Trumpas atsakymas: nėra vieno priimtino dirbtinio intelekto procento. Tinkamas lygis priklauso nuo statymų, to, ką dirbtinis intelektas formavo, ir nuo to, ar žmogus išlieka atsakingas. Dirbtinio intelekto dalyvavimas gali būti reikšmingas atliekant vidinius, mažos rizikos darbus, kai tikrinami faktai, tačiau jis turėtų likti ribotas, kai klaidos gali klaidinti, pakenkti arba imituoti ekspertizę.
Pagrindiniai punktai:
Atskaitomybė : kiekvienam publikuojamam galutiniam rezultatui priskirkite įvardintą asmenį.
Rizikos lygis : Naudokite daugiau dirbtinio intelekto mažai rizikingoms vidinėms užduotims ir mažiau – jautriems viešiesiems darbams.
Patvirtinimas : prieš publikuodami dirbtinio intelekto pagalba sukurtą turinį, peržiūrėkite kiekvieną teiginį, skaičių, citatą ir citatą.
Skaidrumas : atskleiskite dirbtinio intelekto dalyvavimą, kai paslėpta automatizacija gali suklaidinti auditoriją.
Balso valdymas : leiskite dirbtiniam intelektui palaikyti struktūrą ir redagavimą, o žmogaus sprendimui ir stiliui vadovautis visomis išgalėmis.
🔖 Jums taip pat gali patikti:
🔗 Kas yra dirbtinio intelekto etika?
Paaiškinami atsakingo dirbtinio intelekto principai, sąžiningumas, skaidrumas ir atskaitomybės pagrindai.
🔗 Kas yra dirbtinio intelekto šališkumas?
Aptariami šališkumo tipai, priežastys, poveikis ir mažinimo būdai.
🔗 Kas yra dirbtinio intelekto mastelio keitimas?
Aptaria dirbtinio intelekto sistemų mastelio keitimą, našumą, kainą ir infrastruktūros poreikius.
🔗 Kas yra nuspėjamasis dirbtinis intelektas?
Apibrėžia nuspėjamąjį dirbtinį intelektą, pagrindinius naudojimo atvejus, modelius ir privalumus.
Kodėl dabar apskritai kyla klausimas „Koks dirbtinio intelekto procentas yra priimtinas?“ 🤔
Dar visai neseniai „DI pagalba“ reiškė automatinį taisymą ir rašybos tikrintuvą. Dabar ji gali generuoti idėjas, planuoti, rašyti, perrašyti, apibendrinti, versti, generuoti vaizdus, tvarkyti skaičiuokles, koduoti ir mandagiai ištaisyti jūsų prastus frazavimus. Taigi klausimas ne tas, ar DI dalyvauja – jis jau dalyvauja.
Klausimas skamba labiau taip:
-
Kur atsakomybė. (Jūs, jūsų komanda, jūsų redaktorius, įrankis...) OECD dirbtinio intelekto principai
-
Kas kuriama. (Eilėraštis, medicininė pažyma, teisinė politika, mokyklinis rašinys...) PSO gairės dėl generatyvinio dirbtinio intelekto sveikatos srityje.
-
Kas tai skaito ir kodėl? (Klientai, studentai, rinkėjai, pacientai, jūsų viršininkas.)
-
Kas gali nutikti ne taip? (Klaidinga informacija, plagijavimo įspūdžiai, atitikties problemos, žala prekės ženklui.) „OpenAI“: kodėl kalbos modeliai haliucinaciniai JAV autorių teisių biuro dirbtinio intelekto gairės
Ir, šiek tiek iškreiptai, „procentas“ gali būti mažiau svarbus nei tai, prie ko prisilietė dirbtinis intelektas. Dirbtinio intelekto pridėjimas prie „antraštės variantų“ nėra tas pats, kas dirbtinio intelekto pridėjimas prie „finansinių konsultacijų“, net jei abi techniškai sudaro 30 % dirbtinio intelekto ar panašiai. 🙃
Kas daro „priimtino dirbtinio intelekto procento“ versiją gerą? ✅
Jei kuriame „gerą“ šios koncepcijos versiją, ji turi veikti kasdienėje praktikoje, o ne tik atrodyti filosofiškai tvarkinga.
