Ohjelmointikysymyksistä tarkoituksen suunnitteluun: Ihmisen ja tekoälyjärjestelmien viestintän kehittyminen

Viime vuosina ohjelmointikysymyksistä on tullut yksi tärkeimmistä taidoista tekoälyajanalla. Niiden ympärille on rakennettu kursseja. Niille on luotu työnimikkeitä. Koko yhteisöt ovat muodostuneet jakamaan vinkkejä siitä, miten rakentaa täydellinen lause, joka saa kielimallin tekemään juuri sen, mitä haluat. Yksi ohjelmointikysymyksien suosiota selittävä tekijä on se, että: tekoäly on voimakasta, mutta myös kirjaimellista. Sinun oli opittava sen kieli, ennen kuin se voisi auttaa sinua. Tämä logiikka oli järkevää tuolloin. Mutta se alkaa murtua.

Kun tekoälymallit kasvavat kykyjensä osalla, viestintään liittyvät rajoitukset siirtyvät. Kysymys ei ole enää vain “miten ilmaisen tämän oikein?” Se muuttuu “miten varmistaan, että tekoäly todella ymmärtää, mitä yritän saavuttaa?” Tämä on syvempi kysymys. Ja se osoittaa uuden alan, tarkoituksen suunnittelun, syntymistä.

Mikä ohjelmointikysymyksistä oikeasti oli

Ymmärtääksemme, minne olemme menossa, on hyvä ymmärtää, mitä ohjelmointikysymyksistä oikeasti oli. Sen ydin oli korjauskeino. Varhaiset kielimallit olivat voimakkaita, mutta hauraita. Ne reagoivat hyvin tiettyihin malleihin ja huonosti epäselviin malleihin. Joten käyttäjät oppivat nämä mallit. He löysivät, että pyytäminen mallilta “ajattele askel askeleelta” paransi päättelyä. He oppivat, että esimerkkien antaminen teki tulokset tasalaatuisemmiksi. He keksivät, että mallille annettu rooli, kuten “toimi asiantuntijaohjelmistosuunnittelijana”, muutti vastausten sävyä ja laatua. Vaikka nämä oivallukset paransivat todella tuloksia, ne vaativat ihmisten sopeutumista koneeseen. Ihmiset oppivat puhumaan tavalla, joka sopii mallin arkkitehtuuriin, eikä heidän luonnolliseen tapaansa ajatella.

Tämä ei ole hyvän viestinnän tapa älymäisten toimijoiden välillä. Kun selität ongelman taitavalle kollegalle, et ensin mieti frasering-strategiaa, joka aktivoi hänen hermosolmukkeensa eniten. Selität tilanteen. He ymmärtävät kontekstin. He esittävät tarkentavia kysymyksiä, jos tarve vaatii. Ja he työskentelevät sen saavuttamiseksi, mitä todella haluat. Ohjelmointikysymyksistä oli arvokas taito, mutta se korjasi aukkoa, jonka parempi tekoäly lopulta pitäisi sulkea.

Mitä rajoitukset olivat, jotka tekivät ohjelmointikysymyksistä välttämättömiä

Ohjelmointikysymyksistä tuli tärkeä, koska malleilla ei ollut todellista käyttäjämallia. Ne prosessoivat tekstiä ja palauttivat tekstiä. Niillä ei ollut pysyvää ymmärrystä siitä, kuka sinä olit, mitä yritit rakentaa, tai mitä “hyvä” näytti sinun tietyssä kontekstissasi.

Tämä loi outo tilanne. Voit kysyä samaa kysymystä ja saada erilaisia tuloksia riippuen siitä, miten sen ilmaisit. Voit viettää kaksikymmentä minuuttia säätämällä ohjelmointikysymystä ja yhtäkkiä avata vastaus, joka on hyödyllisempi kuin mitään, mitä olet aiemmin saanut. Ohjelmointikysymys ei ollut vain syöte. Se oli avain, ja oikean avaimen löytäminen vaati taitoa, kärsivällisyyttä ja joskus onnea.

