ChatGPT i en nationalekonoms vardag
Ett av de stora samtalsämnena under det senaste året har varit artificiell intelligens (AI) i allmänhet och chattroboten ChatGPT i synnerhet. Stora ödesfrågor har blandats med nyfikenhet kring hur den här nya typen av verktyg kan underlätta vardagen för oss forskare. Många av oss har nog tänkt: Hur kan jag bli mer effektiv och produktiv? Tiden räcker inte alltid till för allt vi vill göra; skriva forskningsansökningar, sätta oss in i nya områden, förbättra våra programmeringskunskaper osv. Kan de nya AI-baserade verktygen hjälpa till med detta? Utvecklingen sker i rask takt och det som var omöjligt för ett år sedan, eller ens för en månad sedan, blir plötsligt möjligt.
I denna ledare delar jag mina erfarenheter av vilka uppgifter som AI, och särskilt ChatGPT, kan hjälpa oss med i dag, samt pekar ut några fallgropar det är viktigt att vara medveten om.
En god utgångspunkt för att förstå ChatGPT:s styrkor är att ha kunskap om vad den är tränad att göra. I grund och botten är ChatGPT en språkmodell som är tränad att ”gissa” eller förutse vad som är ett lämpligt svar på en given fråga. Detta skiljer sig från ett uppslagsverk som används för att ”söka” efter ett svar. Denna insikt är viktig eftersom den ger en god indikation på i vilka situationer ChatGPT ger användbara svar och i vilka lägen den tenderar att ”hallucinera”, vilket har blivit en term för när svaren är rent nonsens.
För oss forskare kan det vara användbart att tänka på ChatGPT som en forskningsassistent. En assistent kan hjälpa till med en mängd olika uppgifter som annars skulle ta för lång tid eller som man kanske själv inte fullt ut behärskar. För att detta ska vara effektivt är det viktigt att kunna förklara vad man vill uppnå på ett klart och tydligt sätt och det är också viktigt att kunna verifiera kvaliteten på assistentens arbete. Detta gäller både verkliga forskningsassistenter och AI-verktyg; för bådadera gäller att det är svårt att på förhand veta hur pass duktiga de kommer att vara på att lösa sina uppgifter. Därför är det avgörande att man har förmågan och tar sig tid att granska resultatet av arbetet. Är det inte möjligt, kanske för att man har otillräckliga kunskaper, är det sällan lämpligt att låta en assistent – eller AI – utföra uppgifterna. I slutändan är det trots allt vi själva som ansvarar för kvaliteten på vår forskning.
Med dessa förbehåll i åtanke anser jag att ChatGPT redan i dag är mycket användbart för flera av våra vardagliga forskningsuppgifter. Denna uppfattning delar jag bl a med professorn vid Virginia University, Anton Korinek, som har skrivit en mycket läsvärd översikt om hur vi som nationalekonomer kan använda verktyg som ChatGPT i vårt arbete (Korinek 2023).
ChatGPT är särskilt skicklig på programmering (även om det finns andra AI-verktyg som är lika bra eller bättre på detta, som Bings chatt eller Git Hub Copilot). Till exempel går det att få hjälp med att generera fungerande kod för att lösa specifika problem, som hur man gör en bin scatter plot i Python. Det går dessutom att få hjälp med felsökning av kod, eller att använda ChatGPT som en personlig lärare som alltid finns tillgänglig för att på ett enkelt sätt förklara och hjälpa en att förbättra sina programmeringsfärdigheter.
Ett annat område där ChatGPT kan vara till stor hjälp är skapande och redigering av text. Förutom ren korrekturläsning och översättning går det att få assistans med att kommentera och reflektera över textinnehåll. Till exempel kan man fråga om en text uppfattas som komplicerad eller enkel att förstå – och även få förslag på hur den kan förenklas. Dessutom kan texten sammanfattas eller kortas ner till önskad längd, som exempelvis en kort sammanfattning eller en punktlista.
Ett område där många har upptäckt att ChatGPT har svårigheter är litteratursökningar. Utifrån hur ChatGPT fungerar är det lätt att inse varför det är riskabelt att be om hjälp med att hitta användbara forskningsartiklar. ChatGPT söker ju inte efter artiklar utan ”hittar på” artiklar som skulle kunna finnas. Förslagen kan därför ofta verka bra och trovärdiga, men vid närmare granskning märker man att artiklarna sällan existerar. Detta understryker vikten av att alltid kunna verifiera resultaten som AI-verktygen levererar. I alla fall är det så i nuläget. Utvecklingen inom området är dock extremt snabb och snart kanske tillförlitligheten blivit stor på många fler områden. I dag, när jag använde ChatGPT, märkte jag t ex att ChatGPT4 nu även kan söka på webben, vilket inte var möjligt förra veckan när jag testade. För alla som ännu inte har provat ChatGPT eller andra AI-verktyg rekommenderar jag starkt att börja experimentera och dela era erfarenheter. Möjligheterna är stora och ökar för varje dag. Det är utan tvekan en spännande tid vi lever i.
Avslutningsvis vill jag nämna att jag har använt ChatGPT för att korrekturläsa denna text. Det visade sig dock vara av begränsat värde; några förslag var användbara och andra direkt dåliga. Redaktörerna för Ekonomisk Debatt har däremot bidragit med värdefulla synpunkter och kommentarer efter ChatGPT.
Korinek, A (2023), ”Generative AI for Economic Research: Use Cases and Implications for Economists”, under utgivning i Journal of Economic Literature.