AI WORLD HQ
Képzeld el, hogy vasárnap este előtted van egy iskolai jelentkezési lap, egy bevásárlólista és egy költségvetés, amely sehogy sem akar kijönni. Sok AI-eszköz el tudja magyarázni, hogyan állj neki ezeknek a feladatoknak. Sokkal kevesebb képes ténylegesen el is végezni őket. Az OpenAI új tesztje ezt a különbséget próbálja mérni.
Mi az a LifeVal?
A LifeVal egy értékelés, vagyis előre meghatározott tesztfeladatokból álló rendszer, amely alapján pontozható, hogyan teljesít egy AI. A legtöbb AI-teszt a tudást vizsgálja, például matematikai feladatokkal vagy kvízkérdésekkel. Az OpenAI szerint a LifeVal arra összpontosít, amiben az embereknek valóban segítségre van szükségük otthon, a munkahelyükön és a közösségükben.
A vállalat úgy írja le a ChatGPT-t, mint amelynek idővel személyi asszisztenssé kell válnia. Ez azt jelenti, hogy nemcsak válaszokat kell írnia, hanem műveleteket is el kell végeznie, például űrlapokat kell kitöltenie vagy lehetőségeket kell összehasonlítania. Az OpenAI szerint a LifeVal segítségével követi nyomon, hogyan halad e cél felé.
Hogyan választották ki a feladatokat?
Az OpenAI szerint két nagyszabású kutatásból indult ki, amelyek azt vizsgálják, hogyan töltik az emberek az idejüket: az American Time Use Surveyből és a Multinational Time Use Studyból. A két kutatás együtt megmutatja, milyen mindennapi feladatokat végeznek leggyakrabban az emberek, különböző csoportokban és évszakokban.
Ezután az OpenAI saját felmérést készített 3995 ember bevonásával. A vállalat szerint a minta demográfiai szempontból reprezentatív volt, és azt vizsgálták, hogy a hétköznapi emberek mely területeken szeretnének leginkább segítséget kapni. A kiválasztott feladatok a gondozást, az egészséget, az oktatást, a háztartási ügyintézést, a személyes pénzügyeket, a vásárlást és az állami szolgáltatásokat érintik.
Az OpenAI saját tesztjeinek néhány eredményét is megosztja. Például 93,1 százalékos eredményt közöl egy olyan feladatra, amelyben egy új otthon közelében található óvodákat kell összehasonlítani, és 100 százalékot egy olyan feladatra, amelyben a költségvetésbe és az ingázásba is beleférő otthont kell találni. Ezek a vállalat saját számai, ezért inkább az OpenAI állításaiként kezeld őket, ne független eredményekként.
Böngészőhasználat, számítógép-használat és kapcsolatok
A bejelentés három olyan képességet is kiemel, amelyek segítségével az AI többre képes a beszélgetésnél:
- Böngészőhasználat: az AI egy webböngészőn keresztül dolgozik, például megnyit egy oldalt és kitölt egy űrlapot.
- Számítógép-használat: az AI a számítógép képernyőjén látható tartalmakkal dolgozik.
- Kapcsolatok: más alkalmazásokhoz vagy fiókokhoz kapcsolódó összeköttetések, amelyek révén az AI felhasználhatja az ott tárolt információkat.
Az OpenAI szerint a modelljei az elmúlt évben sokat fejlődtek ezeken a területeken, és ezek a képességek kibővítik azoknak a feladatoknak a körét, amelyekben a ChatGPT segíthet. A bejelentésből nem derül ki, hogy az egyes funkciók mikor válnak minden felhasználó számára elérhetővé, ezért az aktuális elérhetőségről és a csomagok részleteiről érdemes az OpenAI hivatalos oldalain tájékozódnod.
Összegzés
A LifeVal az OpenAI kísérlete arra, hogy olyan feladatokon mérje az AI teljesítményét, amelyek kitöltik egy átlagos hét napjait: a gyerekfelügyelet megszervezésétől a költségvetés készítésén át az állami ügyintézésig. A vállalat pontszámai saját mérési eredmények, az általa leírt funkciók pedig még fokozatosan válnak elérhetővé, ezért érdemes ellenőrizned, mire képes ma a fiókod. Válassz ki ezen a héten egy kisebb hétköznapi feladatot, kérd meg a ChatGPT-t, hogy bontsa lépésekre, és nézd meg, mennyi időt takaríthatsz meg.