草根影響力新視野   文/琪拉編譯

OpenAI 的 ChatGPT已經被全世界的人所熟知，可以用它來完成作業和製作簡報之類的任務。現在，OpenAI更進一步，聲稱其人工智慧模型在日常任務，像是購物和預算方面表現越來越好，而這些任務通常由人類完成。

OpenAI 週一宣布推出一款新的內部工具， GPT-6 Astra，聲稱這個模式可以更貼近人類的日常生活，像是幫住戶在搬家後尋找合適的幼兒園，應對洪水，為一位新確診糖尿病的病患制定膳食計劃。

標準化評估對於人工智慧開發很重要，因為 AI 實驗室會利用這些評估結果來指導訓練和優化模型，從而在特定領域取得進展。去年，OpenAI 發布了一項名為 GDPVal 的基準測試，用於衡量 AI 在製造業、政府工作、金​​融和銷售等行業的各種工作相關技能方面的表現。新的基準測試對於 OpenAI 保持競爭優勢至關重要，它能幫助 ChatGPT 從內容生成工具轉型為能夠代表使用者完成各種任務的助理。

OpenAI 首先參考了一些大型調查，分析人們如何支配自己的大部分時間，例如美國勞工統計局的《美國時間利用調查》和英國的《多國時間利用調查》。結果發現，人類花最多時間的是在吃和睡覺，但這些都非人工智慧能夠勝任。該公司於是進行小型調查，寫下他們希望 AI 為他們完成的任務，以及他們願意提供的個人背景，以及自己希望AI達到的標準。

圖片取自：（示意圖 123RF）

然而，衡量人工智慧在日常生活中的表現卻面臨新的挑戰。例如，如何有效地購買雜貨或為孩子挑選合適的幼兒園，其步驟和技能都非常廣泛且難以界定。而且，測試結果也可能帶有主觀性。即使是設計測試方法也並非易事，因為每個人使用人工智慧的方式都不同，人工智慧代理的回答也會因所獲得的資訊而有所不同。

當然OpenAI競爭激烈，他與其競爭對手都面臨全世界對人工智慧安全的擔憂，以及如何從其在該技術領域的巨額投資中獲利的壓力。但首先，OpenAI 必須找到一種方法來檢驗 ChatGPT 是否真的能勝任諸如組裝購物車和填寫線上表格之類的瑣事。

根據市場情報公司顯示，Meta公司於9月推出的Muse智能助理在短短40天內就在美國獲得了1000萬次下載。同月，OpenAI也推出了Dots智慧助手，據稱該助理可以在用戶進行日常活動時在後台運行長時間運行的任務。此外，Anthropic公司在10月發布了其新的AI智慧助理應用Claude Duet。

同時，人工智慧技術引發了安全方面的擔憂，此外，人們是否會過度依賴人工智慧，以及如何劃定界限，決定哪些任務應該外包給人工智慧，也是一個值得探討的問題。

 

資料來源:  OpenAI says its AI is getting better at doing things humans do, like shopping and meal planning