Πόσο καλά μπορείς να μιλήσεις στην τεχνητή νοημοσύνη; Ίσως η καριέρα σου εξαρτάται από αυτό

Η δημιουργική τεχνητή νοημοσύνη προορίζεται να γίνει το στάνταρ όχι μόνο για τις μηχανές αναζήτησης, αλλά και για τη δημιουργική εργασία, τη συγγραφή υπομνημάτων, την έρευνα, το σχεδιασμό, το σενάριο και τη διδασκαλία.

Έχει την προοπτική να αναδιαμορφώσει και να επανασχεδιάσει τον κόσμο με τρόπο που κάνει πολλούς να φοβούνται για το μέλλον της εργασίας τους.

Συνομιλία με την τεχνητή νοημοσύνη: Η δεξιότητα του μέλλοντος

Δεδομένων των δισεκατομμυρίων δολαρίων που διοχετεύονται σε αυτή την τεχνολογία, αξίζει να αναρωτηθούμε, με μικρούς και μεγάλους τρόπους: Πώς θα μοιάζει ο κόσμος

αν οι ευαγγελιστές της τεχνολογίας έχουν δίκιο;

Αν αυτή η αλλαγή του προτύπου της τεχνητής νοημοσύνης έρθει, μια ζωτική δεξιότητα του 21ου αιώνα θα μπορούσε να είναι η αποτελεσματική συνομιλία με τις μηχανές. Και προς το παρόν, αυτή η διαδικασία περιλαμβάνει τη συγγραφή -ή, στην τεχνολογική καθομιλουμένη, τη μηχανική-προτροπών, δηλαδή τις προτάσεις που γράφει κανείς όταν ζητάει τι χρειάζεται από τη μηχανή.

Τι είναι οι προτροπές και τι τις κάνει αποτελεσματικές;

Οι καλές προτροπές δεν είναι μόνο συγκεκριμένες. Φαίνεται να αντικατοπτρίζουν μια βαθύτερη κατανόηση του μοντέλου που προσπαθείτε να χειριστείτε. Ένας τρόπος για να σκεφτείτε τη δοκιμή και το σφάλμα των προτροπών είναι ως μια προσπάθεια να καταλάβετε από ποιες πληροφορίες αντλεί υλικό το μοντέλο και πώς η τεχνητή νοημοσύνη οργανώνει και ευρετηριάζει τις πληροφορίες που έχει στη διάθεσή της.

Πρόκειται για τεκμηριωμένη εικασία

Το πιο σημαντικό, είναι να γνωρίζεις το μοντέλο στο οποίο μιλάς. Κάθε εργαλείο κατασκευάζεται και εκπαιδεύεται διαφορετικά, δίνοντάς του μοναδική προσωπικότητα και καθομιλουμένη.

Έτσι όπως οι άνθρωποι που μοιράζονται μια γλώσσα έχουν τοπικές διαλέκτους και πολιτισμικές ιδιορρυθμίες. Με τον τρόπο που η πεζογραφική γραφή διαφέρει από την τεχνική ή ακαδημαϊκή γραφή, υπάρχουν διαφορετικοί τρόποι για να επιστρατεύσεις τη γλώσσα ανάλογα με το κοινό σου.

Πως οι προτροπές εντάσσονται στην πανεπιστημιακή εγκύκλιο

Σε ένα από τα νέα του μαθήματα, ο Ethan Mollick, καθηγητής στο Πανεπιστήμιο της Πενσυλβάνια, ζητά από την τάξη του να φανταστεί το ChatGPT ως μαθητή και να διδάξει το chatbot προτρέποντάς το να γράψει ένα δοκίμιο για μια συγκεκριμένη έννοια της τάξης.

Όπως ένας καθηγητής κατά τη διάρκεια των ωρών γραφείου, οι μαθητές πρέπει να βοηθήσουν την τεχνητή νοημοσύνη να βελτιώσει το δοκίμιό της έως ότου φαίνεται να έχει επαρκή γνώση του θέματος.

Ο Mollick ελπίζει ότι η άσκηση θα βοηθήσει τους μαθητές να μάθουν εξηγώντας, με το πρόσθετο όφελος ότι θα τους μάθει να γράφουν επιδέξιες προτροπές.

Ανάλυση της μηχανικής προτροπής

Ο Mollic ισχυρίζεται πως η μηχανική της προτροπής βρίσκεται κάπου ανάμεσα στη γλωσσολογία και την επίλυση προβλημάτων. “Η προτροπή είναι προγραμματισμός σε πεζό λόγο με περίεργα και στοχαστικά αποτελέσματα”.

“Νομίζω ότι η καλή προτροπή πιθανότατα ανταμείβει τους αποκλίνοντες στοχαστές που βρίσκουν τρόπους να πειραματιστούν γρήγορα. Νομίζω ότι επιβραβεύει τους ανθρώπους με βαθιά περιέργεια”.

Πέρα από την εξειδίκευση, οι καλές προτροπές τείνουν να αποκαλύπτουν μια επίγνωση των δυνατοτήτων του μέσου που ο χρήστης προσπαθεί να αναπαράγει. Όπως και η γραφή και η κωδικοποίηση πριν από αυτήν, η μηχανική προτροπή είναι μια αναδυόμενη μορφή σκέψης.

Βρίσκεται κάπου μεταξύ συζήτησης και ερώτησης, μεταξύ προγραμματισμού και πεζογραφίας. Είναι το μόνο μέρος αυτού του ταχέως μεταβαλλόμενου, αβέβαιου μέλλοντος που μοιάζει ξεκάθαρα ανθρώπινο.

Πηγή: www.theatlantic.com