LifeVal؛ معیاری برای سنجش پیشرفت هوش مصنوعی در انجام وظایف روزمره

از نگاه OpenAI، یک دستیار شخصی واقعاً کارآمد باید بتواند کارهایی را انجام دهد که به حل مسائل و پیشبرد امور روزمره منجر شوند؛ از یافتن خدمات مراقبتی و دسترسی به خدمات دولتی گرفته تا مدیریت بودجه، خرید مواد غذایی، برنامه‌ریزی ورزشی و آماده‌سازی امور آموزشی.

OpenAI برای طراحی LifeVal، ابتدا از دو مطالعه گسترده درباره نحوه گذران وقت مردم در آمریکا (American Time Use Survey) و سایر کشورهای جهان (Multinational Time Use Study) استفاده کرد. این داده‌ها تصویری از فعالیت‌های روزمره گروه‌های جمعیتی مختلف در زمان‌ها و فصل‌های متفاوت فراهم می‌کنند.

در مرحله بعد، OpenAI با انجام یک نظرسنجی جدید و نماینده جمعیت‌شناختی، از ۳۹۹۵ نفر درباره حوزه‌هایی سؤال کرد که بیشترین نیاز را به کمک یک دستیار شخصی هوش مصنوعی در آن‌ها احساس می‌کنند. وظایف انتخاب‌شده حوزه‌هایی مانند مراقبت، سلامت، آموزش، مدیریت امور خانه، امور مالی شخصی، خرید و دسترسی به خدمات دولتی را پوشش می‌دهند.

OpenAI طی یک سال گذشته نیز مدل‌های خود را در زمینه استفاده از مرورگر، تعامل با رایانه و اتصال به ابزارها و سرویس‌های خارجی بهبود داده است. این قابلیت‌ها امکان انجام وظایف پیچیده‌تر و حرکت از یک ابزار مکالمه‌ای به سمت دستیار شخصی عامل‌محور را فراهم می‌کنند.

از دیدگاه OpenAI، ارزیابی پیشرفت هوش مصنوعی نباید صرفاً به آزمون‌های دانشگاهی و سنجش دانش مدل‌ها محدود باشد؛ بلکه باید مشخص کند این فناوری تا چه اندازه می‌تواند به افراد در تصمیم‌گیری، مدیریت مسئولیت‌های روزمره و انجام مؤثر امور زندگی کمک کند. LifeVal تلاشی برای سنجش این نوع پیشرفت است.

پیپر پژوهشی بنچمارک LifeVal