Anthropic 研究机器人可胜任哪些工作

Dario Amodei 发布新文章 We Must Pace the Frontier，主张 AI 行业应放慢速度，并提出三部分计划。Anthropic 单方面承诺第一步，为第三方评估者提供永久的员工级系统访问权限，以核实安全措施执行、报告事故并评估训练期间模型的 alignment。

请阅读 @rclegateyang 和 Maxim 撰写的这份非常出色的报告：https://www.anthropic.com/research/what-work-can-robots-do

机器人技术在经济中的扩散，可能比 AI 的采用需要更长时间。 在近期的情景建模工作中，我们只考察了 AI 到 2030 年的影响。 若要展望更远的未来，则需要对机器人投资与采用的经济学进行更细致的建模。

与 AI 不同，机器人的相对成本非常高。他们估计，机器人仅在 0.3% 的工作任务上具备成本竞争力。 如果机器人价格下降遵循过去的趋势，这一比例需要 40 年才能达到 10%。

为什么这是一项有用的练习？ 他们发现，过去 50 年里，基线机器人能力可以预测相关暴露工人随后的工资和就业下降。随着成本下降、采用率上升，这一过程在数十年间逐步显现。

他们发现，对于美国经济中大多数体力任务，已存在能够执行这些任务的机器人——尽管是在有限场景下。总体而言，他们发现 34% 的工作时长面临机器人替代的暴露风险。

他们构建了一个新的机器人暴露指数，基于现有机器人在日益通用和非结构化条件下完成各种工作任务的能力。

Anthropic 首席经济学家 Peter McCrory 回应外界批评，承认其经济情景分析模型存在重要局限：模型只聚焦 AI 转型的供给侧，即 AI 能做什么、扩散多快、工人转岗多快。该模型假设价格灵活且总需求等于经济产能，因此无法生成"冲击压低需求、进而放大自身劳动力市场后果"的负反馈。

Anthropic 发布 AI 经济影响情景研究，覆盖从影响甚微到 2030 年 GDP 增长 15%、知识工作者失业率达 18% 的多种可能。首席经济学家 Peter McCrory 与联创 Jack Clark 讨论称，目标不是做预测，而是理解可能结果的范围及其出现条件，以厘清各方对未来分歧的来源。

alexolegimas 联合 ben_moll 发布博文，分析 AI 能力快速提升为何未必转化为爆发式经济增长，认为两位数增长的预测大概率不会实现。要点是增长模型并不阻止 AI 带来爆发式增长，但该路径依赖一系列现实中难以成立的假设，例如被自动化部门因价格下降而在经济中占比缩小，这使能力大幅提升与约 4-5% 的增长（作者称已属很高）并存的趋势可能延续。