Test Turinga

Czym jest test Turinga i jak działa?

‍Test Turinga to test sztucznej inteligencji, który sprawdza, czy komputer potrafi przekonać człowieka, że jest człowiekiem podczas rozmowy na czacie. Człowiek ma za zadanie ocenić, czy rozmawia z innym człowiekiem, czy z komputerem. Jeśli uzna, że rozmawia z człowiekiem, a w rzeczywistości rozmawia z komputerem, komputer zdaje test Turinga.

W gruncie rzeczy jest to test sprawdzający, czy komputer potrafi tak dobrze naśladować człowieka, by oszukać człowieka, że rozmawia z drugim człowiekiem. Oczywiście, ten test ma wiele niuansów.

Jaki jest cel testu Turinga?

To może wydawać się oczywiste: sprawdzić, czy maszyna potrafi przekonująco naśladować człowieka w rozmowie. Jednak kryje się za tym coś więcej.

Czy sprawdzamy, czy maszyna naprawdę potrafi naśladować człowieka pod względem myślenia lub inteligencji, czy tylko czy potrafi oszukać człowieka, by uwierzył, że rozmawia z innym człowiekiem? To jest różnica.

Naśladowanie ludzi pod względem myślenia lub inteligencji to właśnie to, co większość osób ma na myśli, mówiąc o teście Turinga – że człowiek naprawdę nie jest w stanie odróżnić rozmowy z człowiekiem od rozmowy z maszyną. Jednak pierwotnie test ten nie był tak pomyślany, ponieważ „oszukiwanie” ludzi było dozwolone. Na przykład robienie literówek mogło być sposobem, w jaki komputer mógłby przekonać człowieka, że jest człowiekiem, bo maszyna nigdy nie popełniłaby błędu ortograficznego.

Podstawowy problem polega na tym, że każdy test ma swoje zasady i przez to jest w pewien sposób niedoskonały. Na przykład długość rozmowy ma znaczenie – łatwiej naśladować człowieka przez 5 minut niż przez sto godzin. Triki mogą zadziałać w krótkiej rozmowie, ale nie w długiej.

Czy ma znaczenie, kto przeprowadza test Turinga?

Naukowiec, który potrafi rozpoznać różnice między maszyną a człowiekiem, będzie trudniejszy do oszukania niż przypadkowa osoba – nie tylko ze względu na umiejętność oceny odpowiedzi, ale też wiedzę, jakie pytania zadawać.

Nawet jeśli komputer osiągnie poziom „myślenia” i inteligencji człowieka, to może nie wystarczyć, by oszukać testera. Komputer może być zbyt perfekcyjny lub zbyt pozbawiony emocji w odpowiedziach.

Istnieją też filozoficzne rozważania dotyczące testu Turinga, na przykład czy osiągnięcie przez komputer ogólnej inteligencji na poziomie człowieka oznacza, że maszyny potrafią „myśleć” lub są świadome. To była kwestia, którą Alan Turing próbował ominąć tym testem. Jeśli maszyna potrafi dokładnie naśladować człowieka, to praktycznie rzecz biorąc „myśli”.

Oczywiście nie oznacza to, że maszyna ma świadomość lub myśli w taki sam sposób jak człowiek. W rzeczywistości jest pewne, że nie myśli tak jak człowiek. Prawdziwe znaczenie tego pytania pojawia się, gdy spojrzymy na nie z praktycznego punktu widzenia. Samoloty latają, na przykład. To jest istotne. Znacznie mniej interesujące jest to, że nie naśladują ptaków w sposobie latania.

Test Turinga skupia się na rezultatach, a nie na sposobie ich osiągnięcia.

Ważniejsze jest to, że test Turinga ogólnie rozumiany jest jako opis sytuacji, w której inteligencja maszyn osiągnęła co najmniej poziom człowieka. Tylko niewielka grupa osób interesuje się tym, czy maszyna technicznie zaliczyła test Turinga, biorąc pod uwagę wszystkie opisane wcześniej wady.

Choć zaliczenie testu Turinga może być imponującym osiągnięciem technicznym, zwłaszcza jeśli test trwa długo i przeprowadzają go eksperci, to jednak mniej imponujące niż maszyna, która potrafiłaby oszukać wszystkich ludzi przez cały czas. Oczywiście im dłużej trwa test i im wyższy poziom wiedzy mają oceniający, tym bardziej oba scenariusze się zbliżają.

Czy jesteśmy blisko tego, by komputer przeszedł test Turinga?

Teraz, gdy już wiesz, czym jest ten test, kolejne pytanie brzmi: „czy jesteśmy blisko tego, by komputer przeszedł ten test?” (czyli osiągnął ogólną ludzką inteligencję). Krótka odpowiedź brzmi: „Nie”.

