Tehisintellektipädevuse lünk kasvab. Siin on juhis selle sulgemiseks.

Mis on tehisintellektipädevus?

Tehisintellektipädevus tähendab võimet mõista tehisintellekti toimimist piisavalt hästi, et seda tõhusalt kasutada, tunnustada selle piiranguid ja riske ning langetada selle väljundi kohta teadlikke otsuseid. Digital Promise’i tehisintellektipädevuse raamistik kirjeldab seda kui mõistmise, kasutamise ja hindamise kombinatsiooni.

Kuid kõige olulisem osa, mis eristab algajat eksperdist, on hindamine. Kahjuks pööratakse sellele tavapärastes koolitustes sageli vähe praktilist tähelepanu. Pärast kahetunnist töötuba suudab peaaegu igaüks kasutada tehisintellekti küsimusele lihvitud vastuse saamiseks.

Kuid tehisintellektipädevus tähendab, et inimesel on võime öelda, kas vastus on:

• Täpne
• Valmis
• Ajakohane
• Asjakohane
• Turvaliselt tegutsemiseks sobiv

Miks tehisintellektipädevus on praegu oluline

Tehisintellekt on muutunud laialdaselt kättesaadavaks, kuid selle hea kasutamise õppimiseks vajalikku tuge ja koolitust on raskem leida.

• Umbes 6,1 miljonit USA töötajat töötab ametikohtadel, mida iseloomustab nii suur kokkupuude tehisintellektiga kui ka madal suutlikkus töökoha vahetusega kohaneda, märgib Center for Governance of AI teadur Sam Manning oma hiljutises uuringus
• 38% väidab, et nende organisatsioon on tehisintellekti kasutusele võtnud, kuid vaid 12% kasutab seda iga päev, selgub Gallupi 2025. aasta 4. kvartali uuringust.

See lõhe tehisintellekti kättesaadavuse ja enesekindla kasutamise vahel loob nii üksikisikutele kui ka ettevõtetele võimaluse saada tehisintellektipädevuse koolitusega edumaa, mis hõlmab enamat kui lihtsalt paremate viipade kirjutamise õppimist.

Samal ajal teatab McKinsey, et nõudlus tehisintellekti valdamise ehk tehisintellekti tööriistade kasutamise ja haldamise oskuse järele kasvas 2023. aasta keskpaigast 2025. aasta keskpaigani peaaegu seitsmekordseks.

• Tööandjad tunnistavad selgelt vajadust tehisintellektipädevuse koolituse järele.
• Töötajad soovivad neid oskusi omandada.

Kuid muret tekitab olukord, kus edukuse ainsaks mõõdikuks on maksimaalne kasutuselevõtt. Inimesed võivad õppida tehisintellekti kiiresti kasutama, kuid hoolikaks ja vilunuks kasutajaks saamine nõuab aega ja harjutamist.

Hindamine: kõige olulisem oskus

Suur osa tehisintellekti koolitustest rõhutab väljundi hindamise tähtsust, kuid ei kuluta palju aega (kui üldse) sellele, mida see tegelikult tähendab.

Praktikas nõuab tehisintellekti kontrollimine kolme peamist käitumismudelit:

• Hoolikas lugemine
• Keeruliste küsimuste esitamine
• Allikate, statistika ja väidete topeltkontrollimiseks aja võtmine.

Enne tehisintellekti pakutava teabe põhjal tegutsemist otsustage, kas see vastab järgmistele kriteeriumidele:

• Kas seda saab usaldusväärse allikani jälitada?
• Kas see püsib koos, kui üksikuid osi kontrollitakse?
• Kas see on asjakohasuse säilitamiseks piisavalt ajakohane?

Kuigi tehisintellekti loodud tekst võib kõlada lihvitult ja professionaalselt, võivad faktid olla valed. Tehisintellekt võib „hallutsineerida“, mõeldes asju täielikult välja (Lugege artiklit Tehisintellekti hallutsinatsioonide tuvastamine: 7 ohumärki), leides ebakorrektset või mittetäielikku teavet või mõistes leitut valesti ja jõudes eksliku järelduseni.

Mis tahes väljundi hindamiseks järgige seda protsessi:

Jälita → Kontrolli → Otsusta.

Näiteks paluge tehisintellektil koostada konkurentide hindade võrdlus. Tulemuste hindamiseks tehke järgmist:

• Avage iga hinnaleht (jälita)
• Kontrollige plaanide nimesid ja hindu (kontrolli)
• Kirjutage üles, mida tehisintellekt valesti tegi või vahele jättis, ning tehke vajalikud parandused (otsustamine).

Siin on veel näiteid tehisintellekti väljundi hindamise kohta.

Miks enamik tehisintellekti koolitusi ei suuda pädevust luua

Vaevalt paari aastaga on tehisintellekt arenenud spetsialiseerunud tehnoloogiast üldlevinud teemaks ja tööriistaks. Kuna ettevõtete ja valitsuste juhid on kiirustanud koolitusressursse leidma, on ka müüjad kiirustanud neid looma. Nõudlus on olnud suur, kuid asjatundlikkust napib ja saadaolevate materjalide kvaliteet ei ole alati järge pidanud.

