大型语言模型（LLM）如ChatGPT可以帮助经济学家更好地进行研究。这是弗吉尼亚大学经济学教授安东·科里内克（Anton Korinek）最近在国家经济研究局发表的一篇论文的前提的一部分。
为了说明LLM在经济学研究中可以做什么，Korinek使用了目前最强大的系统，即GPT-3。这比ChatGPT“稍微强大一些”，但具有类似的输出，Korinek补充道。与OpenAI的ChatGPT一样，GPT-3系统在2021年之前一直在接受公共数据的训练，并且无法访问互联网。
Korinek看到了LLM的研究潜力，因为它们可以比人类更快地生成内容并消耗大量文本。LLM可以产生听起来权威但可能不准确的文本。Korinek的所有建议都与“微任务”有关：研究人员每天都在做的小工作，但这些工作太小而无法分配给其他人类助手。“我发现我的许多学生已经非常精通ChatGPT，并将其用于许多不同的任务，”Korinek说。“事实上，我论文中的一些例子是受到我的学生的启发。我还从我的学生那里了解到，他们不仅使用语言模型作为助手，还用作导师。
“我写这篇文章的目的是双重的：让语言模型的普通用户接触各种不同的用例，并试图赢得一些怀疑论者，”Korinek说。如果我们负责任地使用这些工具来提高我们的生产力并加速科学进步，我们作为一个社会将受益匪浅。
以下是Korinek关于经济学家如何使用这项技术的22个想法：
新研究领域的想法
1、头脑风暴。 经济学家可以向ChatGPT提出与广泛数据相关的问题的关键问题。Korinek要求GPT-3集思广益，通过这些渠道，人工智能的进步将增加不平等，包括增加对工人的监视和更多地使用人工智能驱动的算法来优化定价，这将导致更高的通货膨胀。
2、评估想法。ChatGPT 和 GPT-3 也可以评论研究方向的有用性。
3、提供反驳。由于LLM不在乎他们站在哪一边，他们同样擅长提供支持或反对一个观点的论据。这使得LLMs能够避免可能使人类失明的确认偏差。
撰写经济学研究
1、合成文本。LLM可以采用粗略的要点并将其翻译成文本。他们还可以根据指示以“学术风格”编写文本，还可以以LaTeX格式编写文本，这是一种用于文档准备的软件系统。
2、编辑文本。LLM可以修改文本并解释其修订，以便母语和非母语人士可以更好地掌握语言的写作。
3、评估文本。LLM可以评估文本的风格或清晰度。
4、生成吸引人的标题和头条新闻。经济学家可以将他们的论文摘要交给法学硕士，并要求它生成论文的标题。
5、生成推文。LLM还可以审查论文的摘要，并为经济学家提供可推特块的列表，使他们能够促进Twitter的工作。
背景研究
1、总结文本。LLM擅长将大块文本分解成易于消化的块。
2、文献研究。LLM经常编造不存在的论文，因此应检查有关特定领域文献的任何请求，但它们能够提供文献中经常引用的参考文献。
3、设置引用的格式。LLM可以将合法论文格式化为适合您的参考列表的任何格式。例如，它可以采用一批 APA 样式的引用，并将它们转换为规定样式。
4、翻译文本。LLM可以在“欧洲语言”上与商业翻译产品竞争，但它们在数字化文本和数字化翻译较少的语言上表现更差。
5、解释概念。 LLM可以在学生和试图学习新事物的研究人员都能理解的水平上解释研究。不过，有时它们会混淆基本定理。
编码
1、编写代码。LLM非常擅长标准编程任务，数据操作，重复任务和绘制图形。
2、解释代码。LLM可以查看代码并用简单的语言解释代码的作用。
3、翻译代码。LLM可以将代码从一种编码语言翻译成另一种编码语言。
4、调试代码。 LLM可以捕获编码中的拼写错误或违反基本语法的行为。
数据分析
1、从文本中提取数据。 来自新闻文章的股票价格或来自药物数据库的剂量信息可以由LLM提取，并采用经济学家需要的任何格式。
2、重新格式化数据。LLM可以重新格式化数据，以便经济学家可以使用它或以不同的方式呈现它。
3、对文本进行分类和评分。例如，LLM可以查看美国劳工部职业信息网络数据库中的任务列表，并确定自动化的难易程度。
4、提取情绪。LLM可以听取联邦公开市场委员会的声明，并评论他们是鹰派还是鸽派。
5、模拟人类受试者。由于LLM接受过大量有关人类信息的培训，因此他们还可以根据人口统计数据预测人们可能会对什么样的政策做出积极或消极的反应。但是，LLM存在基于错误刻板印象产生结果的风险。
数学导数
Korinek还测试了LLM是否可以建立他们研究的经济关系的数学模型。Korinek补充说，他们无法从数学模型中得出理论结果，但在中期，LLM可能会在这一领域取得更多进展。
转自：“学术国际”微信公众号
如有侵权，请联系本站删除！