Geras pagrindas, koks dirbtinio intelekto procentas yra priimtinas? išlieka:
-
Kontekstinis suvokimas : skirtingi darbai, skirtingi interesai. NIST AI RMF 1.0
-
Rezultatais pagrįsta : tikslumas, originalumas ir praktinė vertė yra svarbesni nei grynumo testai.
-
Audituojamas : galite paaiškinti, kas nutiko, jei kas nors paklaus. OECD dirbtinio intelekto principai
-
Žmonių valdomas : už galutinį rezultatą atsakingas tikras žmogus (taip, net jei tai erzina). OECD dirbtinio intelekto principai
-
Pagarba auditorijai : žmonės nekenčia jaustis apgauti – net kai turinys yra „geras“. UNESCO rekomendacija dėl dirbtinio intelekto etikos.
Taip pat nereikėtų atlikti protinių gimnastikos užduočių, tokių kaip „Ar tas sakinys buvo 40 % dirbtinio intelekto, ar 60 %?“, nes toks kelias baigiasi beprotybe... kaip bandymas išmatuoti, kiek lazanijos yra „sūrio skonio“. 🧀
Paprastas būdas apibrėžti „DI procentą“ neišeinant iš proto 📏
Prieš pradedant lyginti, pateikiame protingą modelį. Pagalvokite apie dirbtinio intelekto naudojimą sluoksniais:
-
Idėjų sluoksnis (minčių lietus, užduotys, metmenys)
-
Juodraščio sluoksnis (pirmojo etapo rašymas, struktūra, išplėtimai)
-
Redagavimo sluoksnis (aiškumo redagavimas, tonų išlyginimas, gramatika)
-
Faktų sluoksnis (teiginiai, statistika, citatos, specifiškumas)
-
Balso sluoksnis (stilius, humoras, prekės ženklo asmenybė, gyvenimiška patirtis)
Jei DI stipriai paliečia faktų sluoksnį, priimtinas procentas paprastai greitai sumažėja. Jei DI daugiausia yra idėjų + redagavimo sluoksniuose, žmonės linkę būti labiau atsipalaidavę. Atvirasis DI: kodėl kalbos modeliai haliucina. NIST GenAI profilis (DI RMF).
Taigi, kai kas nors klausia, koks DI procentas yra priimtinas?, aš atsakymą išverčiu taip:
Kurie sluoksniai yra paremti DI ir kokia rizika tiems sluoksniams yra šiame kontekste? 🧠
Palyginimo lentelė – dažniausiai naudojami dirbtinio intelekto „receptai“ ir jų tinkamumas 🍳
Štai praktiška atmintinė. Įtrauktos nedidelės formatavimo ypatybės, nes tikros lentelės niekada nebūna tobulos, ar ne?.
| įrankis / metodas | auditorija | kaina | kodėl tai veikia |
|---|---|---|---|
| Tik dirbtinio intelekto idėjų generavimas | rašytojai, rinkodaros specialistai, įkūrėjai | iš nemokamos į mokamą | Originalumas išlieka žmogiškas, dirbtinis intelektas tik įžiebia idėjas – kaip triukšmingas bendradarbis su espreso puodeliu |
| Dirbtinio intelekto planas + žmogaus sukurtas juodraštis | tinklaraštininkai, komandos, studentai (etiškai) | žemas iki vidutinis | Struktūra tampa greitesnė, balsas lieka jūsų. Gana saugu, jei faktai patikrinti |
| Žmogaus juodraštis + DI redagavimo leidimas | dauguma specialistų | žemas | Puikiai tinka aiškumui ir tonui. Rizika išlieka maža, jei neleisite jam „išgalvoti“ detalių. „OpenAI“: ar „ChatGPT“ sako tiesą? |
| Dirbtinio intelekto pirmasis juodraštis + didelis žmogaus perrašymas | užimtos komandos, turinio valdymo operacijos | vidurys | Greita, bet reikalauja disciplinos. Kitaip gausite blankią košę... atsiprašau 😬 |
| Dirbtinio intelekto vertimas + žmogaus peržiūra | pasaulinės komandos, palaikymas | vidurys | Geras greitis, bet vietiniai niuansai gali šiek tiek skirtis – kaip batai, kurie beveik tinka |