Choć dokonano ogromnego postępu w przetwarzaniu języka naturalnego, czyli zdolności komputera do rozpoznawania intencji pojedynczych wypowiedzi (to technologia stojąca za asystentami głosowymi), jesteśmy bardzo daleko od ogólnej inteligencji na poziomie człowieka.

Okazuje się, że obecna technologia słabo radzi sobie z niejednoznacznością (rozumieniem sensu niejasnych wypowiedzi), pamięcią (uwzględnianiem wcześniej podanych faktów w bieżącej rozmowie) czy kontekstem (braniem pod uwagę informacji niewyrażonych wprost, ale istotnych dla sytuacji). Krótko mówiąc, obecna technologia jest daleka od tego, co potrzebne.

Częściowo problemem jest to, że obecna AI musi się uczyć na ogromnych ilościach danych. W każdej dziedzinie, gdzie dostępne są duże ilości powtarzalnych danych, AI może być skutecznie wdrażana, na przykład w rozpoznawaniu mowy czy przetwarzaniu obrazów, w tym w samochodach autonomicznych.

Sukces w przetwarzaniu języka naturalnego wynika z faktu, że istnieje niemal nieograniczona ilość danych dotyczących pojedynczych wypowiedzi i pytań bez kontekstu czy pamięci. Jeśli powiem „Chcę kupić pomarańczę”, w większości przypadków jest to proste stwierdzenie, które nie wymaga dodatkowych informacji o kontekście czy pamięci, by je zrozumieć. Jednak w tym przypadku intencją jest: „Kupić sok pomarańczowy”.

Gdy pojawia się kontekst lub pamięć, sytuacja się komplikuje. Jeśli powiem, że chcę „kupić sok pomarańczowy”, ale wcześniej powiedziałem, że jestem traderem handlującym sokiem pomarańczowym, trzeba zrozumieć, że w tym kontekście chodzi mi o zakup instrumentu finansowego związanego z ceną soku pomarańczowego.

‍

Jak więc wyglądają nasze dane? „Kupić sok pomarańczowy” może oznaczać: kupno butelki soku w sklepie LUB jeśli wcześniej zadeklarowano, że jest się traderem na rynku soku pomarańczowego, oznacza to chęć zakupu instrumentu finansowego powiązanego z ceną soku pomarańczowego.

A jeśli nasz trader właśnie powiedział, że jest spragniony, to znaczy, że chce kupić butelkę soku w sklepie. Dodajemy więc kolejny punkt: LUB jeśli wcześniej zadeklarowano, że jest się traderem na rynku soku pomarańczowego, ale ostatnio powiedziano, że jest się spragnionym, to oznacza chęć kupna butelki soku.

Finansowe przedsiębiorstwo szybko napotkałoby problemy, gdyby uruchomiło bota do handlu, którego użytkownicy uznaliby za posiadającego „inteligencję” na poziomie człowieka.

Czy przejście testu Turinga jest niemożliwe?

Dane konwersacyjne mają niestety wiele wymiarów. Nieskończoną liczbę wymiarów. To oznacza, że algorytmy uczenia maszynowego musiałyby mieć dostęp do zbioru danych zawierającego ogromne ilości danych dla każdego możliwego wymiaru, co jest oczywiście niemożliwe.

To oczywiście nie znaczy, że zaliczenie testu Turinga jest niemożliwe. Wiemy, że to możliwe, bo mamy już technologię, która to potrafi – nasz mózg. Tak jak ludzie setki lat temu wiedzieli, że latanie jest możliwe, obserwując ptaki.

Problem polega na tym, że nasze podejście do AI nie może opierać się na big data, bo nie istnieje big data o wystarczającej liczbie wymiarów. Jest po prostu zbyt wiele zmiennych, zbyt wiele wymiarów. Nawet teraz Google codziennie otrzymuje 800 milionów zapytań, których nigdy wcześniej nie widział. To pokazuje, jak trudne byłoby podejście oparte na danych.

Ray Kurtzweil z Google stosuje podejście, które w pewnym stopniu próbuje odwzorować ludzki mózg. Szacuje, że do 2029 roku osiągniemy ogólną inteligencję i będziemy w stanie zaliczyć bardzo trudny test Turinga.

Jego prognoza opiera się na założeniu, że postęp w tej dziedzinie będzie przebiegał wykładniczo, a zatem nawet stosunkowo niewielkie osiągnięcia dziś są znacznie ważniejsze, niż się wydaje, jeśli przyjmiemy, że jesteśmy na wykładniczej ścieżce rozwoju.

Czy ma rację, przekonamy się z czasem, ale to pokazuje, że przełom jest bardzo mało prawdopodobny w ciągu najbliższych 10 lat.

Co oznaczałoby, że maszyna zdała wiarygodny test Turinga?

