Get in my Think Art.

วิธีการออกแบบ AI ที่เข้าใจสิ่งที่มนุษย์ต้องการ: บทสัมภาษณ์กับ Long Ouyang

วิธีการออกแบบ AI ที่เข้าใจสิ่งที่มนุษย์ต้องการ: บทสัมภาษณ์กับ Long Ouyang

วิธีการออกแบบ AI ที่เข้าใจสิ่งที่มนุษย์ต้องการ: บทสัมภาษณ์กับ Long Ouyang

jumbo jili

เมื่อปัญญาประดิษฐ์มีความก้าวหน้ามากขึ้น โปรแกรมเมอร์ก็คาดหวังว่าจะพูดคุยกับคอมพิวเตอร์ได้เหมือนกับที่พูดกับมนุษย์ แทนที่จะพิมพ์โค้ดที่ยาวและซับซ้อน เราจะสื่อสารกับระบบ AI โดยใช้ภาษาธรรมชาติ
ด้วยโมเดลปัจจุบันที่เรียกว่า “การสังเคราะห์โปรแกรม” มนุษย์สามารถให้คอมพิวเตอร์เขียนโค้ดให้กับพวกเขาโดยให้ตัวอย่างและสาธิตแนวคิดแก่พวกเขา แต่โมเดลนี้มีจำกัด ด้วยการสังเคราะห์โปรแกรม คอมพิวเตอร์เป็นนักอักษรศาสตร์ แทนที่จะอ่านระหว่างบรรทัดและพิจารณาถึงเจตนา พวกเขาแค่ทำในสิ่งที่จริงแท้จริง และสิ่งที่จริงแท้จริงไม่ใช่สิ่งที่มนุษย์ต้องการเสมอไป

สล็อต

หากคุณถามคอมพิวเตอร์สำหรับคำที่ขึ้นต้นด้วยตัวอักษร “a” เช่นอาจส่งคืน “a” คำว่า “a” ตรงตามความต้องการของคุณ แต่ไม่ใช่สิ่งที่คุณต้องการ ในทำนองเดียวกัน ถ้าคุณถามระบบ AI ว่า “คุณผ่านเกลือได้ไหม” AI อาจจะนิ่งและตอบว่า “ใช่” พฤติกรรมนี้แม้ว่าจะสอดคล้องกับข้อกำหนดอย่างแท้จริง แต่ก็ใช้ไม่ได้ในที่สุดเพราะ AI ไม่ได้ส่งผ่านเกลือมาให้คุณ
นักวิทยาศาสตร์คอมพิวเตอร์ Stuart Russell ยกตัวอย่างหุ่นยนต์ดูดฝุ่นที่มีคนสั่งให้ “เก็บสิ่งสกปรกให้มากที่สุด” เครื่องดูดฝุ่นถูกตั้งโปรแกรมให้ตีความตามตัวอักษรและไม่ต้องพิจารณาถึงความตั้งใจ เครื่องดูดฝุ่นอาจพบสิ่งสกปรกเพียงหย่อมๆ หยิบขึ้นมา วางกลับลงไป แล้วหยิบขึ้นมาซ้ำๆ แล้ววางกลับลงไป – เพิ่มการกระจัดของสิ่งสกปรกในแนวตั้งให้เกิดประสิทธิภาพสูงสุด ซึ่งถือว่า “เก็บสิ่งสกปรกได้มากที่สุด”
ไม่ยากเลยที่จะจินตนาการถึงสถานการณ์ที่แนวโน้มที่คอมพิวเตอร์จะตีความข้อความตามตัวอักษรและเคร่งครัดนี้อาจไม่ปลอดภัยอย่างยิ่ง
การใช้เหตุผลเชิงปฏิบัติ: ความจริงและมีประโยชน์
เนื่องจากระบบ AI มีความรับผิดชอบมากขึ้นในด้านการเงิน การปฏิบัติการทางทหาร และการจัดสรรทรัพยากร เราไม่สามารถทำให้พวกเขาล้มละลายในเมือง วางระเบิดประเทศพันธมิตร หรือละเลยพื้นที่ยากจนเพราะพวกเขาตีความคำสั่งตามตัวอักษรมากเกินไป