| Dirbtinio intelekto santraukos vidinėms pastaboms | susitikimai, tyrimai, vadovų atnaujinimai | žemas | Efektyvumas laimi. Vis dėlto: patvirtinkite pagrindinius sprendimus, nes santraukos gali būti „kūrybiškos“. „OpenAI“: kodėl kalbos modeliai haliucina. |
| Dirbtinio intelekto generuojami „ekspertų“ patarimai | viešosios auditorijos | skiriasi | Didelė rizika. Skamba užtikrintai net ir tada, kai klysta, o tai niūrus derinys. PSO: Dirbtinio intelekto sveikatos srityje etika ir valdymas. |
| Visiškai dirbtinio intelekto generuojamas viešas turinys | šlamšto svetainės, mažos rizikos užpildai | žemas | Žinoma, tai galima pritaikyti įvairiems poreikiams, tačiau ilgalaikėje perspektyvoje pasitikėjimas ir diferenciacija dažnai nukenčia dėl UNESCO rekomendacijos dėl dirbtinio intelekto etikos. |
Pastebėsite, kad nelaikau „visiškai dirbtinio intelekto“ iš esmės blogiu. Jis tiesiog... dažnai trapus, tipiškas ir rizikingas reputacija, kai susiduria su žmonėmis. 👀
Priimtini dirbtinio intelekto procentai pagal scenarijų – realistiški diapazonai 🎛️
Gerai, pakalbėkime apie skaičius – ne kaip apie įstatymus, o kaip apie apsauginius turėklus. Tai yra „man reikia išgyventi kasdien“ intervalai.
1) Rinkodaros turinys ir tinklaraščiai ✍️
-
Dažnai priimtina: 20–60 % dirbtinio intelekto palaikymas
-
Rizika padidėja, kai: teiginiai tampa konkretūs, palyginimai – agresyvūs, pateikiami atsiliepimai arba pateikiama kaip „asmeninė patirtis“; FTC komentaras, nuorodos į dirbtinį intelektą; rinkodaros teiginių apie riziką; JAV autorių teisių biuro dirbtinio intelekto gairės.
Dirbtinis intelektas gali padėti jums judėti greičiau, tačiau auditorija gali užuosti bendrinį turinį taip, kaip šunys užuodžia baimę. Mano gremėzdiška metafora: dirbtinio intelekto gausus rinkodaros tekstas yra kaip odekolonas, purškiamas ant neskalbtų skalbinių – jis bando, bet kažkas negerai. 😭
2) Akademiniai darbai ir studentų pateikti darbai 🎓
-
Dažnai priimtina: nuo 0 % iki 30 % (priklausomai nuo taisyklių ir užduoties)
-
Saugesnis naudojimas: minčių lietus, metmenų rašymas, gramatikos tikrinimas, paaiškinimų studijos
-
Rizika padidėja, kai: DI rašo argumentus, analizę arba „originalų mąstymą“ Švietimo departamentas: Generatyvusis DI švietime
Didelė problema yra ne tik teisingumas – tai mokymasis. Jei mąsto dirbtinis intelektas, mokinio smegenys sėdi suole ir valgo apelsino griežinėlius.
3) Rašymas darbo vietoje (el. laiškai, dokumentai, standartinės operacijų procedūros, vidinės pastabos) 🧾
-
Dažnai priimtina: nuo 30 % iki 80 %
-
Kodėl taip aukštai? Vidinis rašymas yra apie aiškumą ir greitį, o ne apie literatūrinį grynumą.
-
Rizika padidėja, kai: politikos formuluotė turi teisinių pasekmių arba svarbus duomenų tikslumas (NIST AI RMF 1.0)
Daugybė įmonių jau tyliai veikia su „aukštu dirbtinio intelekto palaikymu“. Jos tiesiog to taip nevadina. Greičiau tai panašu į „mes dirbame efektyviai“ – kas, tiesa.
4) Klientų aptarnavimas ir atsakymai pokalbių metu 💬
-
Dažnai priimtina: nuo 40 % iki 90 % su apsauginiais turėklais
-
Nederybų objektas: eskalavimo keliai, patvirtinta žinių bazė, griežta kraštutinių atvejų peržiūra
-
Rizika padidėja, kai: DI duoda pažadus, grąžina pinigus arba taiko politikos išimtis. „OpenAI“: ar „ChatGPT“ sako tiesą? NIST „GenAI“ profilis (DI RMF).
