Kehotteiden suunnittelusta tarkoituksen suunnitteluun: ihmisen ja tekoälyn välisen viestinnän kehitys

Viime vuosina kehotteiden suunnittelusta on tullut yksi tekoälyajan tärkeimmistä taidoista. Sen ympärille on rakennettu kursseja ja luotu työnimikkeitä. Kokonaiset yhteisöt ovat muodostuneet jakamaan vinkkejä täydellisen lauseen muotoilemiseen: sellaisen, joka saa kielimallin tekemään juuri sen, mitä haluat. Keskeinen syy kehotteiden suunnittelun suosioon on se, että tekoäly on tehokas mutta myös kirjaimellinen. Sen kieli oli opittava ennen kuin siitä sai apua. Tämä oli tuolloin järkevää, mutta nyt ajattelutapa alkaa murtua.

Kun tekoälymallien kyvyt paranevat, vastuu viestinnästä muuttuu. Kysymys ei enää ole vain ”miten muotoilen tämän oikein?” vaan ”miten varmistan, että tekoäly todella ymmärtää, mitä yritän saavuttaa?” Tämä on syvempi kysymys. Se viittaa uuden alan, tarkoituksen suunnittelun eli intent engineeringin, syntyyn.

Mitä kehotteiden suunnittelu oikeastaan oli

Ymmärtääksemme, mihin olemme menossa, kannattaa ymmärtää, mitä kehotteiden suunnittelu oikeastaan oli. Pohjimmiltaan se oli kiertotie. Varhaiset kielimallit olivat tehokkaita mutta hauraita. Ne reagoivat hyvin tiettyihin kaavoihin ja huonosti monitulkintaisiin ilmauksiin. Käyttäjät oppivat siis nämä kaavat. He havaitsivat, että mallin pyytäminen ”ajattelemaan askel askeleelta” paransi päättelyä. Esimerkkien antaminen teki tuotoksista johdonmukaisempia. Roolin antaminen mallille, esimerkiksi ”toimi kokeneena ohjelmistosuunnittelijana”, muutti vastausten sävyä ja laatua. Vaikka nämä oivallukset paransivat tuloksia, ne vaativat ihmisiä sopeutumaan koneeseen. Ihmiset opettelivat puhumaan mallin arkkitehtuuriin sopivalla tavalla oman luontaisen ajattelutapansa sijaan.

Näin hyvä viestintä älykkäiden toimijoiden välillä ei toimi. Kun selität ongelman taitavalle kollegalle, et ensimmäiseksi mieti sanamuotoja, jotka aktivoisivat hänen hermoratojaan voimakkaimmin. Selität tilanteen. Hän ymmärtää asiayhteyden, kysyy tarvittaessa tarkentavia kysymyksiä ja työskentelee saavuttaakseen sen, mitä todella haluat. Kaikesta arvostaan huolimatta kehotteiden suunnittelu on aina paikannut puutetta, jonka paremman tekoälyn pitäisi lopulta korjata.

Rajoitukset, jotka tekivät kehotteiden suunnittelusta välttämätöntä

Kehotteiden suunnittelu ei tullut tärkeäksi vain siksi, että mallit olivat epätäydellisiä. Malleilla ei myöskään ollut todellista mallia käyttäjästä. Ne käsittelivät tekstiä ja palauttivat tekstiä. Niillä ei ollut pysyvää ymmärrystä siitä, kuka olet, mitä yrität rakentaa tai mitä ”hyvä” tarkoittaa juuri sinun tilanteessasi.

Tämä loi oudon tilanteen. Samaan kysymykseen saattoi saada hyvin erilaisia tuloksia sanamuodosta riippuen. Kehotetta saattoi säätää kaksikymmentä minuuttia ja saada yhtäkkiä vastauksen, joka oli hyödyllisempi kuin mikään aiempi. Kehote ei ollut vain syöte. Se oli avain, jonka löytäminen vaati taitoa, kärsivällisyyttä ja joskus onnea.

