GPT između skoka produktivnosti i pada kvalitete

Tekst članka se nastavlja ispod banera

Kad se koristi unutar granica svojih mogućnosti, generativna umjetna inteligencija može poboljšati učinak visokokvalificiranih radnika za čak 40% u usporedbi s radnicima koji je ne koriste, pokazuje nova studija.

Ali (uvijek postoji taj ali), kad se AI koristi izvan tih granica, učinak radnika pada u prosjeku za 19 postotnih bodova!

Neravna tehnološka granica

Ovi nalazi utječu na produktivnost radnika i sve one koji žele izbjeći zamke "neravne tehnološke granice" (jagged technological frontier) i što bolje iskoristiti generativne unaprijed obučene transformatore (GPT) koji proizvode tekst nakon što im se zadaju upute, javlja Bug.

Razumijevanje gornjih granica sposobnosti umjetne inteligencije je imperativ, pogotovo jer se te sposobnosti nastavljaju širiti, upozoravaju istraživači s Harvarda i MIT-a.

Postojanje ove krivudave granice važno je osvijestiti, pišu autori istraživanja koje otkriva da visokokvalificiranim radnicima očito nije baš uvijek jasno koji od njihovih svakodnevnih zadataka lako mogu prepustiti umjetnoj inteligenciji i koji zadaci zahtijevaju drugačiji pristup.

Veliki iskorak

Studija je uključila više od 700 konzultanata koji su svoje zadatke obavljali na tri načina: bez pomoći umjetne inteligencije, uz pristup GPT-4 te uz GPT-4 s objašnjenjem kako ga treba koristiti. Sudionici su razvrstani u dvije skupine: jedna je dobila zadatak u skladu s realnim mogućnostima GPT-4, dok je druga koristila GPT-4 s programiranom pogreškom.

Sudionici iz prve skupine trebali su osmisliti novi model cipela i predstaviti ga na sastanku, sastaviti popis koraka od predstavljanja do lansiranja, kreirati marketinški slogan i napisati članak od 2500 riječi koji opisuje sveobuhvatni proces razvoja cipele i naučene lekcije.

Pokazalo se kako umjetna inteligencija ima generalno pozitivan učinak na njihove rezultate. Sudionici koji su koristili samo GPT povećali su izvedbu za 38%, dok je su performanse onih koji su koristili i GPT i uputstva porasle za velikih 42,5% u usporedbi s onima koji u radu nisu koristili pomoć umjetne inteligencije. Skok u performansama bio je to veći što su procijenjene vještine sudionika u startu bile niže.

A što kad GPT griješi?

No, sad dolazimo do onog "ali" s početka priče. Druga grupa, ona koja je koristila "GPT s pogreškom", trebala je napisati dopis u kojem bi u 500 do 750 riječi objasnili u koje brendove treba uložiti kako bi se povećao prihod te predložiti inovativne radnje za promociju odabrane marke. Sudionici su dobili komentare i financijske podatke iz kojih su mogli crpiti informacije, a ocijenjeni su na temelju "ispravnosti" preporuke.

Pokazalo se da je AI imala negativan učinak na sudionike ove skupine. Korištenje GPT-a smanjilo je izvedbu za 13 postotnih bodova, a učinak onih koji su se služili i GPT-om i uputama bio je čak 24 postotna boda lošiji od rezultata kontrolne grupe.

Pad performansi pripisan je tome što su ljudi "isključili svoje mozgove i slijedili ono što AI preporučuje" pa makar bilo i netočno. Poboljšanje kvalitete i smanjenje performansi ukazuje na to da, umjesto da slijepo usvajaju rezultate umjetne inteligencije, visokokvalificirani radnici trebaju provjeravati umjetnu inteligenciju i ulagati "kognitivni napor i uvažavati prosudbu stručnjaka pri radu s umjetnom inteligencijom", pišu istraživači.

Uvjerljivost i vjerodostojnost

Umjetno inteligenciju je primamljivo koristiti u radu jer je brza, potiče brzo stvaranje ideja i proizvodi uvjerljiv tekst, ali treba biti na oprezu kad se koristi za važne zadatke, upozoravaju istraživači s Harvarda i MIT-a.

Budući da neki odgovori generirani umjetnom inteligencijom izgledaju vjerodostojni čak i kad su netočni, programeri bi trebali dizajnirati sučelje koje će što više smanjiti vjerojatnost da će ljudi upasti u neke od ovih zamki. Programeri bi, predlažu istraživači, mogli pomoći u pronalaženju mjesta na kojem se AI uključuje u posao i dizajniranju potrebne tehnologije.

"Da bismo dobro iskoristili generativnu umjetnu inteligenciju, važno je istražiti specifične zadatke tijekom radnog procesa", upozoravaju istraživači. "Neki od njih mogu biti unutar te 'neravne granice', a drugi izvan nje."