Klientams netrukdo greita pagalba. Jiems trukdo netinkama pagalba. Jiems dar labiau trukdo pasitikėjimas savimi ir netinkama pagalba.
5) Žurnalistika, viešoji informacija, sveikata, teisinės temos 🧠⚠️
-
Dažnai priimtina: nuo 0% iki 25% dirbtinio intelekto rašymo pagalbos
-
Priimtiniau: dirbtinis intelektas transkripcijai, apytikslėms santraukoms, organizavimui
-
Rizika padidėja, kai: DI „užpildo spragas“ arba sušvelnina neapibrėžtumą iki klaidingo tikrumo AP: generatyvinio DI standartai PSO gairės dėl generatyvinio DI sveikatos srityje
Čia „procentas“ yra netinkamas prizmė. Jums reikia žmogaus redakcinės kontrolės ir griežto patvirtinimo. Dirbtinis intelektas gali padėti, bet jis neturėtų būti lemiamas. SPJ etikos kodeksas.
Pasitikėjimo faktorius – kodėl atskleidimas keičia priimtiną procentą 🧡
Žmonės vertina turinį ne tik pagal kokybę. Jie vertina jį pagal santykius . O santykiai ateina su jausmais. (Erzina, bet tiesa.)
Jei jūsų auditorija tiki:
-
tu esi skaidrus,
-
esi atsakingas,
-
Tu neapsimetinėji turinti patirties,
...tada dažnai galite naudoti daugiau dirbtinio intelekto be neigiamos reakcijos.
Bet jei jūsų auditorija pajus:
-
paslėpta automatika,
-
netikros „asmeninės istorijos“,
-
dirbtinis autoritetas,
...tada net ir nedidelis dirbtinio intelekto indėlis gali sukelti reakciją „ne, aš pasitrauksiu“. Skaidrumo dilema: dirbtinio intelekto atskleidimas ir pasitikėjimas (Schilke, 2025). Oksfordo „Reuters“ instituto straipsnis apie dirbtinio intelekto atskleidimą ir pasitikėjimą (2024).
Taigi, kai klausiate, koks DI procentas yra priimtinas?, įtraukite šį paslėptą kintamąjį:
-
Patikimo banko sąskaita didelė? Galite išleisti daugiau dirbtinio intelekto.
-
Mažas pasitikėjimo banko sąskaita? Dirbtinis intelektas tampa didinamuoju stiklu, stebinčiu viską, ką darote.
„Balso problema“ – kodėl dirbtinio intelekto procentas gali tyliai suplokštinti jūsų darbą 😵💫
Net ir tikslus dirbtinis intelektas dažnai išlygina ribas. O ribose gyvena asmenybė.
Per didelio dirbtinio intelekto kiekio balso sluoksnyje simptomai:
-
Viskas skamba mandagiai optimistiškai, tarsi bandytų tau parduoti smėlio spalvos sofą
-
Anekdotai... bet tada atsiprašau
-
Stiprios nuomonės susilpnėja iki „priklauso nuo to“
-
Konkreti patirtis tampa „daugelio žmonių žodžiais“
-
Jūsų rašinyje prarandami maži, saviti keistenybės (kurios paprastai yra jūsų pranašumas)
Štai kodėl daugelis „priimtinų dirbtinio intelekto“ strategijų atrodo taip:
-
Dirbtinis intelektas padeda išlaikyti struktūrą ir aiškumą
-
Žmonės suteikia skonį + vertinimą + istoriją + poziciją 😤
Nes skonis yra ta dalis, kurią sunkiausia automatizuoti nepaverčiant avižiniais dribsniais.
Kaip nustatyti dirbtinio intelekto procentinę politiką, kuri nesugriūtų po pirmojo argumento 🧩
Jei tai darote sau ar komandai, nerašykite tokios politikos:
„Ne daugiau kaip 30 % dirbtinio intelekto.“
Žmonės iš karto paklaus: „Kaip tai išmatuoti?“, o tada visi pavargsta ir vėl ima dirbti.
Verčiau nustatykite taisykles pagal sluoksnį ir riziką : NIST AI RMF 1.0, OECD DI principai.