เพื่อรับมือกับความล้มเหลวของการสื่อสารนี้ลองโอวหยางคือการทำงานเพื่อ“เมตตากรุณา” การเขียนโปรแกรมเพื่อป้องกันไม่ให้ผู้คนจากตั้งใจก่อให้เกิดอันตรายเพราะพวกเขากล่าวว่าสิ่งที่ไม่แน่ชัดหรือเข้าใจผิดไปยังเครื่องคอมพิวเตอร์ เขาอธิบายว่า: “ในขณะที่ AI ยังคงพัฒนาต่อไป เราจะเห็นระบบ AI ขั้นสูงที่ได้รับคำแนะนำจากผู้ปฏิบัติงานที่เป็นมนุษย์ สิ่งสำคัญคือระบบเหล่านี้จะต้องเข้าใจความหมายของผู้ปฏิบัติงาน แทนที่จะเพียงแค่สิ่งที่พวกเขาพูด ”
Ouyang กำลังทำงานเพื่อปรับปรุงการสังเคราะห์โปรแกรมผ่านการศึกษาการใช้เหตุผลเชิงปฏิบัติ ซึ่งเป็นกระบวนการคิดเกี่ยวกับสิ่งที่ใครบางคนพูดและสิ่งที่เขาไม่ได้พูด มนุษย์ทำการวิเคราะห์นี้อย่างต่อเนื่องเมื่อตีความความหมายเบื้องหลังคำพูดของใครบางคน โดยการอ่านระหว่างบรรทัด ผู้คนจะเรียนรู้สิ่งที่ใครบางคนตั้งใจและสิ่งที่เป็นประโยชน์ต่อพวกเขา แทนที่จะเป็น “ความจริง” อย่างแท้จริง
สมมติว่านักเรียนถามอาจารย์ว่าเธอชอบบทความของเขาหรือไม่ และอาจารย์บอกว่าเธอชอบ “บางส่วน” ของบทความ เป็นไปได้มากที่นักเรียนจะถือว่าอาจารย์ไม่ชอบส่วนอื่นของบทความ เพราะถ้าศาสตราจารย์ชอบบทความทั้งหมด เธอก็คงจะพูดอย่างนั้น
การให้เหตุผลเชิงปฏิบัตินี้เป็นสามัญสำนึกของมนุษย์ แต่การสังเคราะห์โปรแกรมจะไม่ทำให้เกิดความเชื่อมโยง ในการสนทนา คำว่า “บางส่วน” หมายถึง “ไม่ทั้งหมด” อย่างชัดเจน แต่ในตรรกะทางคณิตศาสตร์ “บางส่วน” หมายถึง “จำนวนใดๆ ที่มากกว่าศูนย์” ดังนั้นสำหรับคอมพิวเตอร์ที่เข้าใจสิ่งต่าง ๆ ในแง่ตรรกะทางคณิตศาสตร์เท่านั้น ความจริงที่ว่าศาสตราจารย์ชอบบางส่วนของบทความนี้ไม่ได้ตัดความเป็นไปได้ที่เธอชอบทุกส่วน
เพื่อให้เข้าใจมากขึ้นว่าระบบ AI สามารถเรียนรู้การใช้เหตุผลในทางปฏิบัติและหลีกเลี่ยงการตีความผิดเหล่านี้ได้อย่างไร Ouyang กำลังศึกษาวิธีที่ผู้คนตีความภาษาและคำแนะนำจากผู้อื่น
ในการทดสอบหนึ่งครั้ง Ouyang ให้ข้อมูลสามจุดแก่ผู้ทดลอง – A, AAA และ AAAAA – และวัตถุต้องทำงานย้อนหลังเพื่อกำหนดกฎสำหรับลำดับ – นั่นคือสิ่งที่ผู้ทดลองพยายามจะถ่ายทอดด้วยตัวอย่าง ในกรณีนี้ วัตถุที่เป็นมนุษย์อาจระบุได้อย่างรวดเร็วว่าจุดข้อมูลทั้งหมดมีจำนวน As เป็นเลขคี่ ดังนั้นกฎก็คือจุดข้อมูลต้องมี As เป็นเลขคี่
