LifeVal
રોજિંદા જીવનમાં મહત્ત્વનાં કાર્યો પર AIની પ્રગતિનું માપન.
OpenAIનું મિશન એ સુનિશ્ચિત કરવાનું છે કે આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ સમગ્ર માનવજાતને લાભ આપે. હાલમાં દર અઠવાડિયે ChatGPTનો ઉપયોગ કરતા એક અબજથી વધુ લોકો માટે, અમે એવું AI બનાવવા માંગીએ છીએ જે રોજિંદા જીવનના વ્યવહારુ પડકારોનો સામનો કરવામાં મદદ કરી શકે, જેમ કે બાળસંભાળની વ્યવસ્થા શોધવી, સરકારી સેવાઓનો લાભ મેળવવો, બજેટ બનાવવું, શાળા માટે તૈયારી કરવી, વાનગીઓમાં ફેરફાર કરવો, કરિયાણાનો ઑર્ડર આપવો, કસરતના પ્લાન બનાવવા અને ઘણું બધું.
જ્યારે કોઈ વ્યક્તિ પોતાનું જીવન વધુ સરળ બનાવવામાં મદદ શોધે છે, ત્યારે તેને માત્ર સલાહ કે ચૅટમાં મળેલો જવાબ પૂરતો નથી. ખરેખર મદદરૂપ વ્યક્તિગત સહાયક બનવા માટે, ChatGPTએ એવા પગલાં લેવા સક્ષમ હોવું જોઈએ જે ખરેખર કામ પૂરું કરાવે.
સમય જતાં રોજિંદા કાર્યો પર મોડલનું પરફોર્મન્સ માપવા માટે, અમે એવા કાર્યોનું મૂલ્યાંકન તૈયાર કર્યું, જેમાં AI અને વ્યક્તિગત એજન્ટ પાસેથી વપરાશકર્તાઓને સૌથી વધુ મદદ જોઈતી હતી તેવા ક્ષેત્રો આવરી લેવાયા. છેલ્લા એક વર્ષ દરમિયાન રોજિંદા કાર્યો પર મોડલના પરફોર્મન્સમાં થયેલા સુધારાને ટ્રૅક કરવા અને તેને આગળ ધપાવવા માટે અમે આ મૂલ્યાંકનનો ઉપયોગ કર્યો.
પૃષ્ઠભૂમિ
લોકો કયાં કાર્યોને સૌથી વધુ મહત્વ આપે છે તે ઓળખવા માટે, અમે બે મોટા અભ્યાસોથી શરૂઆત કરી, જે U.S.માં અને આંતરરાષ્ટ્રીય સ્તરે લોકો તેમનો સમય કેવી રીતે વિતાવે છે તેનો અભ્યાસ કરે છે: અમેરિકન સમય વપરાશ સર્વેક્ષણ(નવી વિન્ડોમાં ખૂલે છે) અને બહુરાષ્ટ્રીય સમય વપરાશ અભ્યાસ(નવી વિન્ડોમાં ખૂલે છે). આ બંને ડેટાસેટ મળીને વિવિધ વસ્તીવિષયક જૂથોના લોકો દિવસના અલગ-અલગ સમયે અને જુદી-જુદી ઋતુઓમાં કરતાં રોજિંદા જીવનનાં કાર્યોની વિગતવાર સૂચિ પૂરી પાડે છે. લોકોને કયાં કાર્યોમાં AIની સહાય સૌથી વધુ મૂલ્યવાન લાગશે તે સમજવા માટે, અમે 3,995 ઉત્તરદાતાઓના નવા, વસ્તીવિષયક રીતે પ્રતિનિધિત્વ ધરાવતા સર્વેક્ષણ દ્વારા આ હાલનાં સર્વેક્ષણોનો વ્યાપ વધાર્યો. દરેક કાર્ય માટે, અમે વિવિધ પ્રશ્નો પૂછીને એ ક્ષેત્રો ઓળખ્યાં જ્યાં સામાન્ય લોકોને વ્યક્તિગત સહાયકની મદદની સૌથી વધુ જરૂર હતી. આ રીતે ઓળખાયેલાં કાર્યો એ સૌથી મહત્વપૂર્ણ ક્ષેત્રોને આવરી લે છે જેમાં લોકો મદદ ઇચ્છે છે, જેમાં સંભાળ રાખવી, સ્વાસ્થ્ય, શિક્ષણ, ઘરનું વહીવટી કામકાજ, વ્યક્તિગત નાણાં, ખરીદી અને સરકારી સેવાઓ મેળવવાનો સમાવેશ થાય છે.
વ્યક્તિગત કાર્યનાં ઉદાહરણો
નીચે રોજિંદા જીવનના વ્યવહારુ વર્કફ્લોમાં અમારાં વર્તમાન મોડલો કેવી રીતે કાર્ય કરે છે તેનાં કેટલાંક ઉદાહરણો છે.
ઘણાં LifeVal કાર્યોમાં અમારાં નવીનતમ મોડલો ખૂબ ઊંચા સ્કોર મેળવે છે. વધુ જુઓ
છેલ્લા એક વર્ષ દરમિયાન, અમે બ્રાઉઝરના ઉપયોગ, કમ્પ્યુટરના ઉપયોગ અને કનેક્ટર સંબંધિત કાર્યોમાં અમારાં મોડલોને વધુ ઝડપી, વધુ સક્ષમ અને વધુ સુસંગત બનવા માટે તાલીમ આપી છે. ChatGPTમાં આ ક્ષમતાઓ સક્ષમ કરવાથી મોડલ મદદ કરી શકે એવાં કાર્યોના પ્રકારો પણ વિસ્તરે છે અને ChatGPTને માત્ર ચૅટ ટૂલથી આગળ વધારીને ખરેખર સ્વાયત્ત રીતે કાર્ય કરી શકે એવા વ્યક્તિગત સહાયક તરફ લઈ જવામાં મદદ મળે છે.
આ કેમ મહત્ત્વનું છે
AGI સમગ્ર માનવજાતને લાભ આપે તે સુનિશ્ચિત કરવા માટે, સામાન્ય લોકોના જીવનમાં જે બાબતો મહત્ત્વની છે તેના સંદર્ભમાં મોડલની પ્રગતિ માપવી અને તેમાં સુધારો કરવો જરૂરી છે. એનો અર્થ એ છે કે મોડલના જ્ઞાનના શૈક્ષણિક મૂલ્યાંકનથી આગળ વધીને ખરેખર એ માપવું કે AI મોડલ લોકોને નિર્ણયો લેવામાં, રોજિંદી જવાબદારીઓ સંભાળવામાં અને અર્થપૂર્ણ કામો પૂર્ણ કરવામાં કેટલી સારી રીતે મદદ કરી શકે છે. અમને આશા છે કે LifeVal એ લક્ષ્ય તરફનું એક પગલું છે.



