Veiksmingas politikos šablonas (pavogkite tai)
-
Dirbtinis intelektas leido atlikti: idėjų generavimą, struktūrizavimą, aiškumo redagavimą, formatavimą, vertimo juodraščius ✅
-
Dirbtinis intelektas apribotas: originaliai analizei, galutiniams teiginiams, jautrioms temoms, viešai prieinamoms „ekspertų konsultacijoms“ ⚠️ PSO: Dirbtinio intelekto sveikatos srityje etika ir valdymas
-
Visada reikalaujama: žmogaus peržiūra, faktų patikrinimas dėl konkrečių duomenų, atsakomybės patvirtinimas 🧍
-
Niekada neleidžiama: netikri atsiliepimai, išgalvoti įgaliojimai, sugalvotos istorijos „Aš tai išbandžiau“ 😬 FTC komentaras, kuriame minimi apgaulingi teiginiai apie dirbtinį intelektą „Reuters“: FTC imasi griežtų priemonių prieš apgaulingus teiginius apie dirbtinį intelektą (2024-09-25)
Tada, jei reikia skaičiaus, pridėkite diapazonus:
-
Mažos rizikos vidiniai: iki „didelės pagalbos“
-
Viešas turinys: „vidutinė pagalba“
-
Svarbi informacija: „minimali pagalba“
Taip, jis miglotas. Gyvenimas miglotas. Bandant jį pateikti aiškiai, gaunamos beprasmės taisyklės, kurių niekas nesilaiko. 🙃
Praktinis savęs patikros sąrašas „Koks dirbtinio intelekto procentas yra priimtinas?“ 🧠✅
Kai sprendžiate, ar jūsų dirbtinio intelekto naudojimas yra priimtinas, patikrinkite šiuos dalykus:
-
Galite garsiai ginti procesą nesigėdydami.
-
Dirbtinis intelektas nepateikė jokių teiginių, kurių jūs nepatikrinote. „OpenAI“: ar „ChatGPT“ sako tiesą?
-
Išvestis skamba kaip jūs, o ne kaip oro uosto pranešimas.
-
Jei kas nors sužinotų, kad dirbtinis intelektas padeda, jis nesijaustų apgautas. „Reuters“ ir dirbtinis intelektas (skaidrumo principas).
-
Jei tai neteisinga, galite įvardyti, kas nukentėjo ir kiek smarkiai. NIST AI RMF 1.0
-
Jūs sukūrėte tikrą vertę, užuot spaudę „Sukurti“ ir išsiuntę.
Jei tie taškai nukrenta švariai, jūsų „procentas“ tikriausiai yra tinkamas.
Taip pat mažas prisipažinimas: kartais etiškiausias dirbtinio intelekto panaudojimas yra taupyti energiją toms dalims, kurioms reikia žmogaus smegenų. Sunkiausioms dalims. Pačioms sudėtingiausioms dalims. Dalykams, kai „turiu nuspręsti, kuo tikėti“. 🧠✨
Trumpa santrauka ir baigiamosios pastabos 🧾🙂
Taigi, koks dirbtinio intelekto procentas yra priimtinas? mažiau priklauso nuo matematikos ir daugiau nuo statymų, sluoksnių, patikrinimo ir pasitikėjimo . NIST AI RMF 1.0
Jei norite paprasto išsineštinio maisto:
-
Maži statymai + vidinis darbas: dirbtinis intelektas gali sudaryti didelę dalį (net ir didžiąją jos dalį), jei atskaitingas žmogus. OECD dirbtinio intelekto principai.
-
Viešas turinys: dirbtinis intelektas tinka pagalbinėms rolėms, tačiau žinutę turi perteikti žmogus.
-
Svarbi informacija (sveikatos, teisinė, saugos, žurnalistikos): dirbtinio intelekto pagalba turi būti minimali ir griežtai prižiūrima. PSO gairės dėl generatyvinio dirbtinio intelekto sveikatos srityje. AP: generatyvinio dirbtinio intelekto standartai.
-
Niekada nenaudokite dirbtinio intelekto (DI) gyvenimiškai patirčiai, įgaliojimams ar rezultatams suklastoti – štai kur žlunga pasitikėjimas 😬 FTC komentaras, kuriame nurodomi klaidinantys DI teiginiai. JAV autorių teisių biuro DI gairės.
