શું ટ્યુરિંગ ટેસ્ટ ખરેખર કૃત્રિમ બુદ્ધિમત્તાનું મૂલ્યાંકન કરી શકે છે?

આ બ્લોગ પોસ્ટમાં, આપણે તપાસ કરીશું કે શું ટ્યુરિંગ ટેસ્ટ કૃત્રિમ બુદ્ધિમત્તાનું મૂલ્યાંકન કરવા માટે યોગ્ય ધોરણ છે, અને તેની મર્યાદાઓ અને સુધારણા માટેના સંભવિત ક્ષેત્રોનું અન્વેષણ કરીશું.

2014 માં, રશિયન ડેવલપર્સ દ્વારા બનાવેલ ચેટબોટ "યુજેન ગુસ્ટમેન" એ ટ્યુરિંગ ટેસ્ટ પાસ કર્યો હોવાના સમાચાર ઘણા લોકોને આઘાત પહોંચાડતા હતા અને મૂંઝવણમાં મૂકતા હતા. આ એક સ્પષ્ટ પ્રદર્શન હતું કે કૃત્રિમ બુદ્ધિ હવે ફક્ત વિજ્ઞાન સાહિત્ય ફિલ્મોમાં જોવા મળતા કાલ્પનિક ભવિષ્યના સમાજનું ઉત્પાદન નથી. રે કુર્ઝવીલના "લો ઓફ એક્સિલરેટિંગ રિટર્ન" ની જેમ, AI પહેલાથી જ આપણા જીવનમાં ઊંડાણપૂર્વક જડાઈ ગયું છે અને ઝડપી ગતિએ આગળ વધી રહ્યું છે. જો કે, આપણે ફક્ત AI, જે આંખના પલકારામાં વિકસિત થઈ રહ્યું છે, તે સમાજમાં મજબૂત રીતે સ્થાપિત થઈ રહ્યું છે તે જોતા રહી શકતા નથી. આપણે એ નક્કી કરવાની જરૂર છે કે AI ખરેખર માણસોની જેમ વિચારી શકે છે કે નહીં, અને આપણે ભવિષ્યમાં તે કઈ દિશામાં વિકાસ પામશે તે પણ ધ્યાનમાં લેવું જોઈએ.
આ મુદ્દાઓ ટ્યુરિંગ ટેસ્ટ સાથે જોડાયેલા છે. ટ્યુરિંગ ટેસ્ટ એક મૂલ્યાંકન પદ્ધતિ છે જે આ પ્રશ્ન પરથી ઉદ્ભવી છે: "શું એવું કમ્પ્યુટર બનાવવું શક્ય છે જેને આપણે કહી શકીએ કે બુદ્ધિ અને મન છે?" તે સામાન્ય રીતે જાણીતું છે કે એલન ટ્યુરિંગે 1950 માં "શું મશીનો વિચારી શકે છે?" પ્રશ્નનો જવાબ આપવા માટે તેનો પ્રસ્તાવ મૂક્યો હતો. જોકે, ટ્યુરિંગે પ્રયોગ ડિઝાઇન કરતી વખતે ખરેખર પ્રશ્નને "શું મશીનો મનુષ્યો જેવું વર્તન કરી શકે છે?" તરીકે ફરીથી રજૂ કર્યો હતો. આ પરીક્ષણ ન્યાયાધીશ દ્વારા માનવ અને AI બંનેને પ્રશ્નો પૂછીને હાથ ધરવામાં આવે છે, પછી નક્કી કરવામાં આવે છે કે કોના પ્રતિભાવો વધુ માનવ જેવા છે. ટ્યુરિંગ ટેસ્ટમાં, ન્યાયાધીશને છેતરવા માટે વિવિધ પદ્ધતિઓનો ઉપયોગ કરી શકાય છે, અને પ્રતિભાવ સમય ધીમો કરવો અથવા ચેટ જેવા ફોર્મેટમાં વાતચીત ચાલુ રાખવી માન્ય છે. વધુમાં, જો AI મર્યાદિત અવકાશ અને ચર્ચાના વિષયમાં લગભગ 30% ન્યાયાધીશોને છેતરી શકે તો પરીક્ષણ પાસ થયેલ માનવામાં આવે છે.