Tämä tarkoitti myös, että tuloksesi laatu riippui usein enemmän ohjelmointitaidostasi kuin todellisesta aihealueesi tietämyksestä. Lääkäri, joka oli myös taitava ohjelmointikysymyksissä, voisi saada paremman lääketieteellisen päättelyn mallilta kuin tietävämpi lääkäri, joka ei tiennyt malleja. Tämä on outo arvon kääntö. Se viittaa siihen, että järjestelmä optimoi väärää asiaa.

Mitä tarkoituksen suunnittelu muuttaa

Tarkoituksen suunnittelu on suunniteltu käsittelemään eri joukkoa oletuksia. Sen sijaan, että kysyt, miten ilmaista pyyntö, jotta malli vastaa hyvin, se kysyy, miten viestiä, mitä haluat todella, jokaisella tasolla, jotta malli voi itse päättää oikean lopputuloksen.

Tämä vaatii joitain asioita, joita ohjelmointikysymyksistä ei voida käsitellä. Se vaatii antaa tekoälyjärjestelmille riittävästi kontekstia tavoitteistasi, rajoituksistasi ja standardeistasi, jotta ne voivat tehdä hyviä päätöksiä ilman, että sinun on määriteltävä joka askel. Se vaatii luoda yhteistä ymmärrystä sen sijaan, että annetaan tarkkaa ohjeistusta. Ja se vaatii rakentaa järjestelmiä, joissa tekoäly voi kysyä oikeita kysymyksiä sen sijaan, että odottaa oikeita vastauksia.

Näemme jo tämän käytännössä. Nykyaikaiset tekoälyjärjestelmät tukevat yhä enemmän pysyvää muistia, käyttäjäprofiileja ja jatkuvaa kontekstia. Kun malli tietää, että olet tuotejohtaja, joka työskentelee terveydenhuollon sovelluksessa, jolla on tiettyjä sääntelyrajoituksia, pyynnöt sisältävät automaattisesti rikkaamman merkityksen. Sinun ei tarvitse rakentaa kontekstia alusta alkaen joka kerta. Malli ymmärtää jo kontekstin, jolla työskentelet.

Tämä on perustavanlaatuinen muutos. Ohjelmointikysymyksistä käsitteli jokaisen vuorovaikutuksen erillään. Tarkoituksen suunnittelu käsitteli viestintää kertyvästi. Malli ei enää vain prosessoi yksittäistä syötettä. Se seuraa jatkuvaa keskustelua siitä, mitä yrität saavuttaa ja miksi.

Rikkaamman kontekstin ja päättelyn rooli

Tarkoituksen suunnittelun toinen ulottuvuus liittyy siihen, miten nykyaikaiset mallit käsittelevät epäselvyyttä. Hyvin koulutettu malli ei enää vain tunnista mallia, joka on todennäköisesti täydentää lausetta. Se päättää, mitä todennäköisesti tarkoitit, osoittaa oletuksia, joita se tekee, ja useissa tapauksissa kysyy tarkennusta, ennen kuin jatkaa.

Tämä on tärkeää, koska ihmisten viestintä on luonteeltaan epäselvää. Kun joku kysyy “voitko auttaa minua kirjoittamaan jotain pomollesi”, hän saattaa tarkoittaa suoritusarviota, anteeksipyyntökirjettä, projekti-esitelmää tai eroilmoitusta. Järjestelmä, joka on optimoitu ohjelmointikysymyksille, yrittäisi johtaa tämän täsmällisistä sanoista. Järjestelmä, joka on optimoitu tarkoituksen suunnittelulle, tunnistaisi epäselvyyden ja käsittelee sen älykkäästi, joko kysymällä tai tuottamalla jotain, joka tunnustaa useita mahdollisia tulkintoja.

Testiajan päättely, joka on mallin kyky ajatella läpi ongelmaa ennen vastaamista, myös vaikuttaa tässä. Mallit, jotka päättävät ennen vastaamista, ovat parempia havaitsemaan tapauksia, joissa kirjaimellinen pyyntö ristiriitaa taustalla olevan tarkoituksen kanssa. Ne voivat huomata, kun pyytät X:ää, mutta mitä todennäköisesti tarvitset on Y, ja ne voivat esittää tämän havainnon sen sijaan, että toteuttavat pyynnön, joka ei todella palvele tavoitettasi.

