ChatGPT, de stagiair die je laat betalen om het te trainen
Wanneer de gebruiker de gratis motor wordt van een betaalde kunstmatige intelligentie: een analyse van een smakelijke technologische paradox.
De paradox van de eeuw: je betaalt om te werken
Er was een tijd dat het leren van een ambacht betekende dat je moest betalen voor school of betaald moest worden door een werkgever. In 2024 is de wereld verschoven naar een creatievere dimensie: je betaalt een maandelijks abonnement (vaak $20) voor het immense voorrecht om de algoritmen van morgen gratis te trainen. Welkom in het tijdperk van indirecte training, waarin de gebruiker tegelijkertijd de klant, de trainer en het proefkonijn is.
De vicieuze cirkel van "RLHF"
Achter dit barbaarse acroniem, Reinforcement Learning from Human Feedback, schuilt een nogal komische realiteit. Elke keer dat je een absurde reactie van je favoriete LLM corrigeert, op de duim omhoog klikt of een vraag herformuleert om een fatsoenlijk resultaat te krijgen, poets je de neurale circuits van de machine op.
Je gebruikt niet zomaar een tool; je voert onbetaalde kwaliteitscontrole uit. Stel je voor dat je een restaurant binnenloopt, 20 euro betaalt voor je maaltijd, en vervolgens een uur in de keuken doorbrengt om de chef te leren hoe hij een biefstuk moet koken zonder hem te verbranden. Dat is precies wat we dagelijks doen met onze AI-assistenten.
Waarom accepteren we deze vrijwillige dienstbaarheid?
Het antwoord ligt in twee woorden: onmiddellijke efficiëntie. We zijn zo gefascineerd door het vermogen van de machine om e-mails of code te schrijven dat we het onderliggende bedrijfsmodel vergeten. Door de AI te corrigeren, helpen we deze om prestatiegerichter te worden voor de volgende gebruiker. Het is een vorm van gedwongen digitale solidariteit: je werkt gratis zodat de software beter wordt voor iedereen, inclusief je toekomstige concurrenten.
De drie pijlers van je technologische "vrijwilligerswerk":
- Foutcorrectie: Elke "Opnieuw genereren" is een signaal naar ontwikkelaars dat het model heeft gefaald.
- Data-curatie: Door een relevante reactie te valideren, bevestig je dat het gewicht van deze informatie moet worden verhoogd in toekomstige training.
- Labeling: Je complexe prompts dienen als trainingsgegevens voor toekomstige versies van het model, die deze vragen vervolgens zonder jouw hulp kunnen beantwoorden.
Op weg naar een ontwaken?
Moeten we hier verontwaardigd over zijn? Niet noodzakelijk. We gebruiken deze tools immers om kostbare tijd te besparen. Maar het is gezond om in gedachten te houden dat de waarde van een AI niet alleen ligt in zijn softwarearchitectuur, maar ook in de kolossale hoeveelheid gegevens en menselijke feedback die het binnenkrijgt. Op de dag dat de AI perfect is, heeft hij ons niet meer nodig. Tot die tijd, geniet van je rol als vrijwillige leraar: het is ongetwijfeld een van de zeldzame momenten in de geschiedenis waarop de werknemer betaalt om het recht te hebben om uitgebuit te worden.
De volgende keer dat je een feitelijke fout van je AI-assistent corrigeert, onthoud dan dat je niet met een machine aan het "chatten" bent. Je maakt zijn huiswerk voor hem, terwijl je ook nog eens voor zijn lunch betaalt.