Jaunā skatuve: kāpēc mākslīgā intelekta laboratorijas piesaista improvizācijas aktierus, lai mācītu empātiju

Gadu desmitiem topošā improvizācijas aktiera ceļš bija paredzams: vēli vakari pagrabu teātros, pa kādai reklāmas atlasei un, iespējams, papildu darbs viesmīlības nozarē. Taču līdz 2026. gadam dramatiskajai mākslai ir parādījies jauns un negaidīts mecenāts: Silīcija ielejas mākslīgā intelekta (MI) laboratorijas.

Tā kā mākslīgais intelekts attīstās tālāk par vienkāršu teksta ģenerēšanu un ieiet sarežģītas, multimodālas biedriskas saziņas jomā, nozare ir atdūrusies pret sienu. Lai gan modeļi var nokārtot juristu eksāmenu vai uzrakstīt funkcionālu Python kodu, tie bieži saskaras ar grūtībām "cilvēciskajā" elementā — smalkām toņa maiņām, joku laicīgumu vai spēju saglabāt konsekventu tēlu emocionāli piesātinātas sarunas laikā. Lai pārvarētu šo plaisu, tādi uzņēmumi kā Handshake, Scale AI un Mercor agresīvi piesaista radošos profesionāļus, lai tie kļūtu par jauniem digitālo emociju arhitektiem.

"Robainā" intelekta problēma

Tehnoloģiju pasaulē pašreizējie MI modeļi bieži tiek raksturoti kā tādi, kuriem piemīt "robainas" spējas. Tas nozīmē, ka modelis vienā brīdī var demonstrēt pēcdiploma pētnieka spriešanas spējas, bet nākamajā — maza bērna sociālo izpratni. Tie ir izcili loģikā, bet trausli niansēs.

Šis robainums ir īpaši pamanāms emocionālajā intelektā (EQ). MI var zināt vārda "sēras" vārdnīcas definīciju, taču tas dabiski nesaprot, kā sēras ietekmē balss ritmu vai metaforu izvēli ilgstošā sarunā. Lai nogludinātu šīs šķautnes, MI laboratorijas atsakās no vispārīgas datu vākšanas un pāriet uz "eksperta iesaistes" (expert-in-the-loop) apmācību. Viņiem vairs nav vajadzīgi tikai cilvēki, kas klikšķina uz luksoforu attēliem; viņiem ir vajadzīgi eksperti, kas nodemonstrē, ko nozīmē būt cilvēkam.

Kāpēc improvizācijas aktieri ir ideāli pasniedzēji

Improvizācijas aktieriem piemīt specifisku prasmju kopums, ko ir ārkārtīgi grūti ieprogrammēt. Improvizācijas pamatprincips — "Jā, un..." — būtībā ir meistarklase konteksta saglabāšanā un sadarbības loģikā.

Kad tāds uzņēmums kā Handshake AI publicē sludinājumu radošajiem talantiem, viņi nemeklē kādu, kurš nolasītu scenāriju. Viņi meklē cilvēkus, kuri spēj:

• Saglabāt tēla konsekvenci: Palikšana "tēlā" tūkstošiem dialoga rindu garumā ir datu integritātes veids. Ja MI tiek apmācīts darboties kā atbalstošs terapeits vai asprātīgs skolotājs, tam ir nepieciešami piemēri, kā šis tēls reaģē uz negaidītiem pavērsieniem.
• Pārvaldīt emocionālās pārejas: Cilvēka emocijas nav bināras. Mēs vienā elpas vilcienā pārejam no frustrācijas uz humoru un tad uz samierināšanos. Aktieri var sniegt "zelta standarta" datus, kas parāda MI, kā šīs pārejas izskatās un skan.
• Tikt galā ar nestandarta gadījumiem: Improvizācija ir balstīta uz negaidīto. Metot modelim "viltīgās bumbas" un pēc tam labojot tā atbildes, aktieri palīdz MI iemācīties atgūties no sociālām kļūmēm vai neveikliem klusuma brīžiem.

Pāreja uz specializētu datu marķēšanu

Aktieru piesaiste ir daļa no plašākas tendences: datu marķēšanas nozares profesionalizācijas. 2020. gadu sākumā datu marķēšana bieži tika uzticēta zemu apmaksātiem darbiniekiem, kuri veica atkārtotus uzdevumus. Šodien tirgus ir sadalījies. Lai gan pamata marķēšana joprojām pastāv, augstākā līmeņa tirgus ir vērsts uz "Specializēto RLHF" (pastiprinātā mācīšanās no cilvēku atsauksmēm).

Uzņēmumi, piemēram, Scale AI un Mercor, ir izveidojuši masveida platformas šo speciālistu pārbaudei, nodrošinot, ka dati, ar kuriem tiek barota nākamā modeļu paaudze — piemēram, OpenAI jaunākās iterācijas —, ir pēc iespējas augstākas kvalitātes.

"Digitālās dvēseles" ievākšanas ētika

Šī tendence nav bez pretrunām. Daudzi radošajā kopienā to uzskata par abpusgriezīgu zobenu. No vienas puses, tas nodrošina labi apmaksātu, elastīgu ienākumu plūsmu māksliniekiem, kuru tradicionālās nozares sagrauj tieši tā pati tehnoloģija, kuru viņi apmāca. No otras puses, pastāv neizzūdošas bailes, ka aktieri būtībā apmāca savus aizstājējus.

Ja MI spēj perfekti atdarināt cilvēka aktiera empātiju, kas notiks ar pieprasījumu pēc balss aktieriem spēlēs vai simulētiem pacientiem medicīnas apmācībās? Nozare šobrīd cīnās ar jautājumu, kur beidzas "sniegums" un sākas "dati". Pagaidām pieprasījums pēc cilvēka autentiskuma ir tik liels, ka laboratorijas ir gatavas par to maksāt dārgi, taču ilgtermiņa ietekme uz radošo ekonomiku joprojām ir atklāts jautājums.

Praktiski ieteikumi radošajiem profesionāļiem

Ja esat radošs profesionālis, kurš vēlas ienākt MI apmācības pasaulē, vide ir konkurētspējīga, taču ienesīga. Lūk, kā tajā orientēties:

1. Identificējiet savu nišu: Nepiesakieties vienkārši kā "rakstnieks". Izceliet specifiskas prasmes, piemēram, dialektu apmācību, tēlu izstrādi vai krīžu deeskalāciju.
2. Izprotiet platformas: Iepazīstieties ar specializētajām aģentūrām, piemēram, Handshake un Mercor. Tie ir vārtu sargi uz lielajām laboratorijām.
3. Koncentrējieties uz kvalitāti, nevis kvantitāti: Specializētā RLHF pasaulē viena stunda augstas kvalitātes, nianšu bagātas mijiedarbības ir vērtīgāka par desmit stundām vispārīgas tērzēšanas. Laboratorijas meklē "nestandarta gadījumus", kurus modelis iepriekš nav redzējis.
4. Aizsargājiet savas tiesības: Izlasiet sīko druku par datu īpašumtiesībām. Vairumā gadījumu jūs uz visiem laikiem pārdodat tiesības uz savu vizuālo tēlu vai snieguma datiem modeļa apmācībai.

MI turpinot attīstīties, robeža starp tehnoloģiju laboratoriju un teātra trupu, visticamāk, turpinās izzust. Mērķis vairs nav tikai uzbūvēt mašīnu, kas domā, bet gan uzbūvēt tādu, kas jūtas — vai vismaz zina, kā izlikties.