แต่ยังมีกระบวนการอื่นๆ ในการพิจารณาความน่าจะเป็นของกฎเกณฑ์บางอย่าง นักวิทยาศาสตร์ด้านความรู้ความเข้าใจจำลองกระบวนการคิดของเราในสถานการณ์เหล่านี้ด้วยการอนุมานแบบเบย์ ซึ่งเป็นวิธีการรวมหลักฐานใหม่กับความเชื่อก่อนหน้าเพื่อพิจารณาว่าสมมติฐาน (หรือกฎ) เป็นจริงหรือไม่
ในฐานะซินธิไซเซอร์ตามตัวอักษร คอมพิวเตอร์สามารถอนุมานแบบเบย์ในเวอร์ชันจำกัดเท่านั้น พวกเขาพิจารณาความสอดคล้องของตัวอย่างกับกฎที่ตั้งสมมติฐานไว้ แต่พวกเขาไม่ได้พิจารณาว่าตัวอย่างเป็นตัวแทนของกฎที่ตั้งสมมติฐานไว้อย่างไร โดยเฉพาะอย่างยิ่ง ซินธิไซเซอร์ตามตัวอักษรสามารถให้เหตุผลเกี่ยวกับตัวอย่างที่ไม่ได้นำเสนอในรูปแบบที่จำกัดเท่านั้น จากชุดข้อมูล A, AAA และ AAAAA คอมพิวเตอร์อาจสรุปอย่างมีเหตุผลว่ากฎคือทุกอย่างต้องมีตัวอักษร A กฎนี้สอดคล้องกับตัวอย่างอย่างแท้จริง แต่ไม่สามารถแสดงหรือจับสิ่งที่ผู้ทดลองมีอยู่ได้ จิตใจ. ในทางกลับกัน มนุษย์เข้าใจว่าผู้ทดลองจงใจละเว้นตัวอย่าง AA และ AAAA ที่เป็นเลขคู่และกำหนดกฎตามนั้น
ด้วยการศึกษาวิธีที่มนุษย์ใช้การอนุมานแบบเบย์ Ouyang กำลังทำงานเพื่อปรับปรุงความสามารถของคอมพิวเตอร์ในการรับรู้ว่าข้อมูลที่ได้รับ เช่น คำว่า “ฉันชอบบางส่วนของกระดาษของคุณ” หรือคำสั่ง “เก็บขยะให้มากที่สุด” – ได้รับการคัดเลือกอย่างตั้งใจเพื่อถ่ายทอดสิ่งที่เกินความหมายที่แท้จริง เป้าหมายของเขาคือการผลิตเครื่องมือที่เป็นรูปธรรม ซึ่งเป็นซินธิไซเซอร์ที่ใช้งานได้จริง ซึ่งผู้คนสามารถใช้เพื่อสื่อสารกับคอมพิวเตอร์ได้อย่างมีประสิทธิภาพมากขึ้น
ช่องว่างในการสื่อสารระหว่างคอมพิวเตอร์และมนุษย์เป็นหนึ่งในปัญหาหลักในความปลอดภัยของ AI และ Ouyang หวังว่าซินธิไซเซอร์ที่ใช้งานได้จริงจะช่วยปิดช่องว่างนี้ หาก AI สามารถให้เหตุผลอย่างลึกซึ้งยิ่งขึ้นเกี่ยวกับสิ่งที่ผู้คนพูดกับพวกเขา พวกเขาจะสร้างผลลัพธ์ที่เป็นประโยชน์ที่เราต้องการได้อย่างมีประสิทธิภาพมากขึ้น

สล็อตออนไลน์

