Dit zoals verteld-essay is gebaseerd op een gesprek met Natalie Gilbert, een 30-jarige datawetenschapper bij AT&T wiens vader, Mazin Gilbert, onderzoeker was bij de Bell Labs-divisie van het bedrijf. Het interview is aangepast voor lengte en duidelijkheid.
Toen ik opgroeide, was ik er super naïef over wat AT&T was.
Wat ik over het bedrijf wist, kwam door de lens van mijn vader, die aan spraakherkenning werkte. Hij werkte samen met mensen als Yann LeCun, die de mogelijkheid ontwikkelde om handschrift te detecteren en naar tekst om te zetten, en Dennis Ritchie, die de programmeertaal C creëerde.
Het werk van mijn vader op het gebied van spraakherkenning en -synthese vormde de basis voor wat ik vandaag doe met generatieve AI. Alles wat ik hier heb gebouwd heeft dezelfde basis als waar hij aan werkte: convolutionele neurale netwerken, die computers in staat stellen input zoals beeld en geluid te verwerken. Het is echt gaaf om te zien hoe die basis is geëvolueerd.
Natalie Gilbert en haar vader, Mazin Gilbert. AT&T
Hun vroege ontdekkingen hebben ons in staat gesteld om met AI-agenten te werken en ze autonomer te maken.
Als kind was ik vrijwel elke dag na schooltijd in het kantoor van mijn vader, en ik herinner me dat ik hem en zijn collega’s verhitte discussies zag voeren en gekke diagrammen op het whiteboard tekende.
Dat inspireerde me om mijn eigen beslisbomen te gaan tekenen en wat dan ook, dat was superonzinnig, maar de ervaring leerde me creatief en analytisch te zijn.
Eén zijproject waar mijn vader en ik samen aan werkten, heette Dr. Bot, een vroege versie van een groot taalmodel dat je symptomen kon beoordelen en je kon vertellen waar je hulp moest zoeken.
Van whiteboarden tot coderen en terug
Wat ik doe met AI-agenten komt eigenlijk neer op een aantal beslissingsbomen die redeneren hoe je van punt A naar punt B kunt komen. was iets dat ik al heel vroeg met mijn vader leerde.
Er is veel menselijke interactie die steeds belangrijker wordt bij het bouwen van AI-technologieën.
In Het hoofddatabureau van AT&Twerken we aan een project dat de manier verandert waarop mensen denken over het gebruik van HR-technologie binnen het bedrijf. We elimineren feitelijk de vraag waar we heen moeten om een HR-probleem op te lossen door een AI-agent identificeren het relevante beleid of de procedure voor de situatie van een persoon. Dat is geen kleinigheid in een organisatie die zo groot en ingewikkeld is als AT&T.
Natalie Gilbert met een collega bij AT&T. AT&T
In mijn eigen werk gebruik ik een codeercopiloot, of digitale assistent, die me helpt veel sneller te werken, maar mensen die AI-tools ontwikkelen moeten nog steeds de technologieën begrijpen die ten grondslag liggen aan LLM’s en machine learning-modellen.
Nieuwe AI-tools zijn verbazingwekkend krachtig, maar ze kunnen niet alles
Als deze copiloten worden steeds populairderkunnen mensen in de problemen komen als ze niet begrijpen hoe deze technologieën fundamenteel werken.
Als u bijvoorbeeld niet weet hoe de code daadwerkelijk omgaat met een edge-case-scenario, zullen uw AI-tools niet goed zijn.
Tegelijkertijd voelt het alsof mensen elke twee maanden iets nieuws moeten leren.
Wat ik zie veranderen met grote taalmodellen is dat ze veel meer op de natuurlijke taal gericht zijn dan gecodeerd. Dat betekent dat ik het grootste deel van mijn tijd besteed aan snelle engineering, wat helemaal geen coderen is; zijn gebruik van natuurlijke taal om machines ons te laten begrijpen.
Het is nogal ironisch, want dit is een andere vorm van wat mijn vader dertig jaar geleden deed.
AI is tijdens mijn leven zo drastisch veranderd, en nu heb ik het gevoel dat ik hem en zijn nalatenschap vertegenwoordig. Het voortzetten van het werk dat hij deed voelt surrealistisch.
