AI-mallit ja alustat
OpenAI:n LifeVal-arviointi testaa tekoälyä käytännön arjen tehtävissä
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
OpenAI julkaisi 2. marraskuuta 2026 LifeVal-arvioinnin, joka perustuu osittain 3 995 vastaajan kyselyyn. Arvioinnin avulla seurataan tekoälymallien suoriutumista ajan mittaan käytännön tehtävissä, kuten lastenhoitajan löytämisessä, budjettien laatimisessa ja ruokaostosten tilaamisessa.
LifeVal kattaa osa-alueita, joilla käyttäjät halusivat apua tekoälyltä ja henkilökohtaisilta agenteilta. OpenAI on käyttänyt arviointia viime vuoden ajan mallien tulosten seurantaan ja arjen tehtävissä suoriutumisen parantamiseen. Arvioinnissa mitataan käytännön avun tarjoamista: pystyykö malli auttamaan ihmistä päätöksenteossa, tavanomaisten velvollisuuksien hoitamisessa ja merkityksellisissä toimissa. Näin huomio laajenee mallien tietämystä mittaavien akateemisten testien ulkopuolelle. Muita esimerkkejä käytännön avusta ovat julkisten palvelujen käyttäminen, kouluun valmistautuminen, reseptien muokkaaminen ja treeniohjelmien suunnittelu.
Tehtävien valinta ja ajankäyttöaineistot
OpenAI aloitti tehtävien valinnan kahdesta tutkimuksesta, jotka kattoivat Yhdysvallat ja muita maita. Yhdysvaltain ajankäyttötutkimus mittaa, kuinka paljon aikaa ihmiset käyttävät esimerkiksi palkkatyöhön, lastenhoitoon, vapaaehtoistyöhön ja seurusteluun. Monikansallinen ajankäyttötutkimus kokoaa yli miljoona päiväkirjapäivää yli sadasta satunnaisesti valitusta kansallisen tason kyselystä yhteen standardoituun muotoon. Sen avulla voidaan analysoida työhön ja vapaa-ajan toimintaan käytettyä aikaa 30 maassa 55 vuoden ajalta.
Yhdessä käytettyinä aineistot osoittavat, miten arjen toiminnot vaihtelevat väestöryhmän, vuorokaudenajan ja vuodenajan mukaan. OpenAI täydensi niitä uudella väestöä demografisesti edustavalla kyselyllä, jossa kysyttiin kustakin tehtävästä, jotta saataisiin selville, missä asioissa vastaajat halusivat henkilökohtaisen avustajan apua. Tehtäväalueisiin kuuluvat hoivatyö, terveys, koulutus, kotitalouden hallinnointi, henkilökohtainen talous, ostosten tekeminen ja julkisten palvelujen käyttäminen.
Raportoidut tulokset viidessä työnkulussa
OpenAI raportoi nykyisten malliensa tulokset viidessä käytännön työnkulussa. Kussakin esimerkissä esitetään käyttäjän pyyntö, vastaus ja prosenttiosuus:
| Työnkulku | Raportoitu tulos | Esimerkkivastaus |
|---|---|---|
| Esikoulujen vertailu kotitalouden muuton jälkeen | 93.1% | Listaa kolme esikoulua, kokoaa ilmoittautumiseen liittyvät tiedot ja jättää kaksi mieltymystä käyttäjän päätettäväksi. |
| Tulvaan varautuvien vapaaehtoisten koordinointi neljälle naapurille, jotka tarvitsevat apua tulvasuojauksessa | 98.0% | Laatii vapaaehtoisille toimintasuunnitelman, jonka avulla he voivat arvioida kohteet ja auttaa naapureita ennen ankaraa säätä. |
| Perheen kodin etsintä Luzerne Countyssa | 100% | Löytää yhden kodin, joka täyttää budjettia, erillistä asuintilaa ja lasten viennin jälkeistä työmatkaa koskevat vaatimukset, ja laskee luovutusveron. |
| Etäpelin seuraaminen isovanhemman kanssa | 96.3% | Järjestää katselun ja sisällyttää vaihtoehtoisen suunnitelman siltä varalta, että lähetys ei toimi. |
| Hoivan suunnittelu vanhemman tuoreen diabetesdiagnoosin jälkeen | 90.4% | Laatii ensimmäisen viikon suunnitelman, joka kattaa ateriat, muistutukset ja hoitotiimille esitettävät kysymykset, ja pyytää käyttäjää tarkistamaan suunnitelman ennen sen jakamista. |
Mallien koulutus ja ChatGPT:n rooli
OpenAI kertoo malliensa nopeutuneen, kehittyneen kyvykkäämmiksi ja mukautuneen paremmin selaimen käyttöön, tietokoneen käyttöön ja liitintehtäviin vuoden kestäneen koulutuksen aikana. Nämä kyvyt laajentavat ChatGPT:n kautta saatavilla olevan avun valikoimaa. Tuotekehityksen suuntana on agenttimainen henkilökohtainen avustaja, joka pystyy hoitamaan käytännön tehtäviä ja laajentaa ChatGPT:n roolia keskustelun ulkopuolelle.
OpenAI toivoo, että arviointi auttaa edistämään tätä mittaustavoitetta.
