OpenAI, günlük hayat görevlerini ölçen LifeVal testini duyurdu

OpenAI, yapay zekânın insanların günlük işlerini tamamlamasına ne ölçüde yardımcı olduğunu ölçen LifeVal adlı yeni bir değerlendirme testini duyurdu. Şirketin açıklamasına göre test, çocuk bakımı bulmaktan kişisel finansı yönetmeye ve devlet evrakı işlerine kadar günlük hayattaki görevleri kapsıyor.

Duyuru, OpenAI'nin kısa bir tanıtım metniyle yaptığı açıklamayla sınırlı kaldı. Şirket, testin nasıl puanlandığına, hangi modellerin değerlendirileceğine ya da sonuçların ne zaman paylaşılacağına dair ek bilgi vermedi.

LifeVal nedir?

LifeVal, bir yapay zekâ modelinin gerçek hayattaki tipik görevlerde ne kadar işe yaradığını ölçmeyi amaçlayan bir kıyaslama, yani benchmark. OpenAI'nin açıklamasında testin odağı, soyut beceri testlerinden çok insanların gündelik hayatta karşılaştığı somut işler olarak tanımlandı.

Şirketin verdiği örnekler arasında çocuk bakımı bulmak, finans yönetmek ve devlet evraklarıyla ilgili işleri halletmek yer alıyor. Bu görevler, yapay zekâ araçlarının giderek daha fazla kişisel ve idari işlerde kullanılmasıyla birlikte model performansını değerlendirmek için farklı bir yaklaşımı işaret ediyor.

Hangi görevler ölçülüyor?

OpenAI'nin açıklamasına göre LifeVal, üç ana alanı kapsıyor: çocuk bakımı arayışı, kişisel finans yönetimi ve devlet evrakı süreçleri. Şirket, bu görevlerin nasıl test edildiğine ya da değerlendirme ölçütlerine dair ayrıntı paylaşmadı.

Neden önemli?

Yapay zekâ modelleri çoğunlukla sınav tarzı sorular, kod yazma ya da akademik beceriler üzerinden değerlendiriliyor. LifeVal, bu tür testlerin ölçmediği gündelik hayat görevlerine odaklanarak modelin gerçek kullanıcılar için ne kadar işe yaradığını görünür kılmayı hedefliyor.

Türkiye'deki kullanıcılar açısından testin Türkçe görevleri kapsayıp kapsamadığı ya da ne zaman kullanıma açılacağı henüz açıklanmadı. OpenAI'nin ilerleyen dönemde testin ayrıntılarını ve sonuçlarını paylaşması bekleniyor.