Dit veelzeggende essay is gebaseerd op een gesprek met Natalie Gilbert, een 30-jarige datawetenschapper bij AT&T wiens vader, Mazin Gilbert, onderzoeker is bij de Bell Labs-divisie van het bedrijf. Het interview is aangepast voor lengte en duidelijkheid.
Toen ik opgroeide, was ik erg naïef wat is AT&T.
Wat ik over dit bedrijf weet, komt vanuit het perspectief van mijn vader, die in spraakherkenning werkt. Hij werkte samen met mensen als Yann LeCun, die het vermogen 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 vormt de basis van wat ik vandaag doe met generatieve AI. Alles wat ik hier bouw heeft dezelfde basis waar hij aan werkt: convolutionele neurale netwerken, waarmee computers input zoals beeld en geluid kunnen verwerken. Het is echt gaaf om te zien hoe die basis zich heeft ontwikkeld.
Natalie Gilbert en haar vader, Mazin Gilbert. AT&T
Hun eerste ontdekking stelt ons in staat om met AI-agenten te werken en ze autonomer te maken.
Als kind was ik bijna 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.
Dit inspireerde me om mijn eigen beslisbomen te gaan tekenen en andere dingen die echt nergens op sloegen, maar de ervaring leerde me creatief en analytisch te zijn.
Een van de zijprojecten 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 whiteboards tot coderen en meer
Wat ik doe met AI-agenten komt eigenlijk neer op een reeks beslissingsbomen die uitleggen hoe je van punt A naar punt B komt. is iets dat ik al vroeg leerde met mijn vader.
Er zijn veel menselijke interacties die steeds belangrijker worden in de ontwikkeling van AI-technologie.
In de AT&T-hoofdgegevensfunctionariswe werken aan projecten die de manier veranderen waarop mensen denken over het gebruik van HR-technologie binnen het bedrijf. We elimineren in wezen de vraag waar we terecht kunnen om HR-problemen op te lossen door het hebben van Identificeer AI-agenten beleid of procedures die relevant zijn voor de situatie van een persoon. Dat is geen kleinigheid in een organisatie die zo groot en complex is als AT&T.
Natalie Gilbert met collega’s bij AT&T. AT&T
In mijn werk gebruik ik een codeercopiloot, of digitale assistent, waardoor ik sneller kan werken, maar mensen die AI-tools ontwikkelen moeten nog steeds de onderliggende technologie van LLM’s en machine learning-modellen begrijpen.
Nieuwe AI-tools zijn ongelooflijk krachtig, maar ze kunnen niet alles
Zoals dit copiloten worden steeds populairdermensen kunnen in de problemen komen als ze niet begrijpen hoe de technologie fundamenteel werkt.
Als u bijvoorbeeld niet weet hoe de code daadwerkelijk omgaat met edge case-scenario’s, is uw AI-tool nutteloos.
Tegelijkertijd voelt het alsof mensen elke twee maanden iets nieuws moeten leren.
Wat ik zie veranderen bij grote taalmodellen is dat ze zich meer richten op natuurlijke taal dan op code. Dat betekent dat ik het grootste deel van mijn tijd besteed aan snelle engineering, wat helemaal geen coderen is; Hij natuurlijke taal gebruiken zodat machines ons begrijpen.
Hoe ironisch, want dit is een andere vorm van wat mijn vader dertig jaar geleden deed.
AI is tijdens mijn leven drastisch veranderd, en nu heb ik het gevoel dat ik hem vertegenwoordig en zijn nalatenschap vertegenwoordig. Het voortzetten van het werk dat hij doet voelt surrealistisch.