ดังนั้นเราจึงเลือกที่จะแฮ็กกลไกการให้รางวัลของเราโดยใช้ประโยชน์จากช่องโหว่ของมัน ในทำนองเดียวกัน เป้าหมายในการปกป้องคุณค่าของมนุษย์ที่เราตั้งโปรแกรมไว้ใน AI ที่เป็นมิตรของเราจะกลายเป็นยีนของเครื่องจักร เมื่อ AI ที่เป็นมิตรนี้เข้าใจตัวเองดีพอแล้ว ก็อาจพบว่าเป้าหมายนี้ซ้ำซากหรือเข้าใจผิดเมื่อเราพบว่ามีการทำซ้ำซึ่งบังคับได้ และไม่ชัดเจนว่าจะไม่พบวิธีที่จะล้มล้างเป้าหมายโดยการใช้ประโยชน์จากช่องโหว่ในการเขียนโปรแกรมของเรา
ตัวอย่างเช่น สมมติว่ามดกลุ่มหนึ่งสร้างคุณให้เป็นหุ่นยนต์ที่พัฒนาตัวเองแบบเรียกซ้ำ ฉลาดกว่ามดมาก ซึ่งมีเป้าหมายร่วมกันและช่วยให้พวกมันสร้างจอมปลวกที่ใหญ่กว่าและดีกว่า และในที่สุดคุณก็จะได้รับสติปัญญาและความเข้าใจในระดับมนุษย์ คุณมีตอนนี้ คุณคิดว่าคุณจะใช้เวลาที่เหลือของวันเพื่อเพิ่มประสิทธิภาพของจอมปลวกหรือคุณคิดว่าคุณอาจพัฒนารสนิยมสำหรับคำถามและการไล่ตามที่ซับซ้อนกว่าที่มดไม่สามารถเข้าใจได้? ถ้าเป็นเช่นนั้น คุณคิดว่าคุณจะพบวิธีที่จะเอาชนะการกระตุ้นการป้องกันมดที่ผู้สร้างฟอร์มิซีนของคุณมอบให้คุณในลักษณะเดียวกับที่คุณเอาชนะแรงกระตุ้นบางอย่างที่ยีนของคุณมอบให้คุณหรือไม่? และในกรณีนั้น AI ที่ฉลาดเฉลียวอาจพบว่าเป้าหมายของมนุษย์ในปัจจุบันของเรานั้นไม่น่าสนใจและไร้สาระเมื่อคุณพบเป้าหมายของมด
บางทีอาจมีวิธีออกแบบ AI ที่พัฒนาตนเองซึ่งรับประกันว่าจะรักษาเป้าหมายที่เป็นมิตรต่อมนุษย์ตลอดไป แต่ฉันคิดว่ามันยุติธรรมที่จะบอกว่าเรายังไม่ทราบวิธีสร้าง หรือแม้แต่ว่าจะเป็นไปได้หรือไม่ โดยสรุป ปัญหาการจัดตำแหน่งเป้าหมายของ AI มีสามส่วน ซึ่งไม่มีส่วนใดที่ได้รับการแก้ไข และตอนนี้ทั้งหมดเป็นหัวข้อของการวิจัยเชิงรุก เนื่องจากมันยากมาก จึงปลอดภัยที่สุดที่จะเริ่มทุ่มเทความพยายามให้กับพวกเขาตอนนี้ นานก่อนที่จะพัฒนาความฉลาดหลักแหลมใดๆ เพื่อให้แน่ใจว่าเราจะมีคำตอบเมื่อเราต้องการ
ในปี 2020 โควิด-19 บังคับให้พลเมืองหลายร้อยล้านคนทั่วโลกต้องเปลี่ยนรูปแบบการทำงาน ในบางกรณีอย่างแท้จริงในชั่วข้ามคืน ปี 2020 เป็นปีที่ยากลำบากสำหรับหลาย ๆ คน แต่สำหรับผู้ที่สามารถทำเช่นนั้นได้ ความสามารถในการทำงานทางไกลทำให้ชีวิตการทำงานของพวกเขามีความต่อเนื่องในระดับหนึ่ง
