Μοντέλα και πλατφόρμες AI
Η αξιολόγηση LifeVal της OpenAI δοκιμάζει την ΤΝ σε πρακτικές καθημερινές εργασίες
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Η OpenAI δημοσίευσε το LifeVal στις 2 Νοεμβρίου 2026. Πρόκειται για μια αξιολόγηση που βασίζεται εν μέρει σε έρευνα με 3.995 συμμετέχοντες και παρακολουθεί διαχρονικά τις επιδόσεις των μοντέλων ΤΝ σε πρακτικές εργασίες, όπως η εύρεση παιδικής φροντίδας, η κατάρτιση προϋπολογισμών και η παραγγελία ειδών παντοπωλείου.
Το LifeVal καλύπτει τομείς στους οποίους οι χρήστες ήθελαν βοήθεια από την ΤΝ και προσωπικούς πράκτορες. Τον τελευταίο χρόνο, η OpenAI χρησιμοποιεί την αξιολόγηση για να παρακολουθεί τα αποτελέσματα των μοντέλων και να καθοδηγεί τη βελτίωσή τους σε καθημερινές εργασίες. Στόχος της μέτρησης είναι η πρακτική υποστήριξη: κατά πόσο ένα μοντέλο μπορεί να βοηθήσει κάποιον να λαμβάνει αποφάσεις, να διεκπεραιώνει συνηθισμένες υποχρεώσεις και να αναλαμβάνει ουσιαστική δράση. Έτσι, η αξιολόγηση διευρύνει το πεδίο εστίασης πέρα από τις ακαδημαϊκές δοκιμασίες γνώσεων των μοντέλων. Άλλα παραδείγματα πρακτικής υποστήριξης είναι η πρόσβαση σε κρατικές υπηρεσίες, η προετοιμασία για το σχολείο, η τροποποίηση συνταγών και ο σχεδιασμός προγραμμάτων άσκησης.
Επιλογή εργασιών και δεδομένα χρήσης του χρόνου
Η OpenAI ξεκίνησε την επιλογή εργασιών με δύο μελέτες που κάλυπταν τις Ηνωμένες Πολιτείες και άλλες χώρες. Η Αμερικανική Έρευνα Χρήσης του Χρόνου μετρά πόσο χρόνο αφιερώνουν οι άνθρωποι σε δραστηριότητες όπως η αμειβόμενη εργασία, η φροντίδα παιδιών, ο εθελοντισμός και οι κοινωνικές συναναστροφές. Η Πολυεθνική Μελέτη Χρήσης του Χρόνου συγκεντρώνει σε ενιαία, τυποποιημένη μορφή περισσότερες από ένα εκατομμύριο ημέρες ημερολογιακών καταγραφών από περισσότερες από 100 τυχαία επιλεγμένες έρευνες εθνικής κλίμακας. Επιτρέπει την ανάλυση του χρόνου που αφιερώνεται στην εργασία και στις δραστηριότητες αναψυχής σε 30 χώρες, σε διάστημα 55 ετών.
Σε συνδυασμό, τα σύνολα δεδομένων δείχνουν πώς διαφέρουν οι καθημερινές δραστηριότητες ανά δημογραφική ομάδα, ώρα της ημέρας και εποχή. Η OpenAI τα συμπλήρωσε με μια νέα, δημογραφικά αντιπροσωπευτική έρευνα, η οποία περιλάμβανε ερωτήσεις για κάθε εργασία, ώστε να διαπιστωθεί σε ποιους τομείς οι συμμετέχοντες ήθελαν τη βοήθεια ενός προσωπικού βοηθού. Οι τομείς εργασιών που προέκυψαν περιλαμβάνουν τη φροντίδα άλλων, την υγεία, την εκπαίδευση, τη διαχείριση του νοικοκυριού, τα προσωπικά οικονομικά, τις αγορές και την πρόσβαση σε κρατικές υπηρεσίες.
Αναφερόμενες βαθμολογίες σε πέντε ροές εργασιών
Η OpenAI αναφέρει τις ακόλουθες βαθμολογίες για τα τρέχοντα μοντέλα της σε πέντε πρακτικές ροές εργασιών. Κάθε παράδειγμα συνδυάζει ένα αίτημα χρήστη με μια απάντηση και ένα ποσοστό:
| Ροή εργασιών | Αναφερόμενη βαθμολογία | Παράδειγμα απάντησης |
|---|---|---|
| Σύγκριση νηπιαγωγείων μετά από μετακόμιση του νοικοκυριού | 93.1% | Καταρτίζει σύντομη λίστα με τρία νηπιαγωγεία, οργανώνει τις λεπτομέρειες εγγραφής και αφήνει δύο προτιμήσεις στον χρήστη για να αποφασίσει. |
| Συντονισμός εθελοντών για την αντιπλημμυρική προστασία τεσσάρων γειτόνων που χρειάζονται βοήθεια | 98.0% | Καταρτίζει σχέδιο δράσης, ώστε οι εθελοντές να αξιολογήσουν τους χώρους και να βοηθήσουν τους γείτονες πριν από έντονα καιρικά φαινόμενα. |
| Αναζήτηση οικογενειακής κατοικίας στην κομητεία Λουζέρν | 100% | Βρίσκει μία κατοικία που ανταποκρίνεται στον προϋπολογισμό, στην απαίτηση για ξεχωριστή μονάδα διαβίωσης και στις ανάγκες μετακίνησης μετά την παράδοση του παιδιού, και υπολογίζει τον φόρο μεταβίβασης. |
| Παρακολούθηση αγώνα εξ αποστάσεως με παππού ή γιαγιά | 96.3% | Ρυθμίζει την παρακολούθηση και περιλαμβάνει μια εναλλακτική λύση σε περίπτωση που διακοπεί η ζωντανή μετάδοση. |
| Σχεδιασμός φροντίδας μετά τη νέα διάγνωση διαβήτη σε γονέα | 90.4% | Καταρτίζει ένα πρόγραμμα για την πρώτη εβδομάδα, που καλύπτει τα γεύματα, τις υπενθυμίσεις και τις ερωτήσεις προς την ομάδα φροντίδας, και ζητά από τον χρήστη να το ελέγξει πριν κοινοποιηθεί. |
Εκπαίδευση μοντέλων και ο ρόλος του ChatGPT
Η OpenAI αναφέρει ότι, κατά τη διάρκεια του τελευταίου έτους εκπαίδευσης, τα μοντέλα της έγιναν ταχύτερα, ικανότερα και καλύτερα ευθυγραμμισμένα για εργασίες χρήσης προγραμμάτων περιήγησης, χρήσης υπολογιστών και αξιοποίησης διασυνδέσεων. Αυτές οι δυνατότητες διευρύνουν το φάσμα της βοήθειας που είναι διαθέσιμη μέσω του ChatGPT. Η κατεύθυνση του προϊόντος είναι ένας προσωπικός βοηθός με δυνατότητες αυτόνομης δράσης, ο οποίος μπορεί να διεκπεραιώνει πρακτικές εργασίες, διευρύνοντας τον ρόλο του ChatGPT πέρα από τη συνομιλία.
Η OpenAI αναφέρει ότι ελπίζει πως η αξιολόγηση θα συμβάλει στην προώθηση αυτού του στόχου μέτρησης.
