Χτυπώντας τα βιβλία: Γιατί πρέπει να αντιμετωπίζουμε τα ρομπότ του αύριο σαν εργαλεία

Μην παρασύρεστε από τους απαλούς ήχους κλήσης των αυριανών AI και τα τραγούδια των σειρήνων τους της μοναδικότητας. Ανεξάρτητα από το πόσο στενά μπορεί η τεχνητή νοημοσύνη και τα ανδροειδή να μοιάζουν και να ενεργούν σαν άνθρωποι, στην πραγματικότητα δεν θα το κάνουν ποτέ be άνθρωποι, υποστηρίζουν ο Paul Leonardi, καθηγητής Duca Family Professor of Technology Management στο Πανεπιστήμιο της Καλιφόρνια Santa Barbara και ο Tsedal Neeley, Naylor Fitzhugh, καθηγητής Διοίκησης Επιχειρήσεων στο Harvard Business School, στο νέο τους βιβλίο. Η ψηφιακή νοοτροπία: Τι χρειάζεται πραγματικά για να ευδοκιμήσει κανείς στην εποχή των δεδομένων, των αλγορίθμων και της τεχνητής νοημοσύνης — και επομένως δεν πρέπει να αντιμετωπίζονται σαν άνθρωποι. Το ζευγάρι υποστηρίζει στο παρακάτω απόσπασμα ότι με αυτόν τον τρόπο, αυτό εμποδίζει την αλληλεπίδραση με την προηγμένη τεχνολογία και εμποδίζει την περαιτέρω ανάπτυξή της.

Επανέκδοση με άδεια του Harvard Business Review Press. Απόσπασμα από Η ΨΗΦΙΑΚΗ νοοτροπία: Τι χρειάζεται πραγματικά για να ευδοκιμήσει κανείς στην εποχή των δεδομένων, των αλγορίθμων και της τεχνητής νοημοσύνης των Paul Leonardi και Tsedal Neeley. Πνευματικά δικαιώματα 2022 Harvard Business School Publishing Corporation. Ολα τα δικαιώματα διατηρούνται.

Αντιμετωπίστε την τεχνητή νοημοσύνη σαν μηχανή, ακόμα κι αν φαίνεται να ενεργεί σαν άνθρωπος

Έχουμε συνηθίσει να αλληλεπιδρούμε με έναν υπολογιστή με οπτικό τρόπο: κουμπιά, αναπτυσσόμενες λίστες, ρυθμιστικά και άλλα χαρακτηριστικά μας επιτρέπουν να δίνουμε εντολές στον υπολογιστή. Ωστόσο, η πρόοδος στην τεχνητή νοημοσύνη μεταφέρει την αλληλεπίδρασή μας με τα ψηφιακά εργαλεία σε αλληλεπιδράσεις πιο φυσικές και ανθρώπινες. Αυτό που ονομάζεται διεπαφή χρήστη συνομιλίας (UI) δίνει στους ανθρώπους τη δυνατότητα να ενεργούν με ψηφιακά εργαλεία μέσω της γραφής ή της ομιλίας, πολύ περισσότερο με τον τρόπο που αλληλεπιδρούμε με άλλα άτομα, όπως η «συζήτηση» του Burt Swanson με την Amy τη βοηθό. Όταν λέτε, "Hey Siri", "Hello Alexa" και "OK Google", αυτό είναι μια διεπαφή χρήστη συνομιλίας. Η ανάπτυξη των εργαλείων που ελέγχονται από UI συνομιλίας είναι εκπληκτική. Κάθε φορά που καλείτε έναν αριθμό 800 και σας ζητείται να γράψετε το όνομά σας, απαντήστε «Ναι» ή πείτε τους τέσσερις τελευταίους αριθμούς του αριθμού κοινωνικής ασφάλισής σας, αλληλεπιδράτε με μια τεχνητή νοημοσύνη που χρησιμοποιεί διεπαφή συνομιλίας. Τα ρομπότ συνομιλίας έχουν γίνει πανταχού παρόντα εν μέρει επειδή έχουν καλή επιχειρηματική λογική και εν μέρει επειδή μας επιτρέπουν να έχουμε πρόσβαση στις υπηρεσίες πιο αποτελεσματικά και πιο βολικά.

