แอนดรูว์ กอร์ดอน นักวิจัยอาวุโส Prolific – สัมภาษณ์ซีรีส์

แอนดรูว์ กอร์ดอน มีพื้นฐานที่เข้มแข็งในด้านจิตวิทยาและประสาทวิทยาศาสตร์ ซึ่งช่วยให้เขาสามารถค้นพบข้อมูลเชิงลึกในฐานะนักวิจัย โดยมีปริญญาตรีในสาขาจิตวิทยา ปริญญาโทสาขาประสาทจิตวิทยา และปริญญาเอกสาขาประสาทวิทยาศาสตร์เชิง认知 แอนดรูว์ใช้หลักการทางวิทยาศาสตร์เพื่อทำความเข้าใจแรงจูงใจ พฤติกรรม และการตัดสินใจของผู้บริโภค

Prolific ถูกสร้างขึ้นโดยนักวิจัยสำหรับนักวิจัย โดยมีเป้าหมายที่จะให้วิธีการที่ดีกว่าในการรับข้อมูลคุณภาพสูงจากมนุษย์และข้อมูลอินพุตสำหรับการวิจัยที่ทันสมัย ในปัจจุบัน มีนักวิจัยมากกว่า 35,000 คนจากสถาบันการศึกษาและอุตสาหกรรมที่พึ่งพา Prolific AI เพื่อรับข้อมูลและข้อเสนอแนะจากมนุษย์ แพลตฟอร์มนี้มีชื่อเสียงในด้านการมีส่วนร่วมของผู้เข้าร่วมที่เชื่อถือได้ และได้รับการปฏิบัติที่ยุติธรรม โดยมีการเปิดตัวการศึกษาใหม่ทุกๆ 3 นาที

คุณใช้พื้นฐานด้านประสาทวิทยาศาสตร์เชิง认知เพื่อช่วยเหลือนักวิจัยที่กำลังดำเนินโครงการที่เกี่ยวข้องกับ AI อย่างไร?

จุดเริ่มต้นที่ดีในการทำความเข้าใจสิ่งที่ประสาทวิทยาศาสตร์เชิง认知ครอบคลุม คือการวิจัยเกี่ยวกับพื้นฐานทางชีววิทยาของกระบวนการทาง认知 ซึ่งรวมถึงหลักการจากประสาทวิทยาศาสตร์และจิตวิทยา และบางครั้งจากวิทยาการคอมพิวเตอร์ ซึ่งช่วยให้เราเข้าใจว่าสมองของเราทำให้การทำงานทางจิตต่างๆ เป็นไปได้อย่างไร ในที่สุดแล้ว ผู้ที่ทำวิจัยด้านประสาทวิทยาศาสตร์เชิง认知ต้องมีความเข้าใจที่ดีเกี่ยวกับวิธีการวิจัยและเข้าใจว่าคนคิดและพฤติกรรมอย่างไร สองสิ่งนี้มีความสำคัญและสามารถนำมาใช้ในการพัฒนาและดำเนินโครงการวิจัย AI ที่มีคุณภาพ

Prolific เน้นย้ำถึงการปฏิบัติที่มีจริยธรรมและค่าตอบแทนที่ยุติธรรมสำหรับผู้เข้าร่วม คุณสามารถแบ่งปันข้อมูลเชิงลึกเกี่ยวกับความท้าทายและวิธีแก้ปัญหาในการรักษามาตรฐานเหล่านี้ได้หรือไม่?

โมเดลการชำระเงินของเราถูกออกแบบมาเพื่อให้แน่ใจว่าผู้เข้าร่วมได้รับการชื่นชมและได้รับค่าตอบแทนที่เหมาะสม ซึ่งทำให้พวกเขารู้สึกว่าพวกเขาเป็นส่วนหนึ่งของเครื่องจักรวิจัย (เพราะพวกเขาคือ) เราเชื่อว่าการปฏิบัติต่อผู้เข้าร่วมอย่างยุติธรรมและให้ค่าตอบแทนที่เหมาะสม จะช่วยให้พวกเขามีส่วนร่วมในการวิจัยและให้ข้อมูลที่ดีขึ้น