Ir štai mano šiek tiek dramatiškas perdėjimas (nes žmonės tai daro):
jei jūsų darbas pagrįstas pasitikėjimu, tai „priimtinas dirbtinis intelektas“ yra bet koks dalykas, kuris vis dar apsaugo tą pasitikėjimą, kai niekas nestebi. UNESCO rekomendacija dėl dirbtinio intelekto etikos.
Pateikiame glaustą, aiškesnę jūsų DUK versiją:
DUK
Koks dirbtinio intelekto procentas yra priimtinas daugumoje darbų?
Nėra vieno procento, tinkančio kiekvienai užduočiai. Geresnis standartas yra vertinti dirbtinio intelekto naudojimą pagal susijusius aspektus, klaidų riziką, auditorijos lūkesčius ir tai, kokią darbo dalį padėjo sukurti dirbtinis intelektas. Didelė dalis gali būti visiškai tinkama vidinėms pastaboms, o daug mažesnė dalis yra protingesnė viešai skelbiamai ar jautriai medžiagai.
Kaip turėčiau išmatuoti dirbtinio intelekto naudojimą neapsigaujant dėl tikslių procentų?
Praktinis požiūris – mąstyti sluoksniais, o ne bandyti kiekvienam sakiniui priskirti numerį. Šiame straipsnyje dirbtinio intelekto naudojimas apibrėžiamas idėjos, juodraščio, redagavimo, faktų ir balso sluoksniais. Tai palengvina rizikos vertinimą, nes dirbtinio intelekto dalyvavimas faktų ar asmeninio balso kūrime paprastai yra svarbesnis nei pagalba kuriant idėjas ar taisant gramatiką.
Koks dirbtinio intelekto procentas yra priimtinas tinklaraščio įrašams ir rinkodaros turiniui?
Tinklaraščio įrašams ir rinkodarai gali pakakti maždaug 20–60 % dirbtinio intelekto palaikymo. Dirbtinis intelektas gali padėti su planais, struktūra ir išvalymu, jei žmogus vis tiek kontroliuoja balsą ir patikrina teiginius. Rizika greitai padidėja, kai turinyje yra stiprių palyginimų, atsiliepimų ar kalbos, kuri rodo asmeninę patirtį.
Ar galima naudoti dirbtinį intelektą mokyklinėms užduotims ar akademiniam rašymui?
Akademinėje aplinkoje priimtinas naudojimas dažnai yra daug mažesnis, dažniausiai nuo 0 % iki 30 %, priklausomai nuo taisyklių ir užduoties. Saugesni naudojimo būdai apima minčių audrą, struktūrizavimą, gramatikos palaikymą ir pagalbą mokantis. Problemos prasideda, kai DI pateikia analizę, argumentus ar originalų mąstymą, kurio tikimasi iš studento.
Kiek dirbtinio intelekto galima naudoti vidiniams darbo vietos dokumentams ir el. laiškams?
Darbo vietoje rašymas dažnai yra viena iš lankstesnių kategorijų – įprasta, kad dirbtinio intelekto pagalba sudaro apie 30–80 % atvejų. Daugelis vidinių dokumentų vertinami labiau pagal aiškumą ir greitį, o ne pagal originalumą. Nepaisant to, žmogaus atliekamas peržiūrėjimas vis tiek yra svarbus, kai medžiagoje yra politikos formuluotės, neskelbtinos detalės ar svarbūs faktiniai teiginiai.
Ar klientų aptarnavimo komandos gali labai pasikliauti dirbtinio intelekto atsakymais?
Daugelyje darbo eigų – taip, nors tik su stipriomis apsauginėmis svirtimis. Straipsnyje siūloma maždaug 40–90 % dirbtinio intelekto palaikymas klientų atsakymams, kai komandos turi eskalavimo kelius, patvirtintus žinių šaltinius ir neįprastų atvejų peržiūrą. Didesnis pavojus yra ne pati automatizacija, o dirbtinio intelekto teikiami užtikrinti pažadai, išimtys ar įsipareigojimai, kurių ji niekada neturėjo duoti.
Koks dirbtinio intelekto procentas yra priimtinas sveikatos, teisės, žurnalistikos ar kitose svarbiose srityse?
Didelės rizikos srityse procentinis klausimas yra mažiau svarbus nei kontrolinis klausimas. Dirbtinis intelektas gali padėti perrašyti tekstą, parengti apytiksles santraukas ar organizuoti tekstą, tačiau galutinį sprendimą ir patikrinimą turėtų atlikti žmogus. Šiose srityse priimtina dirbtinio intelekto rašymo pagalba dažnai yra minimali, apie 0–25 %, nes užtikrintos klaidos kaina yra daug didesnė.
