Η Natalie Gilbert, 30 ετών, επιστήμονας δεδομένων στην AT&T, μοιράζεται την πορεία της στον χώρο της τεχνητής νοημοσύνης, μία πορεία άρρηκτα συνδεδεμένη με το έργο του πατέρα της, Mazin Gilbert, ερευνητή στην ίδια εταιρεία. Μεγαλώνοντας, η Natalie δεν είχε πλήρη αντίληψη του τι σήμαινε η AT&T, πέρα από την ενασχόληση του πατέρα της με την αναγνώριση ομιλίας. Ο Mazin Gilbert συνεργάστηκε με πρωτοπόρους όπως ο Yann LeCun, ο οποίος ανέπτυξε την ικανότητα αναγνώρισης χειρόγραφου κειμένου, και ο Dennis Ritchie, δημιουργός της γλώσσας προγραμματισμού C.
Η έρευνα του πατέρα της στην αναγνώριση και σύνθεση ομιλίας αποτέλεσε θεμέλιο για τη σημερινή εργασία της Natalie στην παραγωγική τεχνητή νοημοσύνη (generative AI). Όλες οι εξελίξεις που έχει επιτύχει βασίζονται στις αρχές που δούλευε ο πατέρας της, όπως τα συνελικτικά νευρωνικά δίκτυα (convolutional neural networks), τα οποία επιτρέπουν στους υπολογιστές να επεξεργάζονται εισόδους όπως εικόνες και ήχο. Είναι εντυπωσιακό να βλέπει κανείς πώς αυτό το θεμέλιο έχει εξελιχθεί.
Οι πρώτες ανακαλύψεις της ομάδας του πατέρα της έχουν επιτρέψει την ανάπτυξη συνεργατικών AI agents, καθιστώντας τους πιο αυτόνομους. Η Natalie θυμάται πως περνούσε σχεδόν καθημερινά στο γραφείο του πατέρα της μετά το σχολείο, παρατηρώντας τις έντονες συζητήσεις του με τους συναδέλφους του και τα διαγράμματα που σχεδίαζαν στον πίνακα. Αυτή η ατμόσφαιρα την ενέπνευσε να δημιουργεί δικά της, αρχικά ακατανόητα, διαγράμματα δέντρων αποφάσεων, τα οποία, όμως, της δίδαξαν τη δημιουργικότητα και την αναλυτική σκέψη.
Μαζί με τον πατέρα της, ανέπτυξαν ένα πειραματικό πρόγραμμα ονόματι “Dr Bot”, μια πρώιμη μορφή μεγάλου γλωσσικού μοντέλου (large language model) που μπορούσε να αξιολογεί συμπτώματα και να προτείνει πού να αναζητήσει κανείς ιατρική βοήθεια.
Η εργασία της Natalie με τους AI agents ουσιαστικά βασίζεται σε αλγόριθμους αποφάσεων που καθοδηγούν τη μετάβαση από το σημείο Α στο σημείο Β, μια μέθοδο που έμαθε νωρίς από τον πατέρα της. Η ανθρώπινη αλληλεπίδραση διαδραματίζει ολοένα και πιο σημαντικό ρόλο στην ανάπτυξη τεχνολογιών AI. Στο Chief Data Office της AT&T, η ομάδα της εργάζεται σε ένα έργο που μεταμορφώνει τον τρόπο χρήσης της τεχνολογίας HR εντός της εταιρείας. Ο στόχος είναι να εξαλειφθεί η ανάγκη αναζήτησης του κατάλληλου τμήματος για την επίλυση προβλημάτων HR, με έναν AI agent να εντοπίζει την ισχύουσα πολιτική ή διαδικασία για κάθε περίσταση, ένα σημαντικό επίτευγμα σε έναν οργανισμό τόσο μεγάλο και πολύπλοκο όσο η AT&T.
Στην προσωπική της εργασία, η Natalie χρησιμοποιεί έναν “copilot” κωδικοποίησης, έναν ψηφιακό βοηθό που αυξάνει την παραγωγικότητά της. Ωστόσο, τονίζει ότι οι άνθρωποι που αναπτύσσουν εργαλεία AI πρέπει να κατανοούν τις υποκείμενες τεχνολογίες των LLMs και των μοντέλων μηχανικής μάθησης.
Τα νέα εργαλεία AI, αν και εξαιρετικά ισχυρά, δεν είναι παντοδύναμα. Καθώς οι “copilots” γίνονται δημοφιλείς, οι χρήστες μπορεί να αντιμετωπίσουν προβλήματα αν δεν κατανοούν τον τρόπο λειτουργίας τους. Για παράδειγμα, η έλλειψη κατανόησης του τρόπου διαχείρισης ακραίων περιπτώσεων από τον κώδικα μπορεί να καταστήσει τα εργαλεία AI αναποτελεσματικά. Παράλληλα, η συνεχής ανάγκη εκμάθησης νέων δεξιοτήτων κάθε δύο μήνες είναι μια πρόκληση.
Η Natalie παρατηρεί ότι τα μεγάλα γλωσσικά μοντέλα εστιάζουν πλέον περισσότερο στη φυσική γλώσσα παρά στον κώδικα. Αυτό σημαίνει ότι αφιερώνει τον περισσότερο χρόνο της στη “μηχανική υποβολής ερωτημάτων” (prompt engineering), μια διαδικασία που δεν απαιτεί προγραμματισμό, αλλά τη χρήση φυσικής γλώσσας για να κατανοήσουν οι μηχανές τις εντολές μας. Η ειρωνεία είναι ότι αυτή η προσέγγιση θυμίζει σε μεγάλο βαθμό αυτό που έκανε ο πατέρας της πριν από 30 χρόνια.
Η τεχνητή νοημοσύνη έχει μεταμορφωθεί ριζικά κατά τη διάρκεια της ζωής της, και η Natalie αισθάνεται ότι τιμά τον πατέρα της και την κληρονομιά του, συνεχίζοντας το έργο που εκείνος ξεκίνησε, μια αίσθηση που την κάνει να νιώθει ότι βρίσκεται σε ένα σουρεαλιστικό ταξίδι.