ไม่幸ด้วยว่าแพลตฟอร์มตัวอย่างออนไลน์ส่วนใหญ่ไม่ได้บังคับใช้หลักการเหล่านี้ของการชำระเงินและปฏิบัติที่มีจริยธรรม ผลลัพธ์คือกลุ่มผู้เข้าร่วมที่ถูกกระตุ้นให้ไม่เข้าร่วมการวิจัย แต่เพื่อทำเงินให้มากที่สุดโดยเร็วที่สุด ซึ่งนำไปสู่ข้อมูลที่มีคุณภาพต่ำ การรักษามาตรฐานที่เราทำที่ Prolific นั้นเป็นเรื่องที่ท้าทาย เราแทบจะไม่สามารถต่อต้านกระแสได้ สถานะปัจจุบันของการวิจัย AI และรูปแบบการวิจัยออนไลน์อื่นๆ ไม่ได้มุ่งเน้นไปที่การปฏิบัติต่อผู้เข้าร่วมหรือความเป็นอยู่ที่ดี แต่เพื่อเพิ่มปริมาณข้อมูลที่สามารถรวบรวมได้ในต้นทุนที่ต่ำที่สุด

การทำให้ชุมชนการวิจัยเข้าใจว่าทำไมเราจึงใช้แนวทางนี้และคุณค่าที่พวกเขาจะเห็นเมื่อใช้เราแทนแพลตฟอร์มที่แข่งขันกัน เป็นเรื่องที่ท้าทาย อีกเรื่องที่ท้าทายจากมุมมองเชิงลอจิสติกคือการใช้เวลามากในการตอบคำถามหรือข้อกังวลของผู้เข้าร่วมหรือนักวิจัยในลักษณะที่ทันเวลาและยุติธรรม เราใช้เวลามากในการทำเช่นนี้เพราะจะทำให้ผู้ใช้ทั้งสองฝ่าย – ผู้เข้าร่วมและนักวิจัย – มีความสุขและกระตุ้นให้พวกเขากลับมาที่ Prolific อีกครั้ง อย่างไรก็ตาม เรายังพึ่งพานักวิจัยที่ใช้แพลตฟอร์มของเราในการยึดมั่นในมาตรฐานการปฏิบัติที่สูงและค่าตอบแทนที่ยุติธรรมเมื่อผู้เข้าร่วมถูกนำไปสู่งานหรือแบบสอบถามของนักวิจัยและออกจากระบบ Prolific สิ่งที่เกิดขึ้นนอกแพลตฟอร์มของเรานั้นอยู่ภายใต้การควบคุมของทีมวิจัย ดังนั้นเราจึงพึ่งพาผู้เข้าร่วมที่แจ้งให้เราทราบหากมีอะไรผิดปกติ และนักวิจัยของเราที่ยึดมั่นในมาตรฐานที่สูงสุดเท่าที่จะเป็นไปได้ เราพยายามให้คำแนะนำมากที่สุดเท่าที่เราจะทำได้เพื่อให้แน่ใจว่าสิ่งนี้เกิดขึ้น

เมื่อพิจารณาแบบจำลองธุรกิจของ Prolific คุณคิดอย่างไรเกี่ยวกับบทบาทที่สำคัญของการให้ข้อเสนอแนะจากมนุษย์ในพัฒนาการ AI โดยเฉพาะในด้านการตรวจจับอคติและปรับปรุงการให้เหตุผลทางสังคม?

การให้ข้อเสนอแนะจากมนุษย์ในการพัฒนาการ AI มีความสำคัญอย่างมาก หากไม่มีส่วนร่วมของมนุษย์ เราอาจทำให้อคติเกิดขึ้นและไม่เห็นถึงความแตกต่างของการโต้ตอบทางสังคมของมนุษย์ และไม่สามารถแก้ไขปัญหาด้านจริยธรรมที่เกี่ยวข้องกับการ AI ได้ สิ่งนี้อาจขัดขวางความก้าวหน้าของเราในการสร้างระบบ AI ที่มีความรับผิดชอบ มีประสิทธิภาพ และมีจริยธรรม ในด้านการตรวจจับอคติ การให้ข้อเสนอแนะจากมนุษย์ระหว่างกระบวนการพัฒนามีความสำคัญอย่างมาก เราควรพัฒนา AI ที่สะท้อนมุมมองที่หลากหลายและค่านิยมที่ไม่เอียงเอียงใดๆ ไม่ใช่การเอียงเอียงไปในทางใดทางหนึ่ง