Tämä tarkoitti myös, että tuotoksen laatu riippui usein enemmän kehotteiden muotoilutaidosta kuin varsinaisesta asiantuntemuksesta. Lääkäri, joka osasi myös suunnitella kehotteita, saattoi saada mallista parempaa lääketieteellistä päättelyä kuin asiantuntevampi lääkäri, joka ei tuntenut tarvittavia kaavoja. Tämä on outo arvojen kääntyminen päälaelleen. Se viittaa siihen, että järjestelmä oli optimoitu väärää asiaa varten.

Mitä tarkoituksen suunnittelu muuttaa

Tarkoituksen suunnittelu perustuu erilaisiin lähtöoletuksiin. Sen sijaan, että kysyttäisiin, miten pyyntö muotoillaan mallin hyvän vastauksen saamiseksi, kysytään, miten todellinen tavoite viestitään kaikilla tasoilla niin, että malli voi itse päätellä tien oikeaan lopputulokseen.

Tähän sisältyy asioita, joihin kehotteiden suunnittelu ei yksin riitä. Tekoälyjärjestelmille annetaan riittävästi tietoa tavoitteista, rajoituksista ja vaatimustasosta, jotta ne voivat tehdä hyviä päätöksiä ilman jokaisen vaiheen erillistä määrittelyä. Tarkkojen ohjeiden antamisen sijaan rakennetaan yhteistä ymmärrystä. Järjestelmät voivat myös esittää oikeita kysymyksiä sen sijaan, että ne odottaisivat saavansa oikeat vastaukset.

Tätä nähdään jo käytännössä. Nykyaikaiset tekoälyjärjestelmät tukevat yhä enemmän pysyvää muistia, käyttäjäprofiileja ja jatkuvaa asiayhteyttä. Kun malli tietää sinun olevan tuotepäällikkö, joka kehittää tiettyjen sääntelyrajoitusten alaista terveydenhuollon sovellusta, pyyntösi saavat automaattisesti rikkaamman merkityksen. Asiayhteyttä ei tarvitse rakentaa alusta joka kerta. Malli ymmärtää jo työskentelysi taustan.

Tämä on perustavanlaatuinen muutos. Kehotteiden suunnittelu käsitteli jokaista vuorovaikutusta erillisenä. Tarkoituksen suunnittelu käsittelee viestintää kertyvänä kokonaisuutena. Malli ei enää käsittele vain yhtä syötettä, vaan seuraa jatkuvaa keskustelua siitä, mitä yrität saavuttaa ja miksi.

Rikkaamman asiayhteyden ja päättelyn rooli

Toinen tarkoituksen suunnittelun ulottuvuus liittyy siihen, miten nykyiset mallit käsittelevät monitulkintaisuutta. Hyvin koulutettu malli ei nykyään vain etsi kaavoja lauseesi todennäköisimmän täydennyksen löytämiseksi. Se päättelee, mitä todennäköisesti tarkoitit, tuo esiin tekemänsä oletukset ja pyytää monissa tapauksissa tarkennusta ennen jatkamista.

Tämä on tärkeää, koska ihmisten viestintä on luonnostaan monitulkintaista. Kun joku pyytää ”voitko auttaa minua kirjoittamaan jotain pomolleni”, hän saattaa tarkoittaa suoritusarviota, anteeksipyyntösähköpostia, projektiehdotusta tai irtisanoutumiskirjettä. Kehotteiden suunnitteluun optimoitu järjestelmä yrittäisi päätellä tarkoituksen tarkoista sanoista. Tarkoituksen suunnitteluun optimoitu järjestelmä tunnistaisi monitulkintaisuuden ja käsittelisi sitä älykkäästi joko kysymällä tai tuottamalla jotain, jossa huomioidaan useita mahdollisia tulkintoja.

Vastausta tuotettaessa tapahtuva päättely eli mallin kyky pohtia ongelmaa ennen vastaamista on myös tärkeää. Ennen vastaamista päättelevät mallit tunnistavat paremmin tilanteet, joissa kirjaimellinen pyyntö on ristiriidassa taustalla olevan tarkoituksen kanssa. Ne voivat huomata, että pyysit X:ää mutta tarvitset todennäköisesti Y:tä, ja kertoa havainnosta sen sijaan, että ne toteuttaisivat hiljaa pyynnön, joka ei todellisuudessa palvele tavoitettasi.

