Science正刊發(fā)表對ChatGPT的調(diào)查報(bào)告，《生成式人工智能對生產(chǎn)力影響的實(shí)驗(yàn)證據(jù)》
對于一些文書任務(wù)，ChatGPT不僅能在節(jié)省40%時(shí)間的同時(shí)提高18%的績效，還降低了不同人之間的績效差異。
MIT官方也對這一研究成果進(jìn)行了報(bào)道。
對照組也會偷用
這場實(shí)驗(yàn)一共邀請了453名受試者，分為實(shí)驗(yàn)組和對照組。
這些受試者是來自不同領(lǐng)域、受過高等教育的專業(yè)人士。
兩個(gè)組中人員的薪資水平、職業(yè)等信息如下表所示：
在為期一個(gè)月的實(shí)驗(yàn)中，他們被要求完成與職業(yè)相關(guān)的寫作任務(wù)。
這些任務(wù)包括撰寫新聞稿、簡短報(bào)告、分析計(jì)劃和電子郵件，時(shí)長約為20到30分鐘。
評估的指標(biāo)包括效率和質(zhì)量兩部分，每份成果分別交由三名相關(guān)領(lǐng)域的專業(yè)人士進(jìn)行盲評（1-7分）。
結(jié)果顯示，實(shí)驗(yàn)組所用時(shí)間減少了0.75個(gè)標(biāo)準(zhǔn)差（約11分鐘），評分則提高了0.41個(gè)標(biāo)準(zhǔn)差。
如果換算成百分?jǐn)?shù)，時(shí)間縮短和質(zhì)量提高的比例分別是40%和18%。
具體而言，實(shí)驗(yàn)組首先被安排完成一項(xiàng)任務(wù)，之后注冊ChatGPT（3.5版本）。
他們被告知，如果覺得ChatGPT好用，那么就要在第二個(gè)任務(wù)中使用。
而對照組則被要求注冊一款LaTex編輯器（注冊復(fù)雜度與ChatGPT相當(dāng)），但沒有類似的告知。
結(jié)果，有80%的實(shí)驗(yàn)組人員在第二個(gè)任務(wù)中使用了ChatGPT，而對照組中只有不到5%使用了LaTex工具。
對于第二個(gè)任務(wù)，實(shí)驗(yàn)組平均耗時(shí)為17分鐘，比對照組少了10分鐘。
質(zhì)量方面，實(shí)驗(yàn)組的平均成績?yōu)?.53，對照組的平均成績則為3.802。
除了提質(zhì)增效，ChatGPT還降低了不同人之間工作質(zhì)量的差異。
根據(jù)第一個(gè)任務(wù)完成情況的不同，研究人員將這些人第二次任務(wù)的評分進(jìn)行了線性擬合。
結(jié)果顯示，實(shí)驗(yàn)組評分的擬合斜率為0.414，比對照組低了0.272。
那么這些人又是如何使用ChatGPT的呢？是直接使用輸出結(jié)果或僅做微調(diào)，還是只用來打草稿？
跟蹤結(jié)果顯示，有33%的受試者提交的是原汁原味的ChatGPT結(jié)果，而53%進(jìn)行了修改。
但這些修改可能十分微小，比如只是調(diào)整一下格式等等。
得出這一結(jié)論的理由是，他們在ChatGPT生成回復(fù)后的平均活動(dòng)之間只有3.3分鐘，且大部分位于0-2分鐘之間。
需要說明的是，在實(shí)驗(yàn)開始之前，70%的受試人員已經(jīng)聽說過ChatGPT，32%曾經(jīng)使用過。
所以，在實(shí)驗(yàn)過程中，研究人員發(fā)現(xiàn)，對照組中也有10~20%的人使用了ChatGPT。
這一現(xiàn)象對實(shí)驗(yàn)結(jié)果存在一定影響，研究人員利用了統(tǒng)計(jì)學(xué)方法進(jìn)行修正。
實(shí)驗(yàn)結(jié)束后，研究人員還對這些受試者進(jìn)行了兩次回訪，分別有92%和83%的人給出了回復(fù)。
第一次回訪是在實(shí)驗(yàn)結(jié)束后兩周，實(shí)驗(yàn)組和對照組分別有34%和18%的人仍在使用ChatGPT。
六周之后，也就是實(shí)驗(yàn)結(jié)束后兩個(gè)月，這組數(shù)字分別提升到了42%和27%。
綜上所述，研究人員認(rèn)為，ChatGPT在提升工作質(zhì)效方面確實(shí)有顯著作用，但其能否取代人類仍不明確。