Naujoji scena: kodėl DI laboratorijos samdo improvizacijos aktorius mokyti empatijos

Dešimtmečius pradedančio improvizacijos aktoriaus kelias buvo nuspėjamas: vėlyvi pasirodymai rūsių teatruose, atsitiktinės reklamų atrankos ir galbūt papildomas darbas aptarnavimo sferoje. Tačiau iki 2026 m. atsirado naujas ir netikėtas dramos meno globėjas: Silicio slėnio DI laboratorija.

Dirbtiniam intelektui peržengiant paprasto teksto generavimo ribas ir žengiant į sudėtingos, multimodalinės bendrystės sritį, pramonė atsimušė į sieną. Nors modeliai gali išlaikyti advokatūros egzaminą arba rašyti veikiantį „Python“ kodą, jie dažnai stringa ties „žmogiškuoju“ elementu – subtiliais tono pokyčiais, pokšto laiku ar gebėjimu išlaikyti nuoseklų personažą emociškai įkrautame pokalbyje. Norėdamos užpildyti šią spragą, tokios įmonės kaip „Handshake“, „Scale AI“ ir „Mercor“ agresyviai samdo kūrybos profesionalus, kad šie taptų naujaisiais skaitmeninių emocijų architektais.

„Nelygaus“ intelekto problema

Technologijų pasaulyje dabartiniai DI modeliai dažnai apibūdinami kaip turintys „nelygių“ (angl. jagged) gebėjimų. Tai reiškia, kad modelis vieną akimirką gali demonstruoti magistrantūros tyrėjo loginį mąstymą, o kitą – mažamečio vaiko socialinį sąmoningumą. Jie puikiai valdo logiką, bet yra trapūs ties niuansais.

Šis netolygumas ypač akivaizdus emocinio intelekto (EQ) srityje. DI gali žinoti žodyninę „sielvarto“ apibrėžtį, tačiau jis natūraliai nesupranta, kaip sielvartas veikia balso kadenciją ar metaforų pasirinkimą ilgame pokalbyje. Kad sušvelnintų šiuos kampus, DI laboratorijos tolsta nuo bendro pobūdžio duomenų rinkimo ir pereina prie „eksperto cikle“ (angl. expert-in-the-loop) mokymų. Jiems nebereikia tik žmonių, kurie spaudinėtų šviesoforų nuotraukas; jiems reikia ekspertų, kurie pademonstruotų, ką reiškia būti žmogumi.

Kodėl improvizacijos aktoriai yra puikūs mokytojai

Improvizacijos aktoriai turi specifinį įgūdžių rinkinį, kurį nepaprastai sunku užprogramuoti. Pagrindinis improvizacijos principas – „Taip, ir...“ – iš esmės yra konteksto išlaikymo ir bendradarbiavimo logikos meistriškumo pamoka.

Kai tokia įmonė kaip „Handshake AI“ paskelbia kūrybinių talentų paiešką, ji neieško žmogaus, kuris skaitytų scenarijų. Ji ieško žmonių, kurie gali:

• Išlaikyti personažo nuoseklumą: Išlikti „personaže“ per tūkstančius dialogo eilučių yra duomenų vientisumo forma. Jei DI mokomas veikti kaip palaikantis terapeutas ar šmaikštus korepetitorius, jam reikia pavyzdžių, kaip tas personažas reaguoja į netikėtus posūkius.
• Valdyti emocinius perėjimus: Žmogaus emocijos nėra binarinės. Per vieną įkvėpimą mes pereiname nuo nusivylimo prie humoro ar susitaikymo. Aktoriai gali pateikti „auksinio standarto“ duomenis, rodančius DI, kaip šie perėjimai atrodo ir skamba.
• Susitvarkyti su ribiniais atvejais: Improvizacija yra sukurta ant netikėtumų. Mesdami modeliui iššūkius ir vėliau taisydami jo atsakymus, aktoriai padeda DI išmokti atsitiesti po socialinių klaidų ar nepatogių tylos minučių.

Perėjimas prie specializuoto duomenų žymėjimo

Aktorių samdymas yra platesnės tendencijos dalis: duomenų žymėjimo pramonės profesionalizacija. 2020-ųjų pradžioje duomenų žymėjimas dažnai būdavo perduodamas mažai apmokamiems darbuotojams, atliekantiems pasikartojančias užduotis. Šiandien rinka išsišakojo. Nors bazinis žymėjimas vis dar egzistuoja, aukščiausios klasės rinka yra sutelkta į „Specializuotą RLHF“ (angl. Reinforcement Learning from Human Feedback – pastiprinamasis mokymasis iš žmogaus grįžtamojo ryšio).

Tokios įmonės kaip „Scale AI“ ir „Mercor“ sukūrė milžiniškas platformas šiems specialistams tikrinti, užtikrindamos, kad duomenys, kuriais maitinama naujausia modelių karta – pavyzdžiui, naujausios „OpenAI“ iteracijos – būtų aukščiausios įmanomos kokybės.

„Skaitmeninės sielos“ derliaus nuėmimo etika

Ši tendencija neapsieina be kontroversijų. Daugelis kūrybinės bendruomenės narių tai vertina kaip dviašmenį kalaviją. Viena vertus, tai suteikia gerai apmokamą, lankstų pajamų šaltinį menininkams, kurių tradicines industrijas griauna būtent ta technologija, kurią jie moko. Kita vertus, tvyro baimė, kad aktoriai iš esmės moko savo pačių pakaitalus.

Jei DI gali puikiai imituoti žmogaus aktoriaus empatiją, kas nutiks su balso aktorių paklausa žaidimuose ar imituotų pacientų poreikiu medicinos mokymuose? Pramonė šiuo metu bando suprasti, kur baigiasi „pasirodymas“ ir prasideda „duomenys“. Kol kas žmogiškojo autentiškumo paklausa yra tokia didelė, kad laboratorijos pasirengusios už tai mokėti papildomai, tačiau ilgalaikis poveikis kūrybinei ekonomikai išlieka atviras klausimas.

Praktiniai patarimai kūrybos profesionalams

Jei esate kūrybos profesionalas, norintis patekti į DI mokymų pasaulį, aplinka yra konkurencinga, bet pelninga. Štai kaip joje orientuotis:

1. Atraskite savo nišą: Nesikreipkite tiesiog kaip „rašytojas“. Išskirkite specifinius įgūdžius, tokius kaip tarmių mokymas, personažų kūrimas ar krizių deeskalavimas.
2. Supraskite platformas: Susipažinkite su specializuotomis agentūromis, tokiomis kaip „Handshake“ ir „Mercor“. Jos yra pagrindinių laboratorijų vartų sargai.
3. Susikoncentruokite į kokybę, o ne į kiekį: Specializuoto RLHF pasaulyje viena valanda aukštos kokybės, niuansuotos sąveikos verta daugiau nei dešimt valandų bendro pobūdžio susirašinėjimo. Laboratorijos ieško „ribinių atvejų“, kurių modelis dar nėra matęs.
4. Saugokite savo teises: Atidžiai perskaitykite sutarties sąlygas dėl duomenų nuosavybės. Daugeliu atvejų jūs visam laikui parduodate teises į savo atvaizdą ar pasirodymo duomenis modeliui mokyti.

DI toliau evoliucionuojant, riba tarp technologijų laboratorijos ir teatro trupės greičiausiai ir toliau nyks. Tikslas nebėra tiesiog sukurti mąstančią mašiną, bet sukurti tokią, kuri jaučia – arba bent jau žino, kaip elgtis taip, tarsi jaustų.