عبور از مرحله ناخوشایند کودک نوپا genAI

انتظارات غیر واقعی ما از GenAI مانند این است که امیدواریم یک کودک دو ساله با آرامش مانند یک بزرگسال عمل کند. سعی کنید با حوصله دستورات را آزمایش کنید و “زمان با کیفیت” را با این فناوری در حال توسعه سپری کنید.

ما همیشه نرم افزار بدی را تحمل می کنیم. هرکسی که با دستگاه رزرو مسافرتی سازمانی خود مخالفت کرده یا سعی کرده است رابط کاربری ابزار شرکتی خود را برای ثبت بازخورد کارمندان رمزگشایی کند، می‌داند که در مورد چه چیزی صحبت می‌کنم. با وجود این مشکلات، ما همچنان از نرم افزارهای بد استفاده می کنیم (و راستش را بخواهیم بنویسیم). با این حال، وقتی نوبت به مدل‌های زبان بزرگ، ChatGPT و دیگر جنبه‌های جهان هوش مصنوعی (GenAI) می‌رسد، به نظر نمی‌رسد که ما همان سطح صبر را رعایت کنیم. همانطور که توسعه‌دهنده سیمون ویلیسون اشاره می‌کند، “در حالی که معمولاً می‌بینید که مردم از سختی استفاده از نرم‌افزار شکایت می‌کنند. در این مورد [GenAI]، افرادی که در گرفتن نتایج خوب مشکل دارند، در عوض تصور می کنند که واقعاً بی فایده است و به طور کامل از آن صرف نظر می کنند.»

آیا ما GenAI را بر اساس یک استاندارد غیر واقعی نگه می داریم؟

انتظارات متورم

پاسخ واضح است که بله، اما مقصر کیست؟ تقریبا همه از افرادی که می‌ترسند ماشین‌های مبتنی بر هوش مصنوعی مشاغل ما را بگیرند، تا فروشندگانی که محصولات خسته‌شان را با هوش مصنوعی می‌شویند، تا رسانه‌هایی که به دنبال محتوای جالب هستند، تا [جمعیت‌شناسی را در اینجا وارد کنید]، در مجموع انتظارات زیادی از هوش مصنوعی داریم. هم خوب و هم بد.

در مورد GenAI، این امر باعث شده است که طرفداران برخی از کاستی‌های آشکار GenAI را نادیده بگیرند یا به آرامی پدال بزنند. به عنوان مثال، بیل گیتس یک چشم انداز فوق العاده جاه طلبانه برای اینکه GenAI به کجا می رود دارد که به نظر می رسد حتی از خوش بینانه ترین واقعیت امروزی جدا شده است. چنین تبلیغاتی به هیچ کس کمک نمی کند و رسیدگی به برخی از مشکلات اصلی GenAI را دشوارتر می کند.

برای شروع، همانطور که آملیا واتنبرگر استدلال می‌کند، چت یک راه عجیب و غیرمعمول برای کشف GenAI است. هوشمندی ها همانطور که او اشاره می‌کند، چیزهایی مانند ChatGPT با یک کادر متنی به کاربران خوش آمد می‌گوید، بدون راهنمایی واقعی در مورد اینکه چه چیزی را باید در کادر تایپ کنند و اساساً دلیلی برای پاسخگویی به روش خاصی وجود ندارد. او ادامه می‌دهد: «البته، کاربران می‌توانند در طول زمان یاد بگیرند که چه مواردی به خوبی کار می‌کنند و کدام‌ها نه، اما بار یادگیری اینکه چه چیزی کار می‌کند هنوز بر دوش هر کاربر است.

با تشدید این مشکل، محققان Zamfirescu-Pereira، Wong، Hartmann و Yang ادعا می کنند حتی برای کارشناسان [پردازش زبان طبیعی]، مهندسی سریع نیاز به آزمون و خطای گسترده دارد، آزمایش و ارزیابی مکرر اثرات استراتژی‌های سریع مختلف بر روی جفت‌های ورودی-خروجی مشخص قبل از ارزیابی سیستماتیک‌تر آنها در مجموعه‌های داده بزرگ. همه ما در تلاشیم تا بفهمیم که چگونه ورودی هایی ایجاد کنیم که خروجی خوبی داشته باشد، و بیشتر در حال شکست هستیم. این کمکی نمی کند که صنعت به این سرعت در حال حرکت است، همانطور که بنج ادواردز اشاره می کند:  “ هر تکنیکی که برای استفاده خوب از آنها ایجاد کنید، در عرض سه تا چهار ماه منسوخ می‌شوند.» مطمئناً فروشندگانی مانند OpenAI می‌توانند نرده‌های محافظ بیشتری را در محصولات خود بپزند و کارآمدی غیرمتخصصان را آسان‌تر کنند و برخی از این مشکلات UX را حذف کنند.

با این حال، این دردهای دندانپزشکی با GenAI، این نتیجه گیری را تضمین نمی کند که یا همه چیز تبلیغاتی است یا اینکه کار نمی کند.

واقعیت عملی

اصطکاک ذاتی ChatGPT و سایر ابزارهای GenAI واقعی است، به عنوان جزئیات سباستین بنسوسان ورود به سیستم اصطکاک، بلکه قابل حل است. و برخی از این “حل” به تجربه کاربر مربوط می شود. بله، ابزارها می‌توانند و باید هوشمندی‌های بیشتری را در رابط ایجاد کنند، اما این نیز درست است که یکی از راه‌های کلیدی برای به دست آوردن ارزش بیشتر از GenAI این است که به تمرین ادامه دهیم تا زمانی که بفهمیم لبه‌های تیز آن کجاست.

تعداد کمی نسبت به ویلیسون، که پیشنهاد می‌کند، تجربه بیشتری در این مورد دارند، «برای استفاده از [مدل‌های زبان بزرگ] – و اجتناب از تله‌های زیادی که برای کاربر بی‌احتیاط تنظیم می‌کنند- شما باید با آنها وقت بگذرانید و برای ایجاد یک مدل ذهنی دقیق از نحوه کار آنها، توانایی آنها و اینکه در کجا احتمال اشتباه آنها وجود دارد، کار کنید.” بله، ابزارها باید بهبود یابند، اما این نیاز به هوشمندتر و باهوش‌تر شدن کاربران را برطرف نمی‌کند.

برای کسانی که تمایل دارند GenAI را به دلیل سخت بودن کنار بگذارند، از صبر و تمرین می خواهم، همانطور که ویلیسون انجام می دهد. همانطور که او نتیجه می گیرد، GenAI “می تواند ناقص باشد و دروغ بگوید و همه [انواع] مشکلات را داشته باشد … و همچنین می تواند بهره وری عظیمی را افزایش دهد.”