Tulemuseks on koolitusteater, mis vaevu puudutab oluliste teemade pinda ja pakub ühele suurusele sobivat juhendust ühekordse üritusena. Olge skeptiline selliste koolituste suhtes, kus:

• Rõhk on tööriistade tundmisel ja viipade kirjutamisel. Selline töötuba õpetab teadlikkust, kuid mitte kriitilist meelt, mis kaasneb reaalsete töövoogude lõpuleviimisega.
• Sisu ei kata sügavamaid ja olulisemaid küsimusi selle kohta, millal tehisintellekti kasutada või mitte, kuidas väljundit hinnata ega seda, kuidas ettevõtte reegleid reaalsetes ülesannetes rakendada.
• Harjutamiseks pole piisavalt aega, puuduvad ülesandepõhised juhised ning tagasiside osalejate tegevuse või võimalike paranduste kohta.
• Eesmärgiks on kohalolnuks märgitud saamine, mitte pädevus.

Suurenda

Kuidas tehisintellektipädevust tegelikult üles ehitada

Tehisintellektipädevuse saavutamiseks vajavad inimesed praktilist ja rollipõhist koolitust, mis nõuab neilt reaalsete ülesannete täitmist realistlikus töövool. Samuti vajavad nad selleks pühendatud aega.

1. Praktiline koolitus pakub reaalset harjutust, mis aitab inimestel madala riskiga keskkonnas õppida, mida eri olukordades teha. Kui hindamine ja parandamine on töövool osa, õpivad osalejad oma ja teiste katsetest ning vigadest. Alustage ühe või mitme tehisintellekti tööriista tellimisega, kasvõi tasuta tasemel.
2. Rollipõhine koolitus on ülioluline, sest erinevate väljundite mõistmine ja hindamine nõuab erinevaid oskusi. Inimestel, kes pole kunagi loonud pivot-tabelit, oleks raske teada, kas tehisintellekt tegi hea tabeli või kuidas seda teisel korral paremini teha sundida. Sama kehtib juriidiliste dokumentide, veebisaidi piltide, hiljutiste meditsiiniuuringute kokkuvõtete või mis tahes töökohapõhise väljundi hindamise kohta, mis nõuab taustateadmisi. Alustage mõne tavapärase ülesande tuvastamisest, mida saaks tehisintellektiga teha.
3. Reaalsete ülesannete määramine aitab inimestel mõista, kuidas tehisintellekt saab aidata neil oma tööd teha ja arendada oskusi, mida nad selle kasutamiseks vajavad. Nad õpivad, milliseid ülesandeid sobib tehisintellektil iseseisvalt teha, millised nõuavad suuremat järelevalvet ja mis vajab alati inimlikku hinnangut, samuti seda, millal ja kuidas hoida konfidentsiaalsed kliendi- ja ettevõtteandmed turvalisena. Mõelge ülesannete liigitamisele selle alusel, kui palju inimpoolset ülevaatamist need nõuavad. Näiteks:

1. Kaitstud aeg on tehisintellektipädevuse loomiseks vajalik viimane komponent, vähemalt alguses. Kõik on hõivatud, mis tundub alati hea põhjus asjade vanamoodsal viisil jätkamiseks, selle asemel et võtta lisaaega uue tööriista proovimiseks. Nagu paljude heade investeeringute puhul, tasub koolitusele kulutatud aeg kuhjaga ära, kui inimesed saavad aru, kuidas tehisintellektiga kõige paremini koostööd teha. Jätke iga päev või nädal kõrvale veidi aega, mida veeta üksi või rühmas.

Kust õppida

Veebis on saadaval palju ressursse, mis pakuvad head aluskoolitust. Otsige neid, mis nõuavad viipade kirjutamist ja muutmist, väljundite võrdlemist, väidete kontrollimist, puuduva konteksti tuvastamist ja otsustamist, millal vastus vajab inimese poolt ülevaatamist. Siin on mõned kohad alustamiseks:

• Chalmersi Tehnikaülikool pakub tasuta veebikursust Working and learning with generative AI, mis ühendab iseõppimise valikuliste reaalajas seanssidega. Harjutused on kohandatud erinevatele elukutsetele, keskenduvad reaalse elu ülesannetele ja liiguvad tõhusalt individuaalselt kasutamiselt ülesannete delegeerimisele.
• DeepLearning.AI kursus Generative AI for Everyone on veebikursus, mida juhib tehisintellekti pioneer Andrew Ng. See annab ülevaate generatiivsest tehisintellektist, selle toimimisest ja võimalustest. Samuti pakub see praktilisi harjutusi, mis aitavad õppida põhitõdesid ja enamatki.
• Perplexity.ai saab samuti toetada sellist koolitust, mida need ressursid ja see artikkel soovitavad: harjutage realistlike küsimuste esitamist, faktiliste väidete taga olevate tõendite uurimist, allikate võrdlemist ja töö täpsustamist inimliku ülevaate abil. Veebipõhiste uuringutulemuste jaoks sisaldab väljund lingitud viiteid, mis hõlbustavad väidete, statistika ja tsitaatide jälitamist nende allikani. Lisaks külastage lehte Perplexity Academy, kust leiate lühikeste õppevideote kogumiku põhiteemade (näiteks viipade kirjutamise parimate tavade) ning edasijõudnute teemade (näiteks korduvate töövoogude loomine tavapäraste ülesannete jaoks ja Perplexity ühendamine äritööriistadega) kohta.