สถานการณ์กับการให้เหตุผลทางสังคมก็เหมือนกัน AI มักจะพบปัญหาในการทำงานที่ต้องใช้การให้เหตุผลทางสังคม เนื่องจากโดยธรรมชาติแล้ว AI ไม่ใช่สิ่งมีชีวิตทางสังคม ในขณะที่มนุษย์เป็น การตรวจจับบริบทเมื่อมีการถามคำถาม การเข้าใจคำพูดที่มีเจตนารมณ์ หรือการรับรู้สัญญาณทางอารมณ์ ต้องใช้การให้เหตุผลทางสังคมที่คล้ายกับมนุษย์ ซึ่ง AI ไม่สามารถเรียนรู้ได้ด้วยตัวเอง เราเป็นมนุษย์ เราเรียนรู้ด้วยวิธีการทางสังคม ดังนั้น วิธีเดียวที่จะสอนระบบ AI ให้เข้าใจและตอบสนองต่อสัญญาณทางสังคมต่างๆ คือการใช้ข้อเสนอแนะจากมนุษย์จริงๆ เพื่อฝึกอบรม AI

ในความเป็นจริง การให้ข้อเสนอแนะจากมนุษย์ไม่เพียงแต่ช่วยให้ระบุจุดแข็งและจุดอ่อนของระบบ AI เท่านั้น แต่ยังช่วยให้นักพัฒนาสามารถปรับปรุงและปรับแต่งอัลกอริทึมได้ด้วย ตัวอย่างเช่น เมื่อคุณถามคำถาม ChatGPT อาจให้คำตอบสองคำตอบและขอให้คุณจัดอันดับว่าคำตอบไหนดีกว่า เนื่องจากโมเดลนี้กำลังเรียนรู้อยู่เสมอ และนักพัฒนารู้ถึงความสำคัญของการให้ข้อเสนอแนะจากมนุษย์ในการกำหนดคำตอบที่ดีที่สุด

Prolific มีบทบาทสำคัญในการเชื่อมโยงนักวิจัยกับผู้เข้าร่วมสำหรับการฝึกอบรม AI และการวิจัย คุณสามารถแบ่งปันเรื่องราวความสำเร็จหรือความก้าวหน้าที่สำคัญใน AI ที่เป็นไปได้โดยใช้แพลตฟอร์มของคุณหรือไม่?

เนื่องจากลักษณะการค้าของโครงการ AI ของเราหลายโครงการ โดยเฉพาะในพื้นที่ที่ไม่ใช่ทางวิชาการ ส่วนใหญ่โครงการเหล่านี้อยู่ภายใต้ข้อตกลงการไม่เปิดเผยข้อมูล ซึ่งหลักๆ คือเพื่อรักษาความลับของเทคนิคหรือวิธีการเพื่อป้องกันไม่ให้ถูกทำซ้ำ อย่างไรก็ตาม โครงการหนึ่งที่เราสามารถพูดถึงได้คือการร่วมมือกับ Remesh ซึ่งเป็นแพลตฟอร์ม AI ที่ให้ข้อมูลเชิงลึก เราได้ร่วมมือกับ OpenAI และ Remesh เพื่อพัฒนาระบบที่ใช้ตัวอย่างที่เป็นตัวแทนของประชากรสหรัฐฯ ในโครงการนี้ ผู้เข้าร่วมหลายพันคนจากตัวอย่างที่เป็นตัวแทนได้เข้าร่วมในการอภิปรายเกี่ยวกับนโยบายที่เกี่ยวข้องกับ AI ผ่านระบบของ Remesh ซึ่งช่วยให้สามารถพัฒนานโยบาย AI ที่สะท้อนถึงความต้องการของประชาชนทั่วไป ไม่ใช่เพียงกลุ่มเล็กๆ เท่านั้น ขอบคุณความสามารถของ Prolific ในการให้ตัวอย่างที่หลากหลาย

เมื่อมองไปข้างหน้า คุณมีภาพอนาคตสำหรับการพัฒนาการ AI ที่มีจริยธรรมอย่างไร และ Prolific วางแผนจะช่วยให้บรรลุเป้าหมายนี้ได้อย่างไร?

