AI-modeller og plattformer
OpenAIs LifeVal-evaluering tester KI på praktiske hverdagsoppgaver
Legg til Unite.AI blant dine foretrukne kilder på Google
OpenAI publiserte LifeVal 2. november 2026. Evalueringen bygger delvis på en undersøkelse med 3 995 respondenter og skal følge KI-modellenes prestasjoner over tid på praktiske oppgaver, som å finne barnepass, sette opp budsjetter og bestille dagligvarer.
LifeVal dekker områder der brukerne ønsket hjelp fra KI og personlige agenter. OpenAI har brukt evalueringen det siste året til å følge med på modellenes resultater og styre forbedringer i utførelsen av hverdagsoppgaver. Målet er å måle praktisk hjelp: om en modell kan hjelpe noen med å ta beslutninger, håndtere rutinemessige ansvarsoppgaver og utføre meningsfulle handlinger. Dermed utvides fokuset utover akademiske tester av modellenes kunnskap. Andre eksempler på praktisk hjelp er å få tilgang til offentlige tjenester, forberede seg til skolen, tilpasse oppskrifter og lage treningsplaner.
Valg av oppgaver og tidsbruksdata
OpenAI startet arbeidet med å velge oppgaver ved å ta utgangspunkt i to studier som dekker USA og andre land. Den amerikanske tidsbruksundersøkelsen måler hvor mye tid folk bruker på aktiviteter som lønnet arbeid, barnepass, frivillig arbeid og sosialt samvær. Den multinasjonale tidsbruksstudien samler mer enn én million dagboksdager fra over 100 tilfeldig utvalgte undersøkelser på nasjonalt nivå i ett standardisert format. Den gjør det mulig å analysere hvor mye tid folk bruker på arbeid og fritidsaktiviteter i 30 land over en periode på 55 år.
Brukt sammen viser datasettene hvordan hverdagsaktiviteter varierer etter demografisk gruppe, tidspunkt på dagen og årstid. OpenAI supplerte dem med en ny, demografisk representativ undersøkelse. Der ble respondentene spurt om hver oppgave for å finne ut hvilke områder de ønsket hjelp fra en personlig assistent på. Oppgaveområdene som kom fram, omfatter omsorg, helse, utdanning, administrasjon av husholdningen, personlig økonomi, handling og tilgang til offentlige tjenester.
Rapporterte resultater for fem arbeidsflyter
OpenAI rapporterer følgende resultater for sine nåværende modeller på fem praktiske arbeidsflyter. Hvert eksempel viser en brukerforespørsel sammen med et svar og en prosentandel:
| Arbeidsflyt | Rapportert resultat | Eksempelsvar |
|---|---|---|
| Sammenligning av barnehager etter flytting | 93.1% | Lager en kortliste med tre barnehager, organiserer opplysninger om påmelding og lar brukeren avgjøre to preferanser. |
| Koordinering av frivillige for å gjøre fire naboer bedre rustet mot flom | 98.0% | Utarbeider en handlingsplan der frivillige skal vurdere stedene og hjelpe naboene før ekstremvær. |
| Boligsøk for en familie i Luzerne County | 100% | Finner én bolig som oppfyller kravene til budsjett, separat boenhet og reisetid etter levering, og beregner overdragelsesskatten. |
| Se en kamp på avstand sammen med en besteforelder | 96.3% | Ordner opplegget for å se kampen og inkluderer et alternativ dersom strømmingen svikter. |
| Planlegging av omsorg etter at en forelder har fått en ny diabetesdiagnose | 90.4% | Utarbeider en plan for den første uken med måltider, påminnelser og spørsmål til behandlingsteamet, og ber om at brukeren går gjennom planen før den deles. |
Modelltrening og ChatGPTs rolle
OpenAI sier at modellene deres i løpet av det siste året med trening ble raskere, mer kapable og bedre tilpasset oppgaver knyttet til bruk av nettleser, datamaskin og tilkoblinger. Disse egenskapene utvider spekteret av hjelp som er tilgjengelig gjennom ChatGPT. Produktretningen er en agentbasert personlig assistent som kan utføre praktiske handlinger, slik at ChatGPTs rolle blir mer enn bare samtaler.
OpenAI sier at de håper evalueringen vil bidra til å fremme dette målet for måling.
