netflix, Google) в последние годы - они заняли около 20% по капитализации в S&P 500. Ещё в 2013 году они занимали порядка 7% - то есть десять лет росли быстрее общего индекса. И это сигнал про то, что мы в эпохе "монополистической конкуренции", крупные компании концентрируют выгоды от новых идей;
2) технологии ещё не дошли до зрелости. В предыдущие три "промышленных революции" (паровой двигатель; электричество; ИТ) от момента изобретения до воплощения в продукты прошло по 40-50 лет. Несмотря на уже пришедшие к нам продукты "четвёртой", мы можем увидеть полноценное использование позже. Более того, движение в сторону "искусственного интеллекта" будет относительно медленным, даже при уже видимых успехах применения.
Мне кажется важным, что "общая производительность" много лет растёт не так, как хочется ожидать с учётом нашего ежедневного опыта. Это довольно не интуитивное утверждение - макроуровень учитывает, например, что автоматизация приводит к переходу сотрудников в менее производительные отрасли, в том числе услуги, или даже уходу с рынка труда (в "экономически не активные"). Поэтому во всей экономике требуется "широкое применение нового", чтобы получить существенные выгоды от технологий.
Производительность: https://t.iss.one/olegshibanov/1196
MAFANG: https://t.iss.one/olegshibanov/1197
#AI #Macro #Digital #Productivity #Solow
Если смотреть на данные 21 века, мы не увидим большого влияния "цифровой революции" от айфонов или облачных вычислений на рост производительности. Статья (август 2023) напоминает, почему так произошло. Два больших аргумента - это
1) концентрация выгод. Не все компании успешно используют новые технологии, только самый топ получает преимущество. Это видно в стоимости MAFANG (Microsoft, Apple, Face, Amazon, Netflix, Google) в последние годы - они заняли около 20% по капитализации в S&P 500. Ещё в 2013 году они занимали порядка 7% - то есть десять лет росли быстрее общего индекса. И это сигнал про то, что мы в эпохе "монополистической конкуренции", крупные компании концентрируют выгоды от новых идей;
2) технологии ещё не дошли до зрелости. В предыдущие три "промышленных революции" (паровой двигатель; электричество; ИТ) от момента изобретения до воплощения в продукты прошло по 40-50 лет. Несмотря на уже пришедшие к нам продукты "четвёртой", мы можем увидеть полноценное использование позже. Более того, движение в сторону "искусственного интеллекта" будет относительно медленным, даже при уже видимых успехах применения.
Мне кажется важным, что "общая производительность" много лет растёт не так, как хочется ожидать с учётом нашего ежедневного опыта. Это довольно не интуитивное утверждение - макроуровень учитывает, например, что автоматизация приводит к переходу сотрудников в менее производительные отрасли, в том числе услуги, или даже уходу с рынка труда (в "экономически не активные"). Поэтому во всей экономике требуется "широкое применение нового", чтобы получить существенные выгоды от технологий.
Производительность: https://t.iss.one/olegshibanov/1196
MAFANG: https://t.iss.one/olegshibanov/1197
#AI #Macro #Digital #Productivity #Solow
Почему стоит использовать ChatGPT, Bard и т.п. не только в учёбе?
Потому что GPT помогают!
Статья (июль 2023) проверила, насколько улучшаются скорость написания и качество текстов при вовлечении ChatGPT-3.5. Результаты прекрасны: время работы снижается на 40%, качество растёт на 18%. Кажется, многие журналисты были бы рады такой помощи.
Я только что попробовал сгенерить код к одной задаче из своих домашних заданий в Bard Google. За 10 секунд почти готовый результат на Python, надо только данные подкрутить и дать доступ к ним.
Поэтому очень хочется, чтобы мы пользовались всеми возможностями современных технологий. Если кто-то пишет код с нуля и через чтение документации - честь ему и хвала, это будущий великий программист. Но если вы используете код как вспомогательную часть процесса (а главное - что-то иное, например, регрессии), то обидно было бы игнорировать удобный инструмент. На StackOverflow мы все ходили, теперь ситуация стала даже проще.
#AI #GPT #Teaching
Потому что GPT помогают!
Статья (июль 2023) проверила, насколько улучшаются скорость написания и качество текстов при вовлечении ChatGPT-3.5. Результаты прекрасны: время работы снижается на 40%, качество растёт на 18%. Кажется, многие журналисты были бы рады такой помощи.
Я только что попробовал сгенерить код к одной задаче из своих домашних заданий в Bard Google. За 10 секунд почти готовый результат на Python, надо только данные подкрутить и дать доступ к ним.
Поэтому очень хочется, чтобы мы пользовались всеми возможностями современных технологий. Если кто-то пишет код с нуля и через чтение документации - честь ему и хвала, это будущий великий программист. Но если вы используете код как вспомогательную часть процесса (а главное - что-то иное, например, регрессии), то обидно было бы игнорировать удобный инструмент. На StackOverflow мы все ходили, теперь ситуация стала даже проще.
#AI #GPT #Teaching