Ar DI naudojimo atskleidimas skatina žmones jį labiau priimti?
Daugeliu atvejų reakciją labiau formuoja skaidrumas nei neapdorotas procentas. Žmonės linkę jaustis patogiau su dirbtinio intelekto pagalba, kai procesas atrodo atviras, atskaitingas ir nėra užmaskuotas kaip žmogaus patirtis ar patirtis. Net ir nedidelis paslėptas automatizavimas gali sumažinti pasitikėjimą, kai skaitytojai jaučiasi klaidinami dėl to, kas sukūrė kūrinį.
Kodėl dirbtinis intelektas kartais sukuria nuobodulį rašant net ir tada, kai jis techniškai teisingas?
Straipsnyje tai apibūdinama kaip balso problema. Dirbtinis intelektas dažnai suvienodina prozą iki kažko nušlifuoto, bet bendro pobūdžio, o tai gali atimti humorą, įsitikinimą, specifiškumą ir individualų charakterį. Štai kodėl daugelis komandų leidžia dirbtiniam intelektui palaikyti struktūrą ir aiškumą, o žmogus išlaiko skonio, sprendimų, pasakojimo ir stipriųjų požiūrių kontrolę.
Kaip komanda gali nustatyti dirbtinio intelekto politiką, kurios žmonės laikysis?
Veiksminga politika paprastai orientuota į užduotis ir riziką, o ne į griežtą procentinę ribą. Straipsnyje rekomenduojama leisti dirbtinį intelektą (DI) naudoti idėjų generavimui, struktūrizavimui, redagavimui, formatavimui ir juodraščių vertimui, o ne originaliai analizei, jautrioms temoms ir ekspertų konsultacijoms. Ji taip pat turėtų reikalauti žmogaus peržiūros, faktų tikrinimo, atskaitomybės ir aiškaus draudimo naudoti sufabrikuotus liudijimus ar išgalvotą patirtį.
Nuorodos
-
Pasaulio sveikatos organizacija (PSO) – PSO gairės dėl generatyvinio dirbtinio intelekto sveikatos srityje – who.int
-
Pasaulio sveikatos organizacija (PSO) – Dirbtinio intelekto sveikatos srityje etika ir valdymas – who.int
-
Nacionalinis standartų ir technologijų institutas (NIST) – AI RMF 1.0 – nvlpubs.nist.gov
-
Nacionalinis standartų ir technologijų institutas (NIST) – „GenAI“ profilis (AI RMF) – nvlpubs.nist.gov
-
Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) – EBPO dirbtinio intelekto principai – oecd.ai
-
UNESCO – Rekomendacija dėl dirbtinio intelekto etikos – unesco.org
-
JAV autorių teisių biuras – Dirbtinio intelekto politikos gairės – copyright.gov
-
Federalinė prekybos komisija (FTC) – Komentaras, kuriame nurodoma dirbtinio intelekto rinkodaros teiginių rizika – ftc.gov
-
JK Švietimo departamentas (DfE) – Generatyvusis dirbtinis intelektas švietime – gov.uk
-
Associated Press (AP) – Generatyviojo dirbtinio intelekto standartai – ap.org
-
Profesionalių žurnalistų draugija (SPJ) – SPJ etikos kodeksas – spj.org
-
„Reuters“ – FTC imasi griežtų priemonių prieš klaidinančius teiginius apie dirbtinį intelektą (2024-09-25) – reuters.com
-
„Reuters“ – „Reuters“ ir dirbtinis intelektas (skaidrumo principas) – reuters.com
-
Oksfordo universitetas (Reuters institutas) – Dirbtinio intelekto atskleidimas ir pasitikėjimas (2024 m.) – ora.ox.ac.uk
-
„ScienceDirect“ – skaidrumo dilema: dirbtinio intelekto atskleidimas ir pasitikėjimas (Schilke, 2025 m.) – sciencedirect.com
-
„OpenAI“ – kodėl kalbos modeliai haliucina – openai.com
-
„OpenAI“ pagalbos centras – ar „ChatGPT“ sako tiesą? – help.openai.com