Uudenlainen taito

Tämä kehitys ei tee ihmisten viestintätaitoja tarpeettomiksi. Se muuttaa niiden näköä. Henkilö, joka menestyy tarkoituksen suunnittelun maailmassa, ei ole se, joka on muistanut parhaat ohjelmointimallit. Se on henkilö, joka voi selkeästi ilmaista, mitä yrität saavuttaa, viestiä rajoituksia ja kontekstia, jotka ovat merkityksellisiä, ja tunnistaa, kun tekoälyjärjestelmän tuloste palvelee todellista tavoitetta eikä vain ilmoitettua yhteyttä.

Monin tavoin nämä ovat vanhoja taitoja. Ne ovat hyvän johtajan, hyvän opettajan tai hyvän yhteistyökumppanin taitoja. Kyky ilmaista tarkoitus selkeästi, selittää ei vain mitä haluat, vaan miksi haluat sen, on aina ollut tehokkaan viestinnän merkki. Uusi asia on, että tekoälyjärjestelmät ovat nyt tarpeeksi kehittyneitä vastataksesi tällaiseen viestintään.

Mielenkiintoinen seuraus on, että kun tekoäly paranee, ihmisten ja koneiden välinen rajapinta alkaa näyttää vähemmän ohjelmoinnilta ja enemmän yhteistyöltä. Et tarvitse insinööriä täydellistä syötettä varten. Sinun on oltava selkeä ja tarkoituksenmukainen viestintä.

Mitä tämä merkitsee siitä, miten rakennamme tekoälyjärjestelmiä

Tämä muutos vaikuttaa myös siihen, miten tekoälyjärjestelmiä pitäisi suunnitella. Ohjelmointikysymyksien paradigma kannustaa rakentamaan järjestelmiä, jotka reagoivat hyvin tarkkaan syötteeseen. Tarkoituksen suunnittelun paradigma kannustaa rakentamaan järjestelmiä, jotka ovat hyviä johtamaan, kysymään, sopeutumaan ja jatkumaan.

Tämä tarkoittaa muun muassa investoimista muistiarkkitehtuureihin, jotka mahdollistavat malleille merkityksellisen kontekstin kantamisen yli istunnoissa. Se tarkoittaa rakentamista malleja, jotka tietävät, kun niillä ei ole tarpeeksi tietoa toimia hyvin, ja jotka voivat sanoa sen. Se tarkoittaa luomista käyttöliittymiä, joissa käyttäjät viestittävät tavoitteitaan eikä käskyjä, ja joissa tekoäly toimii kumppanina tavoitteiden saavuttamisessa.

Se tarkoittaa myös arvioinnin uudelleenarviointia. Tällä hetkellä mitatamme usein, miten hyvin malli suorittaa tiettyjä ohjeita. Tarkoituksen suunnittelun maailmassa parempi mittari on, miten hyvin malli palvelee taustalla olevaa tarkoitusta näiden ohjeiden takana, vaikka ohjeet itsessään olivat epätarkat.

Päättely

Ohjelmointikysymyksistä käsitteli tekoälyä voimakkaana mutta tyhmänä työkaluna, joka tarvitsi huolellista käsittelyä. Tarkoituksen suunnittelu käsitteli tekoälyä lähes älykkäänä yhteistyökumppanina, joka voi ymmärtää kontekstin, päättää tavoitteista ja käsitellä epäselvyyttä. Tämä siirtymä heijastaa muutosta siinä, mitä ajattelemme tekoälylle. Ei kone, joka suorittaa sanat sanasta. Vaan järjestelmä, joka auttaa saavuttamaan, mitä todella haluat. Tämä siirtymä osoittaa, että ihmisten ja tekoälyjärjestelmien tulevaisuuden vuorovaikutus ei ole masteroimassa taitavaa fraasia. Se on tarkoituksen, rajoitusten ja tarkoituksen selkeä ilmaiseminen riittävän hyvin, jotta tekoäly voi yhteistyössä toimia sen sijaan, että vain noudattaa.