ដៃគូ Google សារភាពថានឹង 'ទាយ' នៅពេលវាយតម្លៃភាពត្រឹមត្រូវនៃការឆ្លើយតបរបស់ AI chatbot

Google បានចេញផ្សាយ Bard chatbot ក្នុងទម្រង់មានកំណត់កាលពីខែមីនាឆ្នាំមុន ក្នុងគោលបំណងឆ្លើយតបទៅនឹង ChatGPT របស់ OpenAI ។

ដើម្បីវាយតម្លៃគុណភាពនៃការឆ្លើយតបរបស់ AI chatbot ក្រុមហ៊ុនបានជួលកម្លាំងពលកម្មដ៏ធំនៃកម្មករភាគីទីបី។ ទោះជាយ៉ាងណាក៏ដោយ ដៃគូបានសារភាពថា ជារឿយៗពួកគេមិនមានពេលវេលាគ្រប់គ្រាន់ដើម្បីវាយតម្លៃភាពត្រឹមត្រូវនៃការឆ្លើយតបសំណួរទាំងនេះទេ។

Appen គឺជាអ្នកម៉ៅការជួយកែលម្អ chatbot របស់ Google ។ បុគ្គលិកនៅក្នុងក្រុមហ៊ុនមិនត្រូវបានគេប្រាប់ថាកិច្ចការរបស់ពួកគេពាក់ព័ន្ធនឹង Bard នោះទេ ប៉ុន្តែការពិភាក្សាផ្ទៃក្នុងអំពីកិច្ចការថ្មីបានចាប់ផ្តើមនៅថ្ងៃទី 7 ខែកុម្ភៈ នៅជុំវិញពេលដែលក្រុមហ៊ុនស្វែងរកយក្សបានប្រកាសជាលើកដំបូងនូវ AI chatbot របស់ខ្លួន។

ដៃគូ Google សារភាពថានឹង 'ទាយ' នៅពេលវាយតម្លៃភាពត្រឹមត្រូវនៃការឆ្លើយតបរបស់ AI chatbot - 1 — ភាពត្រឹមត្រូវនៃការឆ្លើយតបដែល Bard AI ផ្តល់ជូនកំពុងត្រូវបានចោទសួរ ខណៈដែលដៃគូ Google សារភាពថាពួកគេត្រូវតែ "ទាយ" ចម្លើយនៅក្នុងករណីមួយចំនួន។

ដៃគូដែលត្រូវបានគេស្គាល់ថាជា "អ្នកវាយតម្លៃ" ជាធម្មតាពិនិត្យមើលឡើងវិញនូវក្បួនដោះស្រាយការស្វែងរករបស់ Google និងភាពពាក់ព័ន្ធនៃការផ្សាយពាណិជ្ជកម្មដែលដាក់ក្នុងលទ្ធផលស្វែងរក ក៏ដូចជាដាក់ទង់គេហទំព័រដែលមានគំនិតអាក្រក់ ដូច្នេះពួកគេមិនបង្ហាញនៅលើទំព័រលទ្ធផលនោះទេ។

ប្រភពខាងក្នុងបាននិយាយថា ចាប់តាំងពីខែមករាមក ការងាររបស់អ្នកត្រួតពិនិត្យភាគច្រើនបានផ្លាស់ប្តូរទៅពិនិត្យមើលការជំរុញ AI ។ ពួកគេបាននិយាយថាពួកគេមិនមានពេលវេលាគ្រប់គ្រាន់ដើម្បីវាយតម្លៃការឆ្លើយតបរបស់ bot សម្រាប់ភាពត្រឹមត្រូវទេ ដូច្នេះពេលខ្លះពួកគេគ្រាន់តែធ្វើ "ការទស្សន៍ទាយដ៏ល្អបំផុត" ។

Bard ទទួលបានការរិះគន់បន្ទាប់ពីមនុស្សបានរកឃើញថា chatbot បានផ្តល់ចម្លើយមិនត្រឹមត្រូវក្នុងអំឡុងពេលព្រឹត្តិការណ៍ចាប់ផ្តើមរបស់វា។ Google បាននិយាយថា chatbot នឹងកាន់តែប្រសើរឡើងតាមពេលវេលា ហើយមិនគួរត្រូវបានចាត់ទុកថាជាការជំនួសម៉ាស៊ីនស្វែងរករបស់វានោះទេ។

មុនពេលចាប់ផ្តើមដំណើរការក្នុងខែកុម្ភៈ ក្រុមហ៊ុន Google ក៏តម្រូវឱ្យបុគ្គលិកចំណាយពេលពី 2 ទៅ 4 ម៉ោងដើម្បីសាកល្បង bot ដោយសួរវាសំណួរ និងដាក់ទង់ចម្លើយដែលមិនស្របតាមស្តង់ដាររបស់ក្រុមហ៊ុន។

អ្នកម៉ៅការបាននិយាយថា ពួកគេមានពេលវេលាកំណត់ដើម្បីបំពេញកិច្ចការនីមួយៗ ចាប់ពី 60 វិនាទីទៅច្រើននាទី។ ទោះជាយ៉ាងណាក៏ដោយអ្នកវាយតម្លៃបាននិយាយថាវាពិបាកក្នុងការវាយតម្លៃការឆ្លើយតបនៅពេលដែលពួកគេមិនយល់ពីប្រធានបទដែល chatbot កំពុងនិយាយអំពី ដែលរួមបញ្ចូលប្រធានបទបច្ចេកទេសដូចជា blockchain ជាដើម។

កិច្ចការដែលបានចាត់តាំងនីមួយៗតំណាងឱ្យពេលវេលាដែលអាចចេញវិក្កយបត្របាន ដូច្នេះនិយោជិតនឹងស្វែងរកវិធីដើម្បីបញ្ចប់កិច្ចការ ទោះបីជាពួកគេមិនអាចវាយតម្លៃបានត្រឹមត្រូវនូវការឆ្លើយតបដែល chatbot ផ្តល់ឱ្យក៏ដោយ។

បុគ្គលិកទាំងនេះនិយាយថាពួកគេចង់ទទួលបានការពិតត្រឹមត្រូវ និងផ្តល់នូវបទពិសោធន៍ chatbot ដែលមានគុណភាពល្អបំផុតដែលអាចធ្វើទៅបាន ប៉ុន្តែគ្រាន់តែមិនមានពេលវេលាគ្រប់គ្រាន់ដើម្បីស្រាវជ្រាវបញ្ហានេះមុនពេលផ្តល់ចំណាត់ថ្នាក់។

អ្នកត្រួតពិនិត្យម្នាក់បានចែករំលែកថា "អ្នកត្រូវការការស្រាវជ្រាវ 3 ម៉ោងដើម្បីបញ្ចប់កិច្ចការ 60 វិនាទី នោះជាបញ្ហាដែលយើងកំពុងប្រឈមមុខនៅពេលនេះ" ។

(ប្រភព៖ Vietnamnet/Insider)

មានប្រយោជន៍
អារម្មណ៍
ច្នៃប្រឌិត
ប្លែក
កំហឹង