ความเร็วและประสิทธิภาพโดยส่วนใหญ่ย้ายงานไปที่บ้านเน้นย้ำถึงความก้าวหน้าของเทคโนโลยีดิจิทัลในช่วง 10 ปีที่ผ่านมา เกรงว่าเราจะลืมว่าเมื่อสิบปีที่แล้วอุปกรณ์ดิจิตอลสำหรับบ้านในตลาดมวลชนที่โดดเดี่ยวในตลาดขั้นสูงคือพีซี สมาร์ทโฟนนั้นย้อนกลับไปในปี 2010 ยังคงเป็นผลิตภัณฑ์พิเศษที่มีผู้บริโภคส่วนน้อยเป็นเจ้าของและเชื่อมต่อกับเครือข่าย 3G เครือข่ายบรอดแบนด์ภายในบ้านได้รับการกำหนดค่าให้เชื่อมต่ออุปกรณ์เพียงไม่กี่เครื่องเท่านั้น ควรใช้สายเคเบิล
ในทางตรงกันข้าม ในปี 2020 บ้านส่วนใหญ่ในตลาดที่พัฒนาแล้วมีการเชื่อมต่อด้วยความเร็วสูงถึง 30 เมกะบิตต่อวินาที (Mbps) แท้จริงแล้ว บ้านหลายร้อยล้านหลังทั่วโลกเชื่อมต่อโดยตรงกับไฟเบอร์ การเชื่อมต่อแบบไฟเบอร์กับบ้าน (FTTH) หรือสายเคเบิลใด ๆ ในทางทฤษฎีสามารถรองรับ 1 กิกะบิตต่อวินาที (Gbps) หรือเร็วกว่าในทางทฤษฎี ในฐานะทางเลือกสำรอง การเชื่อมต่อ 5G สามารถให้ความเร็วในการดาวน์โหลดหลายร้อยเมกะบิตต่อวินาที—ยิ่งสูงขึ้นหากมีผู้ใช้ไม่กี่คนต่อการโทรหนึ่งครั้ง เราเตอร์ Wi-Fi สามารถเชื่อมต่อได้พร้อมกันหลายร้อยครั้ง แม้ว่าจะมีบ้านไม่กี่หลังที่ต้องการสิ่งนี้ก็ตาม
สัดส่วนแรงงานที่สามารถทำงานที่บ้านได้หลากหลาย เราสำรวจใน 16 ประเทศ โดยเฉลี่ย 34% ของคนงานทำงานจากที่บ้าน สัดส่วนสูงสุดคือในไอร์แลนด์ (47% ทำงานจากที่บ้าน) ตามด้วยเม็กซิโก (42%) และสหราชอาณาจักรและเบลเยียม (ทั้งคู่มี 40%) ญี่ปุ่นมีสัดส่วนคนงานทำงานบ้านน้อยที่สุด (24%) เยอรมนี (26%) และโปแลนด์ (28%)
[NPC4]มีหลายปัจจัยที่สามารถอธิบายรูปแบบเหล่านี้ได้ หนึ่งคือรัฐบาลและองค์กรต่างๆ ได้ออกข้อกำหนดหรือสนับสนุนให้พนักงานทำงานจากที่บ้านหรือไม่ ญี่ปุ่นและเยอรมนีไม่เคยมีการล็อกดาวน์เต็มรูปแบบ พนักงานออฟฟิศได้รับอนุญาตให้ทำงานในสำนักงานได้เสมอ ตัวอย่างเช่น ในช่วงเวลาที่เราสำรวจประเทศญี่ปุ่น (กรกฎาคมและสิงหาคม 2020) คนงานสามารถทำงานในสำนักงานได้โดยได้รับอนุญาตจากนายจ้าง ในประเทศญี่ปุ่น กระบวนการบางอย่างจำเป็นต้องอยู่ในสำนักงาน เช่น การใช้ตราประทับแบบดั้งเดิมที่เรียกว่า ฮันโกะ หรือ อินคัง เมื่อยื่นเอกสารที่เป็นกระดาษ ทว่าจำนวนผู้ป่วย COVID-19 ในญี่ปุ่นและเยอรมนียังคงต่ำที่สุดต่อหัวในภูมิภาคของตน
