草根影响力新视野   文/琪拉编译

OpenAI 的 ChatGPT已经被全世界的人所熟知，可以用它来完成作业和制作简报之类的任务。现在，OpenAI更进一步，声称其人工智能模型在日常任务，像是购物和预算方面表现越来越好，而这些任务通常由人类完成。

OpenAI 周一宣布推出一款新的内部工具， GPT-6 Astra，声称这个模式可以更贴近人类的日常生活，像是帮住户在搬家后寻找合适的幼儿园，应对洪水，为一位新确诊糖尿病的病患制定膳食计划。

标准化评估对于人工智能开发很重要，因为 AI 实验室会利用这些评估结果来指导训练和优化模型，从而在特定领域取得进展。去年，OpenAI 发布了一项名为 GDPVal 的基准测试，用于衡量 AI 在制造业、政府工作、金​​融和销售等行业的各种工作相关技能方面的表现。新的基准测试对于 OpenAI 保持竞争优势至关重要，它能帮助 ChatGPT 从内容生成工具转型为能够代表使用者完成各种任务的助理。

OpenAI 首先参考了一些大型调查，分析人们如何支配自己的大部分时间，例如美国劳工统计局的《美国时间利用调查》和英国的《多国时间利用调查》。结果发现，人类花最多时间的是在吃和睡觉，但这些都非人工智能能够胜任。该公司于是进行小型调查，写下他们希望 AI 为他们完成的任务，以及他们愿意提供的个人背景，以及自己希望AI达到的标准。

图片取自：（示意图 123RF）

然而，衡量人工智能在日常生活中的表现却面临新的挑战。例如，如何有效地购买杂货或为孩子挑选合适的幼儿园，其步骤和技能都非常广泛且难以界定。而且，测试结果也可能带有主观性。即使是设计测试方法也并非易事，因为每个人使用人工智能的方式都不同，人工智能代理的回答也会因所获得的信息而有所不同。

当然OpenAI竞争激烈，他与其竞争对手都面临全世界对人工智能安全的担忧，以及如何从其在该技术领域的巨额投资中获利的压力。但首先，OpenAI 必须找到一种方法来检验 ChatGPT 是否真的能胜任诸如组装购物车和填写在线表格之类的琐事。

根据市场情报公司显示，Meta公司于9月推出的Muse智能助理在短短40天内就在美国获得了1000万次下载。同月，OpenAI也推出了Dots智慧助手，据称该助理可以在用户进行日常活动时在后台运行长时间运行的任务。此外，Anthropic公司在10月发布了其新的AI智慧助理应用Claude Duet。

同时，人工智能技术引发了安全方面的担忧，此外，人们是否会过度依赖人工智能，以及如何划定界限，决定哪些任务应该外包给人工智能，也是一个值得探讨的问题。

 

资料来源:  OpenAI says its AI is getting better at doing things humans do, like shopping and meal planning