Για παράδειγμα, αν έχετε κλείσει ένα ταξίδι με τρένο μέσω της Amtrak, πιθανότατα έχετε αλληλεπιδράσει με ένα chatbot AI. Το όνομά του είναι Julie και απαντά σε περισσότερες από 5 εκατομμύρια ερωτήσεις ετησίως από περισσότερους από 30 εκατομμύρια επιβάτες. Μπορείτε να κάνετε κράτηση για σιδηροδρομικά ταξίδια με την Τζούλι απλώς λέγοντας πού θα πάτε και πότε. Η Julie μπορεί να συμπληρώσει εκ των προτέρων φόρμες στο εργαλείο προγραμματισμού της Amtrak και να παρέχει καθοδήγηση για την υπόλοιπη διαδικασία κράτησης. Η Amtrak έχει 800 τοις εκατό απόδοση της επένδυσής της στην Julie. Η Amtrak εξοικονομεί περισσότερα από 1 εκατομμύριο δολάρια σε έξοδα εξυπηρέτησης πελατών κάθε χρόνο χρησιμοποιώντας την Julie για να θέτει ερωτήσεις χαμηλού επιπέδου, προβλέψιμες. Οι κρατήσεις έχουν αυξηθεί κατά 25 τοις εκατό και οι κρατήσεις που γίνονται μέσω της Julie αποφέρουν 30 τοις εκατό περισσότερα έσοδα από τις κρατήσεις που γίνονται μέσω του ιστότοπου, επειδή η Julie είναι καλή στο να αυξάνει τις πωλήσεις των πελατών!

Ένας λόγος για την επιτυχία της Julie είναι ότι η Amtrak καθιστά σαφές στους χρήστες ότι η Julie είναι πράκτορας τεχνητής νοημοσύνης και σας λένε γιατί αποφάσισαν να χρησιμοποιήσουν την τεχνητή νοημοσύνη αντί να σας συνδέσουν απευθείας με έναν άνθρωπο. Αυτό σημαίνει ότι οι άνθρωποι προσανατολίζονται σε αυτό ως μηχανή, όχι κατά λάθος ως άνθρωπο. Δεν περιμένουν πολλά από αυτό, και τείνουν να κάνουν ερωτήσεις με τρόπους που αποσπούν χρήσιμες απαντήσεις. Η απόφαση της Amtrak μπορεί να ακούγεται αντιφατική, καθώς πολλές εταιρείες προσπαθούν να περάσουν τα chatbot τους ως πραγματικούς ανθρώπους και φαίνεται ότι η αλληλεπίδραση με ένα μηχάνημα σαν να ήταν άνθρωπος θα έπρεπε να είναι ακριβώς ο τρόπος για να έχετε τα καλύτερα αποτελέσματα. Μια ψηφιακή νοοτροπία απαιτεί α shift στο πώς σκεφτόμαστε τη σχέση μας με τις μηχανές. Ακόμη και όταν γίνονται πιο ανθρωπιστικοί, πρέπει να τους σκεφτόμαστε ως μηχανές—που απαιτούν σαφείς οδηγίες και εστιάζονται σε στενές εργασίες.

Η x.ai, η εταιρεία που έφτιαξε τον προγραμματιστή συναντήσεων Amy, σας δίνει τη δυνατότητα να προγραμματίσετε μια συνάντηση στη δουλειά ή να προσκαλέσετε έναν φίλο στον αγώνα μπάσκετ των παιδιών σας στέλνοντας απλώς email στην Amy (ή στον ομόλογό της, Andrew) με το αίτημά σας σαν να ήταν ζωντανός προσωπικός βοηθός. Ωστόσο, ο Dennis Mortensen, Διευθύνων Σύμβουλος της εταιρείας, παρατηρεί ότι πάνω από το 90 τοις εκατό των ερωτήσεων που λαμβάνει το γραφείο βοήθειας της εταιρείας σχετίζονται με το γεγονός ότι οι άνθρωποι προσπαθούν να χρησιμοποιήσουν φυσική γλώσσα με τα bots και αγωνίζονται να έχουν καλά αποτελέσματα.

