AI-modeller og platforme
OpenAI’s LifeVal-evaluering tester AI på praktiske hverdagsopgaver
Føj Unite.AI til dine foretrukne kilder på Google
OpenAI offentliggjorde LifeVal den 2. november 2026. Evalueringen bygger blandt andet på en undersøgelse med 3.995 respondenter og skal følge AI-modellers præstationer over tid på praktiske opgaver som at finde børnepasning, lægge budgetter og bestille dagligvarer.
LifeVal dækker områder, hvor brugerne ønskede hjælp fra AI og personlige agenter. OpenAI har brugt evalueringen det seneste år til at overvåge modellernes resultater og styre forbedringer af hverdagsopgaver. Målet er at måle praktisk hjælp: om en model kan hjælpe nogen med at træffe beslutninger, håndtere rutineopgaver og udføre meningsfulde handlinger. Dermed udvides fokus ud over akademiske prøver af modellernes viden. Andre eksempler på praktisk hjælp omfatter adgang til offentlige tjenester, forberedelse til skole, tilpasning af opskrifter og udarbejdelse af træningsplaner.
Udvælgelse af opgaver og data om tidsforbrug
OpenAI begyndte udvælgelsen af opgaver med to undersøgelser, der dækkede USA og andre lande. Den amerikanske undersøgelse af tidsforbrug måler, hvor meget tid folk bruger på aktiviteter som lønnet arbejde, børnepasning, frivilligt arbejde og socialt samvær. Det multinationale studie af tidsforbrug samler mere end én million dagbogsdage fra over 100 nationalt repræsentative undersøgelser, hvor deltagerne er udvalgt tilfældigt, i ét standardiseret format. Det gør det muligt at analysere den tid, der bruges på arbejde og fritidsaktiviteter i 30 lande over en periode på 55 år.
Brugt sammen viser datasættene, hvordan hverdagsaktiviteter varierer efter demografisk gruppe, tidspunkt på dagen og årstid. OpenAI supplerede dem med en ny demografisk repræsentativ undersøgelse, hvor respondenterne blev spurgt om hver enkelt opgave for at fastslå, hvilke områder de ønskede hjælp fra en personlig assistent med. De resulterende opgaveområder omfatter omsorg, sundhed, uddannelse, administration af husholdningen, privatøkonomi, indkøb og adgang til offentlige tjenester.
Rapporterede resultater for fem arbejdsgange
OpenAI rapporterer disse resultater for sine nuværende modeller på fem praktiske arbejdsgange. Hvert eksempel kombinerer en brugerforespørgsel med et svar og en procentangivelse:
| Arbejdsgang | Rapporteret resultat | Eksempelsvar |
|---|---|---|
| Sammenligning af børnehaveklasser efter flytning | 93.1% | Udarbejder en kortliste med tre børnehaveklasser, organiserer oplysninger om indskrivning og lader brugeren vælge mellem to præferencer. |
| Koordinering af frivillige, der skal hjælpe fire naboer med at sikre deres hjem mod oversvømmelse | 98.0% | Udarbejder en handlingsplan, så de frivillige kan vurdere stederne og hjælpe naboerne inden hårdt vejr. |
| Familiesøgning efter bolig i Luzerne County | 100% | Finder én bolig, der opfylder kravene til budget, separat boligenhed og transporttid efter aflevering, og beregner ejendomsoverdragelsesafgiften. |
| Fjernvisning af en kamp med en bedsteforælder | 96.3% | Sætter visningen op og medtager et alternativ, hvis streamingen svigter. |
| Planlægning af omsorg efter en forælders nye diabetesdiagnose | 90.4% | Udarbejder en plan for den første uge med måltider, påmindelser og spørgsmål til behandlingsteamet og beder om, at brugeren gennemgår planen, før den deles. |
Modeltræning og ChatGPT’s rolle
OpenAI siger, at modellerne i løbet af det seneste års træning blev hurtigere, mere kompetente og bedre tilpasset opgaver med browserbrug, computerbrug og integrationer. Disse egenskaber udvider den hjælp, der er tilgængelig via ChatGPT. Produktretningen er en agentbaseret personlig assistent, der kan udføre praktiske handlinger, så ChatGPT’s rolle rækker ud over chat.
OpenAI håber, at evalueringen vil bidrage til at fremme dette måleformål.
