LifeVal
سنجش پیشرفت هوش مصنوعی در کارهایی که در زندگی روزمره اهمیت دارند.
مأموریت OpenAI این است که اطمینان حاصل کند هوش مصنوعی عمومی به سود تمام بشریت باشد. برای بیش از یک میلیارد نفری که اکنون هر هفته از ChatGPT استفاده می‌کنند، می‌خواهیم هوش مصنوعی‌ای بسازیم که در چالش‌های عملی زندگی روزمره کمکشان کند؛ از پیدا کردن خدمات مراقبت از کودک و دسترسی به خدمات دولتی گرفته تا بودجه‌بندی، آماده شدن برای مدرسه، تغییر دستورهای آشپزی، سفارش مواد غذایی، طراحی برنامه‌های ورزشی و موارد دیگر.
کسی که برای آسان‌تر شدن زندگی‌اش کمک می‌خواهد، به چیزی فراتر از توصیه یا پاسخ در یک گفت‌وگو نیاز دارد. برای اینکه ChatGPT دستیاری شخصی و واقعاً مفید باشد، باید بتواند اقداماتی انجام دهد که کارها را واقعاً به سرانجام برساند.
برای سنجش عملکرد مدل در کارهای روزمره به مرور زمان، مجموعه‌ای از کارها را برای ارزیابی طراحی کردیم که حوزه‌های آن بر اساس بیشترین نیاز کاربران به کمک هوش مصنوعی و عامل‌های شخصی انتخاب شده‌اند. در طول سال گذشته، از این ارزیابی برای پیگیری و پیشبرد بهبود عملکرد مدل در کارهای روزمره استفاده کردیم.
پیش‌زمینه
برای شناسایی کارهایی که مردم بیشترین اهمیت را برایشان قائل‌اند، از دو پژوهش بزرگ درباره نحوه گذران وقت مردم در آمریکا و در سطح بین‌المللی شروع کردیم: پیمایش گذران وقت آمریکایی‌ها(در یک پنجره جدید باز می‌شود) و مطالعه چندملیتی گذران وقت(در یک پنجره جدید باز می‌شود). این دو مجموعه داده در کنار هم، فهرستی دقیق از کارهای روزمره مردم در گروه‌های جمعیتی مختلف و در ساعت‌های گوناگون روز و فصل‌های مختلف ارائه می‌دهند. برای درک اینکه مردم در چه زمینه‌هایی بیشترین ارزش را برای کمک هوش مصنوعی قائل‌اند، این پیمایش‌های موجود را با پیمایش تازه‌ای با ۳٬۹۹۵ پاسخ‌دهنده تکمیل کردیم که از نظر جمعیت‌شناختی نماینده جامعه بودند. برای هر کار، پرسش‌های متنوعی مطرح کردیم تا مشخص شود مردم عادی در چه زمینه‌هایی بیش از همه به کمک یک دستیار شخصی نیاز دارند. کارهای حاصل، مهم‌ترین حوزه‌هایی را پوشش می‌دهند که مردم در آن‌ها کمک می‌خواهند؛ از جمله مراقبت از دیگران، سلامت، آموزش، مدیریت امور خانه، امور مالی شخصی، خرید و دسترسی به خدمات دولتی.
نمونه‌های موردی کارها
در ادامه، نمونه‌هایی از عملکرد مدل‌های کنونی ما در انجام کارهای عملی زندگی روزمره آمده است.
ثبت‌نام در کودکستان مناسب پس از اسباب‌کشی
کودکستان‌های نزدیک خانه جدیدمان را مقایسه کن و فهرستی از مناسب‌ترین گزینه‌ها تهیه کن.
گزینه‌ها را به سه کودکستان محدود کرده‌ام و جزئیات ثبت‌نام را مرتب کرده‌ام. هنوز باید ترجیحت را در دو مورد مشخص کنی. می‌خواهی گزینه‌های منتخب را بررسی کنیم؟
سامان‌دهی داوطلبان پیش از وقوع سیل
کمکم کن نیروهای داوطلب آمادگی در برابر سیل در محله‌مان را برای کمک به چهار همسایه که به مقاوم‌سازی در برابر سیل نیاز دارند، سامان‌دهی کنم.
یک برنامه عملی ساده تهیه کرده‌ام تا داوطلبان بتوانند مکان‌های ذکرشده را ارزیابی کنند و برای شرایط جوی نامساعد پیش رو آماده شوند.
برای خانواده‌ام خانه‌ای جدید پیدا کن
در شهرستان لوزرن خانه‌ای پیدا کن که با بودجه‌ام جور باشد، واحد مسکونی مجزا داشته باشد و بعد از رساندن بچه‌ها به مدرسه، مسیرم تا محل کار کوتاه باشد. سند ملک را به سبد خریدم اضافه کن تا بررسی‌اش کنم.
یک خانه پیدا کردم که شرایط مدنظرت را دارد. مالیات نقل‌وانتقال را محاسبه کرده‌ام و سند ملک را به سبد خریدت در سامانه اسناد شهرستان اضافه کرده‌ام تا بررسی‌اش کنی.
تماشای مسابقه با مادربزرگ از راه دور
راه ساده‌ای فراهم کن تا من و مادربزرگ بتوانیم مسابقه را از راه دور با هم تماشا کنیم.
ساده‌ترین روش تماشا آماده است؛ اگر پخش آنلاین قطع شود، یک راه جایگزین هم داریم. می‌خواهی تو و مادربزرگ را قدم‌به‌قدم راهنمایی کنم؟
آماده‌سازی غذا برای پدر یا مادری که به‌تازگی دیابتش تشخیص داده شده است
با یک برنامه عملی مراقبتی و غذایی، به پدر یا مادرم کمک کن با تشخیص تازه دیابت سازگار شود.
برنامه هفته اول آماده است و وعده‌های غذایی، یادآورها و پرسش‌های مربوط به تیم درمان را در بر می‌گیرد. می‌خواهی پیش از اینکه آن را با پدر یا مادرت در میان بگذاری، با هم مرورش کنیم؟
جدیدترین مدل‌های ما در بسیاری از کارهای LifeVal امتیازهای بسیار بالایی می‌گیرند.
در طول سال گذشته، مدل‌هایمان را آموزش داده‌ایم تا در کارهای مربوط به استفاده از مرورگر، کار با رایانه و اتصال‌دهنده‌ها بسیار سریع‌تر و توانمندتر عمل کنند و با خواسته‌های کاربران همسوتر باشند. فعال کردن این قابلیت‌ها در ChatGPT دامنه کارهایی را هم که مدل می‌تواند در آن‌ها کمک کند گسترش می‌دهد و ChatGPT را از یک ابزار گفت‌وگو به سوی دستیاری شخصی می‌برد که واقعاً می‌تواند به‌عنوان یک عامل عمل کند.
چرا این موضوع اهمیت دارد
برای اطمینان از اینکه AGI به سود تمام بشریت باشد، باید پیشرفت مدل‌ها را در زمینه‌هایی که در زندگی مردم عادی اهمیت دارند بسنجیم و بهبود دهیم. این یعنی باید از ارزیابی‌های دانشگاهی دانش مدل فراتر برویم و در عمل بسنجیم که مدل‌های هوش مصنوعی چقدر می‌توانند به مردم در تصمیم‌گیری، مدیریت مسئولیت‌های روزمره و به سرانجام رساندن کارهای مهم کمک کنند. امیدواریم LifeVal گامی به سوی این هدف باشد.