Ίσως αυτός ήταν ο λόγος που ο προγραμματισμός μιας απλής συνάντησης με μια νέα γνωριμία έγινε τόσο ενοχλητικός για τον καθηγητή Swanson, ο οποίος συνέχιζε να προσπαθεί να χρησιμοποιεί καθομιλουμένους και συμβάσεις από ανεπίσημες συνομιλίες. Εκτός από τον τρόπο που μιλούσε, έκανε πολλές απολύτως έγκυρες υποθέσεις για την αλληλεπίδρασή του με την Έιμι. Υπέθεσε ότι η Έιμι μπορούσε να κατανοήσει τους περιορισμούς του στον προγραμματισμό του και ότι «αυτή» θα μπορούσε να διακρίνει ποιες ήταν οι προτιμήσεις του από το πλαίσιο της συνομιλίας. Ο Swanson ήταν άτυπος και περιστασιακός—το bot δεν το καταλαβαίνει. Δεν καταλαβαίνει ότι όταν ζητάτε χρόνο από ένα άλλο άτομο, ειδικά αν σας κάνουν τη χάρη, δεν είναι αποτελεσματικό να αλλάζετε συχνά ή ξαφνικά τα logistics της συνάντησης. Αποδεικνύεται ότι είναι πιο δύσκολο από όσο πιστεύουμε να αλληλεπιδράσουμε χαλαρά με ένα έξυπνο ρομπότ.

Οι ερευνητές έχουν επικυρώσει την ιδέα ότι η αντιμετώπιση των μηχανών σαν μηχανές λειτουργεί καλύτερα από το να προσπαθείς να είσαι άνθρωπος μαζί τους. Ο καθηγητής του Στάνφορντ, Κλίφορντ Νας και ο καθηγητής της Σχολής Επιχειρήσεων του Χάρβαρντ, Γιάνγκμε Μουν, διεξήγαγαν μια σειρά μελετών στις οποίες οι άνθρωποι αλληλεπιδρούσαν με ανθρωπόμορφες διεπαφές υπολογιστών. (Ο ανθρωπομορφισμός ή η απόδοση ανθρώπινων χαρακτηριστικών σε άψυχα αντικείμενα είναι ένα σημαντικό ζήτημα στην έρευνα της τεχνητής νοημοσύνης.) Διαπίστωσαν ότι τα άτομα τείνουν να χρησιμοποιούν υπερβολικά ανθρώπινες κοινωνικές κατηγορίες, εφαρμόζοντας στερεότυπα φύλου σε υπολογιστές και ταυτίζονται εθνοτικά με πράκτορες υπολογιστών. Τα ευρήματά τους έδειξαν επίσης ότι οι άνθρωποι εμφανίζουν υπερβολικά μαθημένες κοινωνικές συμπεριφορές όπως ευγένεια και αμοιβαιότητα απέναντι στους υπολογιστές. Είναι σημαντικό ότι οι άνθρωποι τείνουν να εμπλέκονται σε αυτές τις συμπεριφορές - αντιμετωπίζοντας τα ρομπότ και άλλους ευφυείς πράκτορες σαν να ήταν άνθρωποι - ακόμα και όταν ξέρουν ότι αλληλεπιδρούν με υπολογιστές και όχι με ανθρώπους. Φαίνεται ότι η συλλογική μας παρόρμηση να σχετιζόμαστε με ανθρώπους συχνά εισχωρεί στην αλληλεπίδρασή μας με τις μηχανές.