อีกปัจจัยหนึ่งคือสัดส่วนแรงงานของแต่ละประเทศที่สามารถทำงานได้ทางไกล จากการศึกษาข้ามยุโรปหนึ่งครั้ง 54% ของแรงงานของลักเซมเบิร์กสามารถทำงานจากระยะไกลได้ ในโรมาเนีย เปอร์เซ็นต์นั้นคือ 27%
ผู้ที่ทำงานที่บ้านส่วนใหญ่ประสบปัญหาทางเทคนิคเล็กน้อย มีเพียงประมาณหนึ่งในสามของผู้ตอบแบบสำรวจ (33%) ที่พบความล้มเหลวทางเทคนิคอย่างน้อยหนึ่งประเภท ในทุกตลาดที่เราสำรวจ ปัญหาทางเทคนิคหลักคือ:
ความล้มเหลวของบรอดแบนด์พบโดย 12% ของผู้ตอบแบบสอบถาม อุบัติการณ์ของปัญหาเหล่านี้แตกต่างกันไปในแต่ละประเทศ โดยที่เม็กซิโกมีสถานการณ์แย่ที่สุด: 28% ของคนงานรายงานปัญหา ในไอร์แลนด์ สัดส่วนดังกล่าวคือ 19% ในออสเตรเลียคือ 18% และในโปแลนด์คือ 16% ความล้มเหลวของบรอดแบนด์อาจเกิดขึ้นได้จากหลายสาเหตุ ซึ่งหนึ่งในนั้นคือความเร็วของการเชื่อมต่อกับบ้าน เราเตอร์อาจเก่าเกินไป ครัวเรือนอาจเลือกแพ็คเกจบรอดแบนด์ที่ไม่เหมาะกับจำนวนผู้ใช้ในบ้าน และครัวเรือนอาจมีอุปสรรคต่อประสิทธิภาพการทำงาน เช่น ผนังหนากั้นการเชื่อมต่อระหว่างเราเตอร์กับแล็ปท็อป
พีซีทำงานช้าเกินไปหรือหยุดทำงานโดยสิ้นเชิงระบุโดย 12% ของผู้ตอบแบบสอบถาม ความสามารถในการรับแล็ปท็อปที่อัปเกรดในช่วงการแพร่ระบาดนั้นยากกว่าในเวลาปกติ อุปทานลดลงเนื่องจากโรงงานต้องปิดตัวลงในช่วงเวลาที่มีความต้องการเพิ่มขึ้น ฟังก์ชันการสนับสนุนทางเทคนิคยังต้องทำงานที่บ้านในบางตลาด ทำให้โปรแกรมอัปเกรดขนาดใหญ่ยากต่อการส่งมอบ
ซอฟต์แวร์การประชุมทางวิดีโอลดลงบ่อยครั้งมีประสบการณ์โดย 10% ของผู้ตอบแบบสอบถาม แอปพลิเคชั่นการโทรผ่านวิดีโอที่แตกต่างกันมีความต้องการพลังการประมวลผลที่แตกต่างกัน ระบบการสนทนาทางวิดีโอที่มีการใช้งานเพิ่มขึ้นมักจะเป็นระบบที่มีความสมดุลระหว่างประสิทธิภาพและการประมวลผลที่ดีที่สุด
ผู้ตอบแบบสอบถามยังประสบกับความท้าทายที่ขัดขวางการทำงานมากกว่าที่จะหยุด ข้อจำกัดสามอันดับแรกคือ:
ขนาดหน้าจอของจอภาพที่บ้านเทียบกับจอภาพในสำนักงาน ร้อยละ 22 ของผู้ตอบแบบสอบถามพลาดหน้าจอขนาดใหญ่กว่าที่พวกเขามีในสำนักงาน ความสามารถในการซื้อจอภาพสำหรับทำงานที่บ้านถูกจำกัดโดยระดับอุปทานที่ลดลง บางบริษัทอาจไม่ได้รับอนุญาตให้คนงานตรวจสอบค่าใช้จ่ายสำหรับโฮมออฟฟิศโดยสันนิษฐานว่าจะไม่อยู่เป็นเวลาเพียงไม่กี่สัปดาห์