Uudenlainen taito

Tämä kehitys ei tee ihmisten viestintätaidoista tarpeettomia. Se muuttaa tarvittavien taitojen luonnetta. Tarkoituksen suunnittelun maailmassa menestyy henkilö, joka ei vain ole opetellut parhaita kehotepohjia ulkoa, vaan osaa ilmaista selvästi tavoitteensa, viestiä olennaisista rajoituksista ja asiayhteydestä sekä tunnistaa, milloin tekoälyn tuotos palvelee todellista tavoitetta pelkän ilmaistun pyynnön sijaan.

Monin tavoin nämä ovat vanhoja taitoja: hyvän johtajan, opettajan tai yhteistyökumppanin taitoja. Tarkoituksen selkeä ilmaiseminen — sen selittäminen, mitä haluaa ja miksi — on aina ollut tehokkaan viestinnän tunnusmerkki. Uutta on se, että tekoälyjärjestelmät ovat nyt tarpeeksi kehittyneitä vastatakseen tällaiseen viestintään.

Kiinnostava seuraus on, että tekoälyn kehittyessä ihmisten ja koneiden välinen vuorovaikutus alkaa muistuttaa vähemmän ohjelmointia ja enemmän yhteistyötä. Täydellistä syötettä ei enää tarvitse suunnitella. Sen sijaan on osattava viestiä selkeästi ja tavoitteellisesti.

Mitä tämä tarkoittaa tekoälyjärjestelmien rakentamiselle

Muutos vaikuttaa myös siihen, miten tekoälyjärjestelmät pitäisi suunnitella. Kehotteiden suunnittelun ajattelutapa kannustaa rakentamaan järjestelmiä, jotka vastaavat herkästi täsmällisiin syötteisiin. Tarkoituksen suunnittelun ajattelutapa kannustaa rakentamaan järjestelmiä, jotka osaavat päätellä, kysyä, mukautua ja ylläpitää jatkuvuutta.

Tämä tarkoittaa investointeja muistiarkkitehtuureihin, joiden avulla mallit säilyttävät merkityksellisen asiayhteyden istuntojen välillä. Tarvitaan malleja, jotka tunnistavat, milloin niillä ei ole riittävästi tietoa toimia hyvin, ja osaavat sanoa sen. Tarvitaan käyttöliittymiä, joissa käyttäjät viestivät tavoitteita käskyjen sijaan ja joissa tekoäly auttaa kumppanina selvittämään, miten tavoitteet saavutetaan.

Myös arviointia on tarkasteltava uudelleen. Nykyään mitataan usein, miten hyvin malli toteuttaa tiettyjä ohjeita. Tarkoituksen suunnittelun maailmassa parempi mittari on se, miten hyvin malli palvelee ohjeiden taustalla olevaa tarkoitusta, vaikka itse ohjeet olisivat epätäsmällisiä.

Keskeinen ajatus

Kehotteiden suunnittelu käsitteli tekoälyä tehokkaana mutta tyhmänä työkaluna, joka vaati huolellista käsittelyä. Tarkoituksen suunnittelu käsittelee sitä pikemminkin älykkäänä yhteistyökumppanina, joka ymmärtää asiayhteyden, pohtii tavoitteita ja käsittelee monitulkintaisuutta. Tämä heijastaa muutosta käsityksessämme tekoälyn tarkoituksesta: sen ei tulisi olla vain tarkat sanat toteuttava kone, vaan järjestelmä, joka auttaa saavuttamaan sen, mitä todella tavoittelee. Muutos viittaa siihen, ettei ihmisten ja tekoälyn välisen vuorovaikutuksen tulevaisuus perustu nokkelien sanamuotojen hallintaan. Se perustuu tavoitteiden, rajoitusten ja tarkoituksen riittävän selkeään ilmaisemiseen, jotta tekoäly voi tehdä yhteistyötä pelkän tottelemisen sijaan.