EXPLORINEER
vi

Lưu trữ — US — techcrunch

OpenAI khẳng định GPT-5 ngang tài ngang sức với con người trong nhiều lĩnh vực công việc

OpenAI đã phát hành GDPval, một bài kiểm tra đánh giá khả năng hoạt động của GPT-5 và Claude Opus 4.1 của Anthropic so với các chuyên gia con người. Trong đó, GPT-5 thực hiện tương đương trong 40,6% công việc, cho thấy sự cải thiện của trí tuệ nhân tạo. Tuy nhiên, GDPval hiện tại chỉ bao gồm các nhiệm vụ hạn chế. OpenAI nhận thấy tiềm năng của trí tuệ nhân tạo có thể hỗ trợ các chuyên gia trong các công việc có giá trị cao, nhưng cũng nhận thức về việc cần thiết phải tiến hành thử nghiệm toàn diện hơn để đo lường hiệu quả trong các ứng dụng thực tế.

Điểm chính

  • OpenAI giới thiệu chỉ số GDPval để so sánh hiệu suất trí tuệ nhân tạo (GPT-5, Claude Opus 4.1) với các chuyên gia con người trong chín ngành công nghiệp chính ở Mỹ.
  • GPT-5 đã thể hiện tỷ lệ chiến thắng là 40.6% so với chuyên gia ngành, trong khi Claude Opus 4.1 đạt được 49%.
  • Kiểm tra GDPval chủ yếu liên quan đến việc tạo ra bản báo cáo, đây chỉ là một phần nhỏ của các nhiệm vụ chuyên môn.
  • OpenAI thừa nhận rằng các bài kiểm tra hiện tại chưa bao phủ toàn bộ phạm vi công việc của con người.
  • Kế hoạch cho việc kiểm tra rộng lớn hơn trong tương lai để bao gồm một loạt các ngành nghề và nhiệm vụ đang được triển khai.

Vì sao quan trọng

  • Các cuộc thảo luận hiện nay xoay quanh vai trò của trí tuệ nhân tạo (AI) trong lực lượng lao động, đặc biệt là dự đoán về việc AI sẽ thay thế một số ngành nghề cụ thể.
  • Sự ra mắt của GDPval phản ánh nhu cầu của ngành công nghiệp về các chỉ số mạnh mẽ khi các công nghệ AI áp dụng các chức năng phức tạp hơn trong thế giới thực.
  • Khi chúng ta đến gần năm 2025, xu hướng cho thấy sự đẩy mạnh để các mô hình AI tích hợp vào các lĩnh vực khác nhau một cách mượt mà, ảnh hưởng đến vai trò công việc và kỹ năng cần thiết.

GDPval của OpenAI đã tiết lộ những tiến bộ đầy hứa hẹn trong lĩnh vực Trí tuệ Nhân tạo, tuy nhiên phạm vi nhiệm vụ hạn chế đã làm nổi bật sự phức tạp của các ứng dụng trong thực tế. Đồng thời, việc đánh giá mở rộng hơn là cần thiết để hoàn chỉnh quá trình đánh giá tiềm năng của Trí tuệ Nhân tạo trong môi trường làm việc.