Ostatnia kwestia to, co by oznaczało, gdyby maszyna zdała wiarygodny test Turinga. Jeśli udałoby się to dzięki podejściu opartemu na big data, podobnie jak maszyny pokonują ludzi w grach planszowych, nawet tych zaawansowanych, konsekwencje nie byłyby tak duże, jak w przypadku sukcesu dzięki odwzorowaniu pracy mózgu.

Podejście polegające na odwzorowaniu pracy mózgu oznaczałoby, że maszyna jest bliższa „myśleniu” w taki sposób, w jaki rozumiemy to jako ludzie. Potrafiłaby wyciągać wnioski z minimalnej liczby przykładów, tak jak robią to ludzie, zamiast potrzebować setek identycznych przypadków, by zrozumieć sens.

Jak wspomniano wyżej, bardziej prawdopodobne jest, że przełom nastąpi dzięki „odwzorowaniu mózgu”, ponieważ podejście big data nie jest tu możliwe. Oznaczałoby to, że maszyny osiągnęłyby inteligencję ogólną, nie tylko w rozmowie, ale w wielu dziedzinach.

Konsekwencje tego trudno przecenić, bo mogłoby to oznaczać całkowity reset społeczeństwa. Zwłaszcza jeśli maszyny zyskałyby zdolność samodoskonalenia się w istotny sposób, co prowadziłoby do wykładniczego wzrostu ich inteligencji i zmieniłoby nasze życie nie do poznania.

Interakcje ludzi z maszynami

Pozostając przy bardziej przyziemnych sprawach, warto pamiętać, że nawet jeśli maszyna dorówna człowiekowi, nie oznacza to, że będziemy z nią rozmawiać tak, jak z drugim człowiekiem. Zresztą nawet w kontaktach międzyludzkich nie zawsze jest to efektywne. Tłumaczenie koledze przez telefon, jak coś zrobić, bywa nużące i niepraktyczne, gdy łatwiej byłoby po prostu pokazać. Gdyby tylko ludzie mieli interfejs graficzny dostępny przez internet!

Interfejsy głosowe (lub oparte na czacie) mają oczywiste ograniczenia w zakresie wprowadzania i przekazywania informacji. Są sytuacje, w których znacznie wygodniej jest pokazać coś graficznie lub kliknąć w interfejs, niż korzystać z głosu. Platformy botów są więc projektowane tak, by zawsze kierować użytkownika na właściwą ścieżkę i nie pozwalać, by rozmowa zbaczała z tematu.

Chodzi mi też o to, że komputery nie są ograniczone jak ludzie, jeśli chodzi o rodzaje interfejsów do odbierania i przekazywania informacji, więc rozmowy z maszynami będą zawsze wykorzystywać najbardziej optymalny interfejs do danego zadania.

Choć zdanie testu Turinga byłoby ogromnym kamieniem milowym w relacjach człowiek-komputer, to faktyczne „rozmowy” nie będą ograniczone tylko do głosu i tekstu.

Najczęstsze pytania

Jak test Turinga wypada na tle innych testów AI, takich jak Winograd Schema Challenge czy ARC Challenge?

Test Turinga sprawdza, czy AI potrafi naśladować ludzką rozmowę, natomiast nowsze testy, takie jak Winograd Schema Challenge czy ARC Challenge, skupiają się bardziej na rozumowaniu, zdrowym rozsądku i rozwiązywaniu problemów. To rzeczy, które pokazują głębszą inteligencję, a nie tylko powierzchowne naśladownictwo.

Czy test Turinga jest nadal istotny we współczesnych badaniach nad AI, czy są dziś lepsze alternatywy?

Test Turinga wciąż jest ciekawym eksperymentem myślowym i punktem odniesienia, ale wielu badaczy uważa go dziś za przestarzały. Nowoczesne testy skupiają się bardziej na rzeczywistym rozumieniu, logice i umiejętności uogólniania.

Jak uprzedzenia kulturowe lub językowe wpływają na wyniki testu Turinga?

Tak. AI może nie zrozumieć idiomów, żartów czy odniesień specyficznych dla danej kultury lub języka, co ułatwia rozpoznanie, że nie jest człowiekiem w określonych sytuacjach.

Jak zdanie testu Turinga zmieniłoby nasze rozumienie tego, co znaczy być „człowiekiem”?

Gdyby maszyna przeszła rygorystyczny test Turinga, mogłoby to zmusić nas do przemyślenia, czy bycie człowiekiem to kwestia biologii, czy zachowania, i co tak naprawdę czyni nasz sposób myślenia wyjątkowym.

Jakiego typu pytania najskuteczniej ujawniają nieludzkie cechy AI?

Pytania wymagające zrozumienia kontekstu, emocjonalnych niuansów lub zdrowego rozsądku, takie jak interpretacja sarkazmu, niejasnych odniesień czy sprzecznych informacji, zwykle najszybciej zdradzają nieludzkie cechy AI.