《生成式人工智能在经济研究中的应用:用例与对经济学家的影响》——商学院资本金融系读书会2024秋季学期第五期顺利举行

2024-12-04  Clicks:

2024年11月28日下午,商学院资本金融系2024年秋季学期第五期读书会通过线上会议的方式成功举行,李伯尧老师以及2024级资本金融系的同学参加了此次读书会。本期读书会以李伯尧老师推荐的《生成式人工智能在经济研究中的应用:用例与对经济学家的影响》一书为主要的研讨内容。2024级金融专硕王宇鑫、杨正、李妍萱、赵莹莹四位同学为本次读书会阅读成果进行了主题报告,李伯尧老师对本次报告进行了总结点评。

本次同学们的研讨内容主要分为四部分:第一部分对本文的核心概念进行了概述;第二部分专注于LLMs,主要介绍了该模型的基本原理与局限性;第三部分着重描述了LLMs的六种功能和用例;第四部分围绕LLMs在经济研究中的应用进行了总结和展望。

首先,王宇鑫同学首先介绍了生成式人工智能的概念和当前的发展情况。生成式AI是运用机器学习和自然语言处理技术,通过分析和学习海量数据,创造出与训练数据相似,但非简单复制内容的智能系统。近年来,这项技术在全球范围内取得了显著的进展,并受到了学术界的极大关注。然而,学术界对生成式AI工具的看法并不统一,存在一定的争议。作者指出,生成式AI的智能与人类智能之间存在本质差异。因此,我们既不应该过分夸大,也不应该过分低估生成式AI的能力,而应该用比较优势理论进行评估。这意味着我们应重视生成式AI在内容创造方面的优势,同时也要认识到人类在评估内容、鉴别信息以及组织研究项目方面的独特优势。

fbbf1023e8dd5c85d7d8646fc8da066

在对生成式AI有了基本的认识之后,王宇鑫同学继续深入讲解了LLMs的训练流程、扩展原则、提示工程以及局限性。她详细讲述了训练模型的三个阶段:预训练、指令微调以及通过人类反馈进行的强化学习,目的是使模型能够生成更符合人类偏好的高质量输出。而随着计算资源、模型参数数量以及训练数据量的增加,LLMs的拟合度和性能都会得到显著提升。在讨论提示工程时,作者指出,LLMs的输出质量很大程度上取决于输入的质量,因此他强调了耐心的重要性,并建议在提问时提供充分的上下文和风格指导。最后,王宇鑫同学介绍了LLMs由于其固有特性而面临的一些问题,包括信息编造、隐私泄露、刻板印象和偏见,以及数据限制等问题,并提醒大家在使用这些模型时要保持谨慎。

第三部分,杨正同学首先介绍了LLMs在构思和反馈、写作、背景研究等方面的功能。在构思和反馈功能中,LLMs可以围绕既定主题展开头脑风暴,得出与主题相关的想法和示例;能够对想法进行评估,剖析其潜在的优势和劣势;可以不受立场的干扰,为我们提供客观的反驳意见。LLMs的另一个重要功能是写作,具体涵盖合成、编辑、评估文本及生成标题和推文。LLMs在背景研究领域也具有一定的能力,可以帮助研究人员总结文本、检索相关文献、参考文献的格式化、翻译文本以及解释概念。此外,杨正同学介绍了这些功能在经济学中的用例,并谈了自己对于生成式人工智能的理解。

接着,李妍萱同学继续介绍了LLM剩下的三个功能,包括编码、数据分析和数学推导。其中,LLMs可以根据简单英语(或其他自然语言)的指令编写、编辑、修改、翻译或调试代码片段。在数据分析功能中,LLMs可以格式化数据,从文本中提取数据,对文本进行分类和评分,创建图形,提取情感,甚至模拟人类测试对象。数学推导功能中,LLMs可以帮助经济学家建立模型、推导方程以及进行模型解释。

1cece648d06a0b993fb5a10d70ca8d5

最后,李妍萱同学对作者评价LLMs模型的功能实用性进行总结。作者的评级分为三类。其中,空心圆(○)表示目前仍处于试验阶段的功能,LLMs生成的内容会出现不符合预期的情况,需要大量调整优化。从表中可以看到,文献研究、方程推导是作者认为LLM还需进一步发展的功能。半实心圆()表示LLMs比较有用的功能,但输出结果有时会不一致,需要进行少部分调整。作者前文提到的25个功能中有12个属于这一类。实心圆(●)反映的是LLMs已经很成熟的能力,在大多数时候能够按照预期工作。可以看到这类的功能主要是:头脑风暴、总结文献、调整格式、代码转换、提取数据、格式化数据以及写作。

第四部分,赵莹莹同学首先介绍了作者对LLMs在未来经济学研究中发展趋势的预测,接着结合作者的观点就“AI是否会替代经济学家”这一问题进行探讨。从目前的发展情况来看,AI无法取代经济学家的工作。经济学研究更重要的是对经济现象的理解和判断,其关键在于分析经济行为、经济决策以及他们对整个经济系统的影响,这些需要经济学家专业的知识和经验,目前AI还不具备这种能力。此外,经济学家的创造性思维和创新能力是AI无法替代的,经济学研究往往需要新的理论框架和创新的研究方法,AI可以辅助经济学家研究,但很难完全取代经济学家的创造性思维。最后,赵莹莹同学针对作者提出的问题“如何在使用LLMs的过程中,保持批判性思维和创造性”提出了看法。一方面,不能过度依赖LLMs,要利用它激发个体的创造力,而不是让它取代我们的思考,在面对LLMs提供的信息和建议时,需进行批判性思考,分析其合理性和适用性;另一方面,要多元化信息源,通过查阅其他的文献资料、研究报告等,从多个渠道获取信息,避免被单一视角所束缚,形成更全面、客观的认识。

a854c328c2298a72e7f63427b570eb0

四名同学分享结束后,李伯尧老师说明了选取这篇文章的原因。一方面是生成式人工智能是当前极为热门的话题,特别是LLMs,在经济研究中有广泛的价值。另一方面是文章中介绍的功能,值得同学们在实践中运用。同时,老师提示同学们要全面看待LLMs,既要看到它的强大功能,又要注意其内在的局限性,LLMs的本质是重新汇集已有信息的过程,在内容上不具有人的创造力,仅能作为一个助手,帮助解决熟练型工作,不能替代我们的学习过程。

通过此次读书会,同学们深入了解了LLMs的基本原理、局限,以及它在经济研究中的功能和发展趋势,为同学们今后运用人工智能工具打下了基础。相信此次读书会上的分享和李伯尧老师的总结分析能够丰富同学们的知识,拓展同学们的视野。


文、图/王宇鑫、杨正、李妍萱、赵莹莹

审稿/程碧波

审核/徐庆

上一条:《制度、制度变迁与经济绩效》——商学院资本金融系读书会2024秋季学期第六期读书会
下一条:2024年世界发展报告:中等收入陷阱——商学院资本金融系读书会2024秋季学期第三期顺利举行

Close