Lisasoovituste saamiseks tehisintellekti hindamise õppimise kohta laadige alla meie juhend, mis käsitleb usalduse, täpsuse ja järelevalve raamistiku loomist. Eriala- ja eesmärgipõhise teabe saamiseks, sealhulgas näidisviipade leidmiseks konkreetsete ülesannete jaoks, tutvuge kõigi meie juhenditega siin.

Tehisintellektipädevus luuakse praktika kaudu, reaalsetes töövoogudes. Töötoad võivad aidata asjale hoo sisse lükata, kuid need ei asenda tegeliku töö tegemist tehisintellekti tööriistas, väljundi hindamist, vigade parandamist ja inimliku hinnangu rakendamist. Praktilise ja rollipõhise koolituse abil, mis hõlmab asjakohaste ülesannete täitmist kaitstud seanssidel, hakkab tehisintellekt pakkuma muljetavaldavat tulu.

Korduma kippuvad küsimused

Mida tähendab tehisintellektipädevus?

Tehisintellektipädevus on võime mõista, kasutada ja hinnata tehisintellektisüsteeme ning nende väljundit ning teha nende kohta teadlikke otsuseid. See ulatub kaugemale edukate viipade kirjutamisest. Tehisintellektipädevad inimesed suudavad tuvastada, kus tehisintellektist on kasu, kaitsta tundlikku teavet, kontrollida olulisi väiteid, mõista vastuse piiranguid ja teada, millal peab lõpliku otsuse langetama inimene.

Mis on näide tehisintellektipädevusest?

Näide tehisintellektipädevusest on tehisintellekti tööriista kasutamine konkurentsianalüüsi mustandi koostamiseks, millele järgneb iga viidatud allika avamine hindade, tooteomaduste, kuupäevade ja tsitaatide kontrollimiseks enne analüüsi kasutamist müügiesitluses. Pädevuse kõige olulisem osa on võime märgata, mida on vaja kontrollida, kinnitada seda usaldusväärsete tõendite põhjal ning vaadata üle või kõrvaldada põhjendamatud väited.

Millised on tehisintellektipädevuse neli sammast?

Tehisintellektipädevuse raamistikud kasutavad erinevat terminoloogiat, kuid praktiline kolmest osast koosnev mudel on mõistmine, kasutamine ja hindamine. Tehisintellektipädev inimene mõistab, kuidas tehisintellekt töötab ja kus see võib ebaõnnestuda, kasutab seda tõhusalt asjakohaste ülesannete jaoks ning suudab hinnata väljundit täpsuse, erapoolikuse, täielikkuse, ajakohasuse ja riski osas. Sageli kuulub sinna ka võime vastutustundlikult tegutseda, kaitstes andmeid, arvestades tehisintellekti kasutamisest mõjutatud inimestega ja säilitades inimliku vastutuse. Hindamine on kõige olulisem osa, mis eristab ekspertidest kasutajaid algajatest.

Kuidas ma saan oma tehisintellektipädevust parandada?

Parandage tehisintellektipädevust, harjutades reaalse ja madala riskiga tööga. Õpetused on kasulikud, kuid need ei asenda praktilist harjutamist. Valige tehisintellekti tööriist ja korduv ülesanne, näiteks dokumendi kokkuvõtlik esitamine, konkurendi uurimine või märkmete korrastamine. Seejärel vaadake väljund hoolikalt läbi, jälitades teabe päritolu, kontrollides olulisi fakte ja viiteid ning parandades kõik vead. Aja jooksul kujundage harjumus otsustada, milliste ülesannete puhul saab tehisintellekt abiks olla, millised vajavad inimpoolset ülevaatamist ja millised tuleks jätta inimestele. Eesmärk on kasutada tehisintellekti enesekindlalt, turvaliselt ja terve mõistusega.

Kuidas tehisintellekti väljundit hinnata?

Alustage kõige olulisematest väidetest. Kontrollige, kas allikas on olemas ja toetab täpset avaldust. Veenduge, et nimed, kuupäevad, tooted ja arvud on õiged ning esitatud täpselt. Veenduge, et teave on ajakohane. Kaasake kvalifitseeritud retsensent juriidiliste, meditsiiniliste, finants-, turva-, tööhõive- või muude suure panusega otsuste puhul. Tehisintellekti loodud viited võivad protsessi kiiremaks muuta, kuid viide tuleks siiski avada ja üle kontrollida.