AI-jätit panostavat näyttämällä oppimiseen tekstikehotteiden sijaan

Tekoäly-yritykset OpenAI ja Anthropic ovat molemmat tuoneet markkinoille uusia ominaisuuksia, jotka mahdollistavat tekoälyn oppimisen suoritetun tehtävän esittelyn perusteella yhden kerran, perinteisten ja usein toistuvien tekstikehotteiden sijaan. Tämä kahden kilpailijan samanaikainen siirtyminen samaan ratkaisuun viittaa siihen, että pelkkä kehottaminen ei riitä tekoälyn kehityksessä.

Kesäkuussa OpenAI julkaisi ominaisuuden nimeltä Record & Replay, jonka avulla ChatGPT- ja Codex-käyttäjät voivat demonstroida työnkulkua ja muuttaa sen uudelleenkäytettäväksi taidoksi. Viikkoja myöhemmin Anthropic esitteli Claude Cowork -työkalussaan Record a Skill -toiminnon, joka nauhoittaa käyttäjän näytön tehtävän suorituksen aikana ja tallentaa samalla sanallisen selityksen prosessista. Tekoäly voi sitten käyttää tätä taitoa uudelleen.

Tämä kehitys heijastaa syvempää haastetta tekoälyn ymmärtämisessä: hiljaisen tiedon, eli ihmisten tietämyksen, jota on vaikea sanoittaa, integroimista. Perinteiset tekstikehotteet eivät pysty tavoittamaan tätä vivahteikasta tietoa, joka liittyy työskentelytapoihin, oletuksiin ja kontekstiin. Esimerkiksi hälytyksen asettamisessa 6.00 ilmaisu voi olla moniselitteinen ilman tietoa käyttäjän tavoista.

Kun tekoälyjärjestelmälle näytetään tehtävä, se pystyy tallentamaan toimintojen sekvenssin, päätöksentekopisteet ja pienetkin harkintakyvyn vaativat valinnat, jotka ovat olennainen osa ihmisen työntekoa. Tällainen demonstrointipohjainen oppiminen tallentaa työnkulun vivahteet, sillä konteksti ja toiminta yhdistyvät alusta alkaen. Tämä on merkittävää edistystä verrattuna tilanteisiin, joissa työntekijät käyttävät jopa 6,4 tuntia viikossa "bottien vartiointiin", eli tekoälytyökalujen korjailuun ja uudelleenohjeistamiseen.

Molemmat yritykset ovat selvästi todenneet, että merkittävimmät edistysaskeleet tulevat järjestelmistä, jotka oppivat ihmisten todellisia työtapoja. Vaikka tekstikehotteet ovat edelleen yleisiä, yksi ainoa demonstraatio voi säästää lukemattomilta vuorovaikutuksilta ja iteraatioilta tulevaisuudessa. Tulevaisuudessa voi syntyä työkirjastoja, joista käyttäjät voivat valita ja mukauttaa valmiita työnkulkuja, mikä tehostaa työtä entisestään.