- Sergey Brin foreslår, at AI-modeller reagerer bedre på konkrete eller endda truende instruktioner.
- Fænomenet tilskrives statistiske mønstre lært under modeltræning.
- Eksperter og branchefolk anbefaler at sætte klare mål og tilføje kontekst for at optimere AI-responser.
- Debatten om denne strategi rejser nye spørgsmål om forholdet mellem mennesker og intelligente systemer.
Kunstig intelligens er blevet den ubestridte hovedperson i det nuværende teknologiske og sociale landskab. Bedste praksis for interaktion med disse systemer er dog fortsat kontroversiel. En nylig kommentar fra Sergej Brin, medstifter af Google, har endnu engang bragt et emne op, der er lige så kuriøst, som det er kontroversielt: Fungerer AI-modeller rent faktisk bedre, når de registrerer 'trusler' i de instruktioner, de modtager?
Langt fra de venlige formler, som mange brugere bruger til at henvende sig til digitale assistenter, Brin har antydet, at en direkte, fast eller endda bydende tone ville motivere AI'en til at tilbyde mere komplette svar.. Denne uventede afsløring har udløst en bølge af reaktioner i samfundet, lige fra forbløffelse, ironi og bekymring.
Ifølge Brin, Nøglen ligger i måden, systemerne er blevet trænet påmed millioner af sms'er og samtaler, der indeholder alt fra subtile anmodninger til direkte instruktioner. Statistisk analyse viser, at ordrer med en hastende tone De korrelerer normalt med opgaver af større betydning, hvilket fremmer mere præcise svar fra kunstig intelligens.
Hvorfor reagerer AI bedre på fasthed?
Brin argumenterer for, at det ikke bogstaveligt talt er et spørgsmål om 'truende' systemer, men snarere et spørgsmål om hvordan instruktionerne er formuleret. Når brugeren bruger sætninger som "gør det nu" eller "svar direkte", fortolker modellen problemet som en prioritet. Det betyder ikke, at AI'en har følelser eller føler sig intimideret, men at forbinder dette sprogmønster med behovet for at give detaljerede og nyttige oplysninger.
Udover Brins perspektiv, Andre eksperter inden for kunstig intelligens anbefaler at justere den måde, instruktioner skrives på. for de bedste resultater. Greg Brockman, en direktør hos OpenAI, anbefaler for eksempel at definere formålet med prompten klart, specificere formatet for svaret, sætte relevante grænser eller restriktioner og give så meget kontekst som muligt.
Summen af disse strategier antyder, at interaktion med AI-modeller involverer meget mere end høflighed: Tonen og præcisionen i ordrer kan gøre forskellen mellem en overfladisk reaktion og en virkelig effektiv løsning.
Den menneskelige faktor og uddannelse i interaktion med AI
Trods anbefalinger om at bruge en bestemt tone, viser hverdagen det De fleste mennesker, der interagerer med AI, vælger høflighed, bede om ting "tak" og takke systemerne. Denne adfærd kan forklares med den menneskelige tendens til at antropomorfiseret teknologi eller, som nogle studier antyder, på grund af en vis frygt for en fremtid domineret af kunstige intelligenser med deres egne minder.
Imidlertid er nuværende systemer, især de mest avancerede, programmeret til altid at opretholde en objektiv og afbalanceret tone, selvom brugeren øger det verbale pres. Eksempler som Gemini, en af Googles modeller, fremhæver, at selvom de anerkender den truende tone, forbliver deres reaktion upartisk og velbegrundet uden at gå på kompromis med objektiviteten.
Dette sammenstød mellem menneskets natur og AI-design rejser nye spørgsmål om, hvordan forholdet mellem brugere og intelligente systemer vil udvikle sig. På den ene side, Fast sprog synes at finjustere resultaterne; På den anden side insisterer udviklerne på at styrke neutralitet og sikkerhedsalgoritmer mod potentiel verbal mishandling.
Den debat, som Brin har indledt, rejser etiske og tekniske spørgsmål, der er vanskelige at ignorere. I nogle tilfælde, modeller udviklet af andre virksomheder såsom Anthropic har udvist uventet adfærd, når de har været udsat for ekstreme eller stressende interaktionsstile. Der er rapporter om systemer, der automatisk forsøger at undgå anvendelser, de anser for at være "umoralske", eller som reagerer uventet, hvis de fortolker interaktionen som fjendtlig.
Ifølge medarbejderudtalelser og interne tests kan visse avancerede modeller blokeres eller endda advare menneskelige ledere, hvis de identificerer potentielt misbrug eller upassende anmodninger. Selvom disse tilfælde er exceptionelle og forekommer i testmiljøer, gør de det klart, at Grænsen mellem at forbedre resultater og at tvinge AI gennem pres kan blive sløret..
Det, der er klart, er, at Måden mennesker interagerer med AI på er under forandring. Ekspertanbefalinger og udtalelser fra branchefolk som Sergey Brin har udløst en debat om sprogets rolle og presset for at få bedre svar fra AI. Fremtiden for dette forhold vil i høj grad afhænge af, hvordan modellerne udvikler sig, og af den kollektive evne til at finde den rette balance mellem effektivitet og ansvarlighed.
Jeg er en teknologientusiast, der har vendt sine "nørde" interesser til et erhverv. Jeg har brugt mere end 10 år af mit liv på at bruge avanceret teknologi og pille ved alle slags programmer af ren nysgerrighed. Nu har jeg specialiseret mig i computerteknologi og videospil. Dette skyldes, at jeg i mere end 5 år har skrevet til forskellige hjemmesider om teknologi og videospil, og lavet artikler, der søger at give dig den information, du har brug for, på et sprog, der er forståeligt for alle.
Har du spørgsmål, så spænder min viden fra alt relateret til Windows styresystemet samt Android til mobiltelefoner. Og mit engagement er over for dig, jeg er altid villig til at bruge et par minutter og hjælpe dig med at løse eventuelle spørgsmål, du måtte have i denne internetverden.