ความหวังของฉันสำหรับอนาคตของ AI และการพัฒนานั้นขึ้นอยู่กับการตระหนักว่า AI จะดีเท่ากับข้อมูลที่ใช้ฝึกอบรมมันเท่านั้น ความสำคัญของข้อมูลที่มีคุณภาพไม่สามารถมองข้ามได้สำหรับระบบ AI การฝึกอบรม AI ด้วยข้อมูลที่มีคุณภาพต่ำจะนำไปสู่ระบบ AI ที่มีคุณภาพต่ำหรือไม่มีประโยชน์ วิธีเดียวที่จะรับประกันข้อมูลที่มีคุณภาพคือการรับประกันว่ามีการจัดตั้งกลุ่มผู้เข้าร่วมที่หลากหลายและมีแรงจูงใจ ซึ่งเต็มใจที่จะให้ข้อมูลที่ดีที่สุดเท่าที่จะเป็นไปได้ ที่ Prolific แนวทางและหลักการของเรามีเป้าหมายที่จะสร้างสิ่งนี้ขึ้นมา

คุณเผชิญกับความท้าทายที่ยิ่งใหญ่ที่สุดในการรวบรวมข้อมูล AI ที่มีคุณภาพสูงและขับเคลื่อนด้วยมนุษย์อย่างไร และ Prolific จะเอาชนะอุปสรรคเหล่านี้ได้อย่างไร?

ความท้าทายที่ยิ่งใหญ่ที่สุดคือคุณภาพของข้อมูล ไม่เพียงแต่ข้อมูลที่ไม่ดีจะไม่มีประโยชน์ แต่ยังอาจนำไปสู่ผลลัพธ์ที่เป็นอันตราย โดยเฉพาะอย่างยิ่งเมื่อระบบ AI ถูกนำไปใช้ในพื้นที่ที่สำคัญ เช่น ตลาดการเงินหรือการปฏิบัติการทางทหาร สิ่งนี้เน้นย้ำถึงหลักการสำคัญของ “ข้อมูลที่ไม่ดีเข้าไป สิ่งที่ไม่ดีออกไป” หากข้อมูลอินพุตไม่ดี ระบบ AI ที่ได้รับจะไม่ดีหรือไม่มีประโยชน์โดยธรรมชาติ ตัวอย่างออนไลน์ส่วนใหญ่มักจะผลิตข้อมูลที่มีคุณภาพต่ำกว่าที่เหมาะสมสำหรับการพัฒนา AI

อีกความท้าทายหนึ่งที่เราเผชิญในการรวบรวมข้อมูล AI คือการรับประกันความหลากหลายในตัวอย่าง ในขณะที่ตัวอย่างออนไลน์ขยายขอบเขตและความหลากหลายของบุคคลที่เราสามารถทำวิจัยได้เมื่อเทียบกับวิธีการสัมภาษณ์แบบตัวต่อตัว แต่ตัวอย่างเหล่านี้มักจะเอียงไปทางประเทศตะวันตก โดยมีการเบี่ยงเบนไปทางประชากรที่อายุน้อยกว่า มีการศึกษาสูง และมีการศึกษาที่สูงกว่า และมีความคิดเห็นที่เอียงไปทางซ้ายมากขึ้น ซึ่งไม่ได้แสดงถึงประชากรโลกทั้งหมด เพื่อแก้ไขปัญหานี้ Prolific มีผู้เข้าร่วมจากกว่า 38 ประเทศทั่วโลก เรายังให้เครื่องมือแก่นักวิจัยเพื่อระบุลักษณะประชากรของตัวอย่างล่วงหน้า นอกจากนี้เรายังให้ตัวอย่างที่เป็นตัวแทนผ่านเทมเพลตที่ตรงกับสำมะโน เช่น อายุ เพศ และเชื้อชาติ หรือแม้กระทั่งการมีส่วนร่วมทางการเมือง สิ่งนี้ช่วยให้การศึกษา งานวิจัย หรือโครงการอื่นๆ ได้รับตัวอย่างที่หลากหลายและข้อมูลเชิงลึกที่หลากหลาย

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Prolific เพื่อเรียนรู้เพิ่มเติม