Tiimin jäsenten kesken olemme (kuten suuri osa maailmanlaajuisesta tutkimusyhteisöstä) seuranneet tekoälypohjaisten kieligeneraattorityökalujen, kuten Open AI:n GPT-3:n, edistymistä. Julkaisimme aiemmin artikkelin, jossa oli tekoälyn luomaa sisältöä.

Tässä artikkelissa tutkimme lyhyesti GPT-3:n kykyä luoda koodia persoonien luomista varten.

Tämä on haastava tehtävä, koska se vaatii ennen kaikkea ymmärrystä siitä, mitä persoonat ovat. Toiseksi tekoälyn on kyettävä ymmärtämään, mitä tietoa persoonat sisältäisivät ja miten tällaisia tietoja saadaan. Sen on myös osoitettava jonkin verran luovuutta ”kuviteltaessa” prosessia tai menetelmää persoonien luomiseksi.

Joten pidemmittä puheitta, katsotaan mitä tapahtuu!

Käytin kehotetta: ”write code that generate personas automatically from data” ja käytin Open AI:n hiekkalaatikkotyökalun oletushyperparametrejä (kun julkaistaan kielimallien kokeilujen tuloksia, kehote tulisi aina laittaa saataville sekä käytetyt hyperparametrit).

Kone loi tämän tulosteen:

”Here is an example of how you could generate personas automatically from data:

import random

# Define a list of possible personality traits
personality_traits = [”adventurous”, ”assertive”, ”charming”, ”confident”, ”creative”, ”determined”, ”energetic”, ”friendly”, ”humorous”, ”independent”, ”intelligent”, ”kind”, ”passionate”, ”patient”, ”persistent”, ”sensible”, ”sincere”, ”sympathetic”, ”thoughtful”, ”wise”]

# Define a list of possible demographics
demographics = [”age”, ”gender”, ”marital status”, ”education level”, ”income level”, ”occupation”, ”location”]

# Define a function to generate a random persona
def generate_persona():
# Choose a random set of personality traits
num_traits = random.randint(3, 5)
chosen_traits = random.sample(personality_traits, num_traits)

# Choose a random set of demographics
num_demographics = random.randint(3, 5)
chosen_demographics = random.sample(demographics, num_demographics)

# Create a dictionary to represent the persona
persona = {}
persona[”personality traits”] = chosen_traits
persona[”demographics”] = {}
for demographic in chosen_demographics:
persona[”demographics”][demographic] = ”unknown”

return persona

# Generate 10 random personas
for i in range(10):
persona = generate_persona()
print(f”Persona {i+1}:”)
print(f” Personality traits: {persona[’personality traits’]}”)
print(f” Demographics: {persona[’demographics’]}”)

This code generates a random set of personality traits and demographics for each persona, and stores them in a dictionary. You could then use real data to fill in the values for the demographics. For example, if you had a dataset of customer information, you could use that data to populate the persona dictionaries with real values for each demographic.”

Kun jaoin tämän tuloksen tiimin jäsenten kanssa, yksi heistä vastasi: ”Vau, onpa kiehtovaa”. Olen samaa mieltä tuosta arviosta – erittäin kiehtovaa.

Voimme tehdä muutaman havainnon syntyneestä tulosteesta.

• Ensinnäkin, koska dataa ei ole, tekoäly keksii esimerkkimuuttujia ja käyttää satunnaistamista ”kuvittelemaan” dataa. Taitavaa.
• Toiseksi tekoäly tarjoaa sekä pseudokoodin että selityksen sille. Siten tuloste näyttää täydelliseltä.
• Kolmanneksi tekoäly jopa selittää, että voit käyttää todellista dataa sen tarjoaman valedatan korvaamiseen, ja tarjoaa jopa käytännön vinkkejä ehdotuksen toteuttamiseen.

Kaiken kaikkiaan tämä lyhyt esimerkki osoittaa, että tekoäly voi tuottaa ”luovia apuvälineitä” datapohjaiseen tai algoritmiseen persoonien luomiseen.

Tekoäly näyttää ymmärtävän persoonakäsitteen (että ne voivat sisältää persoonallisuuden piirteitä ja demografisia tietoja), ja se näyttää suunnittelevan luovan ratkaisun ongelmaan. Tulos on samanlainen kuin olettaisin, että aito tietojenkäsittelytieteilijä ratkaisisi ongelman. Tätä ratkaisua ei myöskään ole vain kopioitu jostain verkkolähteestä; se on omaperäinen ja kokonaisvaltainen ratkaisu, jota täydennetään selityksillä sen käytöstä.

Yksi tärkeä lisättävä seikka on kehotteen lyhyys. Verrattuna ihmisten väliseen kommunikaatioon, minun pitäisi todennäköisesti selittää persoonan käsite tietotekniikan tutkijalle paljon yksityiskohtaisemmin; mainitsin tässä vain persoonakäsitteen ja tekoäly ymmärsi, mikä se oli (kun taas *useimmat* tietotekniikan tutkijat kokemukseni mukaan eivät tiedä, mitä persoonat todella ovat).

Joten minun on todennäköisesti kerrottava todellisille ihmisille paljon enemmän kuin mitä tein GPT-3:lle. Tässä tapauksessa annoin sille vain kehotteen, joka edellytti sen ymmärtävän hyvin erityisiä käsitteitä, ja niin tapahtui! Vaikka onkin huomionarvoista, että tämä on nyt mahdollista, se osoittaa myös, että tekoälyssä on joitain hyvän assistentin piirteitä – eli se vaatii vain vähän selitystä ohjaajalta ja pystyy toimimaan ytimekkäillä ohjeilla.

Elämme historiallisia aikoja!