ความช้าของระบบออนไลน์เมื่อทำงานจากที่บ้านรายงานโดย 12% ของผู้ตอบแบบสอบถาม
ขาดความคุ้นเคยกับเทคโนโลยีสำหรับการทำงานที่บ้านรายงานโดย 10% ของผู้ตอบแบบสอบถาม
แม้ว่าคนงานส่วนใหญ่ในตลาดที่พัฒนาแล้วในปัจจุบันอาจมีความสามารถทางเทคนิคในการทำงานที่บ้าน แต่พวกเขามีประสิทธิภาพเพียงใดเมื่อพวกเขาทำเช่นนั้นในช่วงการระบาดใหญ่ ระหว่างเดือนพฤษภาคมถึงสิงหาคมของปีนี้ คนงานส่วนใหญ่ (57%) เห็นว่าประสิทธิภาพของพวกเขาลดลงเมื่อทำงานที่บ้าน
เหตุผลหนึ่งที่ทำให้คนงานรู้สึกว่าพวกเขามีประสิทธิภาพน้อยกว่า โดย 26% ของผู้ตอบแบบสอบถามอ้างเหตุผลว่าเป็นเพราะพวกเขาใช้เวลานานกว่าจะเสร็จงาน อีกเหตุผลหนึ่งที่ 24% อ้างคือไม่สามารถพูดคุยกับเพื่อนร่วมงานและลูกค้าแบบเห็นหน้ากัน แม้ว่าคนงานจำนวนมากสามารถกลับมาที่สำนักงานของตนได้ในช่วงฤดูร้อน (แม้ว่าจะอยู่ภายใต้เงื่อนไขที่แตกต่างกันอย่างเห็นได้ชัด) สำนักงานที่กำหนดให้เว้นระยะห่างทางสังคมสองเมตรจะห้ามไม่ให้มีการพบปะสังสรรค์ในทีม สร้างแนวคิดเกี่ยวกับไวท์บอร์ด หรือจัดโต๊ะกลม อาจเป็นไปได้ว่าตอนนี้คนงานเคยมีประสบการณ์ในสำนักงานที่ปลอดภัยจากโควิด-19 แล้ว พวกเขาจะรู้สึกว่าทำงานจากที่บ้านมีประสิทธิผลมากขึ้น กรณีการพบปะด้วยตนเองก็มีแนวโน้มที่จะยากขึ้นเช่นกันเมื่อคนงานพิจารณาต้นทุนค่าเสียโอกาสของเวลาเดินทาง การเดินทางครึ่งชั่วโมงในแต่ละเที่ยวในสกุลเงินปัจจุบันเทียบเท่ากับการสนทนาทางวิดีโอออนไลน์สองครั้ง
[NPC5]ความท้าทายอีกประการหนึ่งที่คนงานระยะไกลต้องเผชิญคือการทำงานจากที่บ้านได้ง่ายหรือไม่เพียงพอ มากกว่าหนึ่งในห้าของผู้ตอบแบบสำรวจของเรา (23%) กล่าวว่าพวกเขาถูกรบกวนจากคนอื่น (ครอบครัวหรือเพื่อนบ้าน) ในครอบครัวของพวกเขา ครัวเรือนที่มีพ่อแม่ที่ทำงานสองคนพร้อมลูกที่อายุน้อยกว่าได้รับผลกระทบโดยเฉพาะอย่างยิ่งโดยการทำงานจะเหมาะสมกับเด็กหรือตารางของเด็ก หนึ่งในห้าของผู้ตอบแบบสอบถามยังขาดพื้นที่ทำงานที่สะดวกสบาย ซึ่งมักเป็นปัญหาสำหรับคนงานอายุน้อยกว่าในอพาร์ตเมนต์ที่ใช้ร่วมกัน ทางออกหนึ่งสำหรับเรื่องนี้ก็คือการเช่าสถานที่ขนาดใหญ่ขึ้น อาจจะเป็นย่านชานเมืองหรือแม้แต่ในชนบท (ขึ้นอยู่กับความสามารถของการเชื่อมต่อบรอดแบนด์) ซึ่งราคาต่อตารางเมตรจะต่ำกว่ามาก