Ethan Mollick: Tænk på AI'en, som en uendelig tålmodig kollega - der har glemt alt i morgen - men måske er god nok!
I dag, den 24. november 2024, har Ethan frigivet et nyt indlæg på sin Substack, der hedder One Useful Thing. Her er linket til artiklen:
Og så fik jeg ChatGPT til at oversætte den til dansk, fordi jeg syntes han havde nogle nye og væsentlige pointer:
Oversættelse:
Mens jeg læste en ny artikel om læger, der bruger GPT-4 til at diagnosticere sygdomme, bemærkede jeg et velkendt problem med AI. Artiklen bekræftede, hvad mange lignende studier også har vist: Avancerede Large Language Models er overraskende gode til at stille diagnoser, selvom de ikke er specifikt udviklet til medicin. Man skulle tro, at denne AI-kapacitet ville hjælpe læger med at blive mere præcise. Alligevel klarede læger, der brugte AI, sig ikke bedre end dem, der arbejdede uden AI – og begge grupper klarede sig dårligere end ChatGPT alene. Hvorfor fik lægerne ikke gavn af AI'ens hjælp?
En årsag er algoritmisk aversion. Vi bryder os ikke om at tage imod instruktioner fra maskiner, når de er i modstrid med vores egen dømmekraft, hvilket fik lægerne til at tilsidesætte AI'ens korrekte svar. Men en anden årsag er, at AI-systemer kan være overraskende svære at bruge for folk, der ikke er vant til dem, hvilket resulterer i, at de ikke drager fordel af AI'ens råd.
En artikel i New York Times beskrev: “De behandlede [AI] som en søgemaskine til målrettede spørgsmål: ‘Er skrumpelever en risikofaktor for kræft? Hvad er mulige diagnoser for øjensmerter?’ Kun en brøkdel af lægerne indså, at de bogstaveligt talt kunne indsætte hele sygehistorien i chatbotten og bede den om at give et omfattende svar på det samlede spørgsmål.” Dette problem gælder ikke kun læger. I alle de klasser, jeg underviser i, eller organisationer, jeg taler med, har langt de fleste mennesker prøvet AI, men kæmper ofte med, hvordan de i første omgang skal bruge den. Som et resultat af denne kamp har de ikke brugt de cirka 10 timer med AI, der er nødvendige for virkelig at forstå, hvad den kan.
Der er mange forhindringer: Folk behandler AI som Google og stiller faktuelle spørgsmål. Men AI er ikke Google og giver ikke konsistente eller pålidelige svar. Eller folk beder AI om at skrive noget for dem og klager, når det producerer generiske tekster. Eller de ved ikke engang, hvad de skal skrive, og stirrer blot på en blinkende markør. Kort sagt kan de ikke lave effektive prompts til AI.
En almindelig løsning på disse problemer er, at alle skal lære "prompt engineering," den komplekse videnskab (eller snarere kunst) i at få AI til at arbejde på forventet vis. Men for de fleste er det ikke den bedste start. For det første kan ideen om en kompleks struktur for promptning virke skræmmende og hæmmende. Dette gælder især, fordi man ikke behøver at være AI-ekspert for at bruge teknologien effektivt. For det andet antyder "prompt engineering," at der findes en klar videnskab om, hvordan man styrer AI, men forskere diskuterer stadig grundlæggende principper for god promptning.
For eksempel er AIs resultater følsomme over for små ændringer i mellemrum eller formatering; de bliver mere præcise, hvis du beder dem “læse spørgsmålet igen”; de ser ud til at reagere bedre på høflighed (men overdriv det ikke); og de kan blive "dovenere" i december, måske fordi de har opsnappet konceptet om vinterferie. Desuden bliver det sandsynligvis lettere at få gode resultater fra AI uden meget formel træning, da nyere modeller er mindre følsomme over for ændringer i promptteknik, og nye teknikker giver AI mulighed for at forbedre dine prompts for dig.
Så selvom du kan lære detaljerne om prompt engineering og det grundlæggende i, hvordan LLM'er fungerer, er det for de fleste ikke det nødvendige startsted. Du skal bare bruge AI nok til at få en fornemmelse af, hvad du kan bruge den til inden for dit ekspertiseområde. Det vigtigste er at bruge cirka 10 timer med et avanceret AI-system. Og for at gøre det skal du bare være en god nok promptbruger til at overvinde de barrierer, der holder mange AI-brugere tilbage.
Der er to veje til at komme i gang: tilstrækkelig god promptning til opgaver og tilstrækkelig god promptning til tankearbejde.
Tilstrækkelig god promptning til opgaver
En af de mest nyttige måder at bruge AI på er til at få ting gjort. Jeg taler om at tage AI med til bordet og prøve den af på alle dine arbejdsopgaver for at se, hvor godt den klarer sig. Jeg mener stadig, at dette er den rigtige måde at starte på. Ofte får man at vide, at man skal behandle AI som en praktikant. Men jeg foreslår en ny analogi: Behandl AI som en uendeligt tålmodig ny kollega, der glemmer alt, hvad du fortæller den, efter hver samtale. To dele af denne analogi er menneskelige (en ny medarbejder og en kollega), og to er meget fremmede (glemmer alt og uendelig tålmodighed).
Som kollega vil du arbejde sammen med AI, ikke bare give ordrer, og du vil også lære, hvad den er god og dårlig til. Start med at bruge den inden for dit ekspertiseområde, hvor du hurtigt kan vurdere, hvad AI gør rigtigt eller forkert. Over tid lærer du, hvor hallucinationer er et stort problem, og hvor de ikke er det.
Tilstrækkelig god promptning til tankearbejde
Ud over at få et arbejdsprodukt fra AI kan du også bruge den som en tænkepartner. Selvom AI-råd ikke altid er perfekte, kan de fungere som en "gummand" – et koncept i programmering, hvor man løser problemer ved at forklare dem højt. AI kan også tilbyde nyttig vejledning og strategiske idéer.
Gør det ikke svært
Den mest nyttige ting, du kan gøre for at forstå AI, er at bruge AI. Brug 10 timer på opgaver, der faktisk betyder noget for dig. Derefter vil du have en naturlig fornemmelse for, hvordan AI passer ind i dit arbejde og dit liv. Start et sted og lær undervejs.
Har du brug for mere detaljerede forklaringer?
Kommentarer
Send en kommentar