Как OpenAI превърна инструментите си за програмиране в dots — постоянно включен личен асистент

Винаги активният личен асистент с изкуствен интелект, който продължава да работи на заден план, дори когато не го молите за това, е тазгодишният отговор на въпроса как хората действително ще използват моделите за дълбоко обучение. Стартъпът Instinct се превърна в сензация за една нощ, а Meta вложи цялата мощ на маркетинга си зад своя асистент Muse.

OpenAI нямаше намерение да остане извън тази тенденция. Компанията представи dots, своето предложение за асистент, на своя ден за разработчици в края на септември. Александър Ембирикос, който ръководи екипа за корпоративни продукти на OpenAI, се присъедини към нас на TechCrunch Disrupt този месец, за да обясни откъде се е появил продуктът — започвайки с въпроса защо толкова много компании изглежда се обръщат към симпатични талисмани като аватари на своите машини за умножение на матрици с трилиони параметри.

„Случва се нещо като конвергентна еволюция“, каза Ембирикос за усилията за създаване на AI асистенти. „Докато работехме по продукта, осъзнахме, че ако можем да го представим така — че това е същност и един-единствен разговор, а не множество различни разговори… тогава той започва да става интуитивен.“

Асистентът е достъпен в настолните и мобилните приложения на ChatGPT за абонати на ниво Pro или по-високо, като плановете започват от 100 долара месечно. След като бъде свързан с календара, имейла, компютъра и други инструменти, агентът се опитва да ви помогне да свършите работата си.

Ембирикос посочва, че голяма част от функционалността на dots може да бъде постигната с приложението Codex на Open AI — нейния инструмент за програмиране, пуснат в началото на тази година. Но това изисква повече работа и насочване. Той си спомня как се е зарадвал, когато съпругата му започнала да оставя компютъра си включен цяла нощ, за да могат нейните агенти да продължат да работят.

„В екипа по продукта мисля за това как да направим всичко интуитивно и полезно за хората“, каза той на присъстващите на Disrupt. „Голяма част от това не е да вградим някаква нова технология в продукта; става дума за начина, по който го представяте на потребителя, и за усещането, което създава.“

Пътят от чатбот през инструмент за програмиране до личен асистент

Превръщането на технологията в нещо интуитивно означаваше преопаковане на функционалността на моделите на компанията в нещо по-достъпно — път, по който тя вече беше поела, когато отдели ChatGPT Work от агентските инструменти за програмиране, които беше изградила за софтуерни инженери. Дори името — игра на думи с негативното пространство в логото на OpenAI — има за цел „да създава усещането за нещо, което в крайна сметка би могло да бъде повсеместно“. (Попитан кога е научил, че конкурентният AI предприемач Илон Мъск притежава URL адреса dot.com, Ембирикос каза: „Разбрах много късно.“)

Идеята на постоянния агент е, че той не се нуждае от подканване. За OpenAI това означава повече използвани токени, а за потребителите — по-проактивен асистент, „който по някакъв начин мисли за вас и мисли как да ви помогне“, както го описа Ембирикос.

При нашите тестове способността на асистента да мисли предварително е очевидна и често полезна, но все още не е напълно развита. Той ще отбележи конфликти в календара и наближаващи крайни срокове, но не непременно по най-подходящото време.

„Първия път, когато ми каза за един от тези [конфликти] — това беше съвсем в началото на разработката — той ми каза три минути преди събитието“, разказва Ембирикос за своя dot. „Беше нещо от рода на: „Хей, това предстои. Може би трябва да направиш нещо по въпроса.“ Имам само три минути!“

Ембирикос очаква времето за реакция да се подобри с течение на времето, но проактивният подход е ключов за продукта. „Чух за инженер в стартъп за доставка с дронове, който казал: „Имахме този срив, а когато разбрах, че сривът се случва, моят dot вече беше забелязал срива, беше го анализирал и беше дошъл при мен с полезна информация за това как можем да го отстраним.““

Да дадем ключовете на dot

Както при повечето случаи на използване на AI агенти, съществува напрежение между личната информация, от която се нуждае AI моделът, за да бъде полезен, и това колко лични данни точно излагате пред една софтуерна компания. Muse беше критикуван заради профилите, които създава на вашето семейство и приятелите ви — информация, която софтуерът използва, за да разбере например какъв ресторант бихте искали да посетите с конкретен приятел, но която също така би могла да добави огромна стойност към рекламния бизнес на Meta. Събира ли dots подобни данни?

„Да, в dots сме създали нещо, което наричаме проактивно проучване“, каза Ембирикос. „На определен интервал той ще обмисля какво знае за вас, какъв разговор е водил, а след това и до какво сте му дали достъп, за да може да го осмисли, и ще проучи: „Какво бих могъл да направя, за да бъда по-полезен за вас?“ След това по същество ще ви го предложи.“

Трудно е да се отделят нуждите на агента от данни от тези на компанията майка. Hark, стартъп, който разработва собствен личен AI асистент, изрично посочва, че не събира данни, за да захранва рекламен бизнес по начина, по който го правят OpenAI и Meta.

Що се отнася до dots, OpenAI казва, че агентът има същите настройки за поверителност като самия ChatGPT: Потребителите могат да изключат обучението на модела (като попречат на OpenAI да използва разговорите им за подобряване на своя AI) и да контролират до какви ресурси в компютъра им има достъп и по какъв начин. Въпреки това тези настройки не са достатъчно детайлни, а приложението може да бъде настойчиво. Например то отказва да приеме достъп само за четене до облачни устройства.

„Това, което според мен трябва да направим, е да изградим изключително, изключително, изключително детайлни настройки“, каза Ембирикос, но посочи интелигентността и дискретността на модела като другата страна на този въпрос.

„Това всъщност е нещо, за което получихме известни критики, когато стартирахме“, каза Ембирикос. „Имахме наистина консервативни настройки по подразбиране за това какво би направил агентът и той често искаше разрешение. Спомням си, че знаехме, че ще получим такава обратна връзка, но си мислех: „Всичко е наред, с времето можем да го настроим.““

Могат ли личните AI агенти да се мащабират?

Другият голям въпрос за AI агентите е дали могат да се мащабират. Те са забавни, когато ги използват само няколко души, а историите за агенти, които успяват да намерят трудно достъпни резервации, са многобройни. Но бизнесите не е задължително да харесват работата с агенти и може да не са подготвени за нея. Хората със сигурност не обичат да работят с тях (забележка: престанете да ми представяте вашите AI агенти), а Ембирикос е сред тези хора. Той също има човешки асистент, защото корпоративните партньори на OpenAI искат да общуват с човек, каза той, добавяйки: „Аз лично никога не възнамерявам да провеждам среща с чужд агент.“

Ако AI индустрията е права, че агентите са нашето бъдеще, можем ли да стигнем дотам, без да претоварим инфраструктурата, върху която в момента функционира светът ни — от бизнесите и уебсайтовете до платежните мрежи?

„В OpenAI… не винаги се движим възможно най-бързо по отношение на пускането на следващата възможност агентът да работи със света“, каза той. „Когато го правим, работим в много тясно сътрудничество с останалата част от екосистемата. Вероятно не мога да кажа много по този въпрос, но водим задълбочени разговори с множество платежни оператори.“

Предоставянето на възможност на AI асистент да харчи пари чрез партньорства с платежни компании би било потенциално доходоносна първа стъпка за OpenAI, но и сериозно искане към потребителите. Предоставянето на достъп на асистент до входящата ми поща вече ми се струва голяма крачка, но банковата ми сметка е забранена зона. Засега.