史上首次!AI vs 人類工作能力結果對人類不太妙

2025-10-05 | 來源: 硬AI | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

巴克萊分析顯示，頂尖AI模型已接近人類專家水平，Claude Opus 4.1獲得47.6%勝率領先。AI在零售貿易等領域已超越人類，在軟件開發等職業表現優異。更令人震驚的是，AI能力在15個月內提升3倍，呈線性增長趨勢。預測未來12-24個月內AI將在大多數工作任務上全面超越人類專家。

OpenAI最新發布的GDPval-v0評測工具首次量化了AI在執行具有經濟價值工作任務方面的能力，結果顯示AI正迅速追趕甚至逼近人類專業人員水平。巴克萊表示，最先進的AI模型已在諸多職業任務中達到與人類專家相當的能力，並且這種能力提升速度正在加快。

此前文章寫道，OpenAI最新發布了一款名為GDPval-v0的全新評估工具，涵蓋美國GDP占比較大的九個商業領域中44個職業的約1300項具體工作任務，從法律文書到工程藍圖再到護理計劃等真實工作交付成果。

結果顯示，當前最頂尖的AI模型在執行許多職業任務時，其能力已與人類專業人士相當，並且這種能力的提升速度正在加快。10月5日，據硬AI消息，巴克萊在最新研究報告中稱，Anthropic的Claude Opus 4.1在與人類專家對比中取得47.6%的"勝利或平局"率，位居榜首。

巴克萊分析師認為，AI模型的"勝率"在過去15個月中線性提升約4倍，預計在未來12-24個月內AI將在大多數工作相關任務上超越人類。分析認為，這一突破為評估AI投資回報率提供了關鍵數據支撐。

評測標准創新突破：模擬真實工作復雜性

據巴克萊研究報告，GDPval基准測試的核心創新在於其真實性和復雜性。

該評測由平均擁有超過14年行業經驗的資深專業人士設計，涵蓋科技服務、金融保險、醫療保健、信息業、制造業等行業的1230個專業任務。

與傳統基准測試不同，GDPval的任務並非簡單文本問答，而是包含參考文件和上下文的復雜場景，要求AI交付多樣化成果，包括文檔、幻燈片、圖表和電子表格等。巴克萊指出，這種設計更貼近現實工作環境的復雜性。

評測采用盲測方式，由行業專家對AI和人類生成的工作成果進行排名，從難度、代表性、完成時間和整體質量等維度進行綜合評估。

AI性能接近人類專家水平

《許我耀眼》原著喬妍有多慘?失去生育能力,被沈皓明拋棄

AI與人類:那些轉向人工智慧尋求約會和情感建議的人

英偉達黃仁勳談AI替代就業:人類未來將更"忙碌"

巴克萊分析顯示，當前最先進的AI模型在多個領域已接近或達到人類專家水平。Claude Opus 4.1以47.6%的勝率領先，GPT-5-high緊隨其後，達到38.8%，o3 high為34.1%。

從行業維度看，AI在零售貿易(56%勝率)、批發貿易(53%)和政府部門(52%)的表現超過人類專家，但在信息技術行業表現相對較弱(39%)。

職業層面上，AI在櫃台和租賃文員(80%)、運輸接收和庫存文員(76%)以及軟件開發人員(70%)任務中表現最佳，而在工業工程師(17%)和影視編輯(17%)任務中表現較差。

各模型表現出不同特點：Claude Opus 4.1在美學表現(格式和布局)方面表現出色，GPT-5在遵循指令和執行准確計算方面最為精准。

能力提升速度驚人

巴克萊報告特別強調了AI能力提升的速度。

研報稱，OpenAI模型在GDPval測試中的表現在15個月內提升了3倍以上，這種線性增長趨勢表明AI很可能在短期內全面超越人類專家。

對GPT-5的失誤分析顯示，盡管該模型仍會犯一些災難性錯誤(2.7%)，但47.7%的失誤被歸類為"可接受但不佳"，22.9%的情況下模型表現甚至優於人類。