Αυτό το πρόβλημα της παρεξήγησης των υπολογιστών για τους ανθρώπους επιδεινώνεται κατά την αλληλεπίδραση με τεχνητούς πράκτορες μέσω UI συνομιλίας. Πάρτε για παράδειγμα μια μελέτη που πραγματοποιήσαμε με δύο εταιρείες που χρησιμοποίησαν βοηθούς τεχνητής νοημοσύνης που έδωσαν απαντήσεις σε συνήθη επιχειρηματικά ερωτήματα. Ο ένας χρησιμοποίησε μια ανθρωπομορφοποιημένη τεχνητή νοημοσύνη που έμοιαζε με τον άνθρωπο. Το άλλο δεν ήταν.

Οι εργαζόμενοι στην εταιρεία που χρησιμοποιούσαν τον ανθρωπόμορφο παράγοντα συνήθως εξοργίζονταν με τον πράκτορα όταν ο πράκτορας δεν έδωσε χρήσιμες απαντήσεις. Συχνά έλεγαν πράγματα όπως, "Είναι χάλια!" ή «Θα περίμενα να τα πάει καλύτερα» όταν αναφερόμαστε στα αποτελέσματα που δίνει το μηχάνημα. Το πιο σημαντικό, οι στρατηγικές τους για τη βελτίωση των σχέσεων με το μηχάνημα αντικατόπτριζαν τις στρατηγικές που θα χρησιμοποιούσαν με άλλα άτομα στο γραφείο. Θα έκαναν την ερώτησή τους πιο ευγενικά, θα επαναδιατύπωναν με διαφορετικές λέξεις ή θα προσπαθούσαν να χρονομετρήσουν στρατηγικά τις ερωτήσεις τους όταν πίστευαν ότι ο πράκτορας θα ήταν, με τους όρους ενός ατόμου, «όχι τόσο απασχολημένος». Καμία από αυτές τις στρατηγικές δεν ήταν ιδιαίτερα επιτυχημένη.

Αντίθετα, οι εργαζόμενοι στην άλλη εταιρεία ανέφεραν πολύ μεγαλύτερη ικανοποίηση από την εμπειρία τους. Πληκτρολογούσαν όρους αναζήτησης σαν να επρόκειτο για υπολογιστή και έγραφαν τα πράγματα με μεγάλη λεπτομέρεια για να βεβαιωθούν ότι μια τεχνητή νοημοσύνη, που δεν μπορούσε να «διαβάσει μεταξύ των γραμμών» και να βρει λεπτομέρειες, θα προσέξει τις προτιμήσεις τους. Η δεύτερη ομάδα παρατήρησε τακτικά πόσο έκπληκτοι ήταν όταν τα ερωτήματά τους επιστράφηκαν με χρήσιμες ή ακόμα και εκπληκτικές πληροφορίες και ανέφεραν τυχόν προβλήματα που προέκυπταν σε τυπικά σφάλματα με έναν υπολογιστή.

Για το άμεσο μέλλον, τα δεδομένα είναι ξεκάθαρα: η αντιμετώπιση των τεχνολογιών - ανεξάρτητα από το πόσο ανθρώπινες ή έξυπνες φαίνονται - είναι το κλειδί της επιτυχίας κατά την αλληλεπίδραση με μηχανές. Ένα μεγάλο μέρος του προβλήματος είναι ότι θέτουν τις προσδοκίες στους χρήστες ότι θα ανταποκριθούν με ανθρώπινους τρόπους και μας κάνουν να υποθέσουμε ότι μπορούν να συμπεράνουν τις προθέσεις μας, ενώ δεν μπορούν να κάνουν τίποτα από τα δύο. Η επιτυχής αλληλεπίδραση με ένα συνομιλητικό περιβάλλον εργασίας απαιτεί μια ψηφιακή νοοτροπία που να κατανοεί ότι είμαστε ακόμη αρκετά μακριά από την αποτελεσματική ανθρώπινη αλληλεπίδραση με την τεχνολογία. Αναγνωρίζοντας ότι ένας πράκτορας τεχνητής νοημοσύνης δεν μπορεί να συμπεράνει με ακρίβεια τις προθέσεις σας σημαίνει ότι είναι σημαντικό να εξηγήσετε κάθε βήμα της διαδικασίας και να είστε σαφείς σχετικά με το τι θέλετε να επιτύχετε.