મેં પ્રશ્ન કર્યો કે શું આ શરતો અને નિયમો સાથેનો ટ્યુરિંગ ટેસ્ટ ખરેખર AI બુદ્ધિમત્તાનું મૂલ્યાંકન કરવા માટે યોગ્ય માપદંડ છે. બીજા શબ્દોમાં કહીએ તો, મારું માનવું છે કે ટ્યુરિંગ ટેસ્ટ AI મૂલ્યાંકન માટે યોગ્ય નથી. આ દૃષ્ટિકોણને સમર્થન આપવા માટે, હું ત્રણ દલીલો રજૂ કરીશ અને ઉકેલ તરીકે "રિવર્સ ટ્યુરિંગ ટેસ્ટ" પ્રસ્તાવિત કરીશ. જોકે, આમ કરતા પહેલા, "યુજેન ગુસ્ટમેન" ઉપરાંત ટ્યુરિંગ ટેસ્ટ પાસ કરનારા AI ના અન્ય નોંધપાત્ર ઉદાહરણોની તપાસ કરવી જરૂરી છે.
૧૯૬૬માં જોસેફ વેઇઝનબૌમ દ્વારા વિકસાવવામાં આવેલ "ELIZA", પ્રારંભિક કુદરતી ભાષા સંવાદ કાર્યક્રમોમાં સૌથી વધુ જાણીતું ઉદાહરણ છે. આ AI ઇનપુટ વાક્યોમાં મુખ્ય કીવર્ડ્સ ઓળખવા અને અનુરૂપ પ્રતિભાવો પરત કરવા માટે ડિઝાઇન કરવામાં આવ્યું હતું; જો કોઈ યોગ્ય કીવર્ડ્સ ન મળે, તો તે વપરાશકર્તાના શબ્દોનું પુનરાવર્તન કરશે અથવા સામાન્ય જવાબ આપશે.
૧૯૭૨માં કેનેથ કોલ્બી દ્વારા વિકસાવવામાં આવેલ "PARRY" પણ છે. આ AI એક પેરાનોઇડ દર્દીની વાતચીત શૈલી પર આધારિત હતું, અને પ્રયોગો પણ હાથ ધરવામાં આવ્યા હતા જેમાં ઘણા મનોચિકિત્સકોએ વાસ્તવિક દર્દીઓ અને PARRY વચ્ચે તફાવત કરવાનો પ્રયાસ કર્યો હતો.
અહીંથી, હું તપાસ કરીશ કે ટ્યુરિંગ ટેસ્ટ AI નું મૂલ્યાંકન કરવા માટે યોગ્ય ધોરણ કેમ નથી.
પ્રથમ, ટ્યુરિંગ ટેસ્ટ બુદ્ધિનું ચોક્કસ મૂલ્યાંકન કરતું નથી. બીજા શબ્દોમાં કહીએ તો, AI કેટલી બુદ્ધિશાળી રીતે વિચારે છે તેનું મૂલ્યાંકન કરવાને બદલે, આ પરીક્ષણ વાતચીત દ્વારા નક્કી કરે છે કે તે માણસની જેમ વર્તે છે કે નહીં. આમાં બે સમસ્યાઓ છે.
પ્રથમ, બધા માણસો હંમેશા બુદ્ધિપૂર્વક વર્તન કરતા નથી. અહીં, "બુદ્ધિશાળી" એ બૌદ્ધિક પ્રવૃત્તિનો ઉલ્લેખ કરે છે જેમાં કોઈ ઘટના અથવા વસ્તુને સમજવી અને તેને તર્કસંગત રીતે પ્રક્રિયા કરવી શામેલ છે. વધુમાં, એલન ટ્યુરિંગના પેપર મુજબ, AI ની કેટલીક બૌદ્ધિક ક્ષમતાઓ માનવીઓ કરતા અલગ રીતે પ્રગટ થઈ શકે છે. સરળ શબ્દોમાં કહીએ તો, જો કોઈ AI એવી સમસ્યાનું નિરાકરણ લાવે છે જે માનવીઓ કરી શકતા નથી, તો મૂલ્યાંકનકાર ખરેખર એ સમજવાની શક્યતા વધારે છે કે બીજો પક્ષ કમ્પ્યુટર છે. આખરે, ટ્યુરિંગ ટેસ્ટ માનવ ક્ષમતાઓ કરતાં વધુ બુદ્ધિના સ્વરૂપોનું યોગ્ય રીતે મૂલ્યાંકન કરવામાં નિષ્ફળ જાય છે.
બીજું, ટ્યુરિંગ ટેસ્ટના મૂલ્યાંકન માપદંડો વ્યક્તિલક્ષી છે, અને પ્રાયોગિક પરિસ્થિતિઓ ખૂબ જ પ્રતિબંધિત છે. બીજા શબ્દોમાં કહીએ તો, પરીક્ષણ પરિણામો AI ના વાસ્તવિક બુદ્ધિમત્તા સ્તર કરતાં મૂલ્યાંકનકારના વલણ, અનુભવ, કુશળતા અને જ્ઞાનથી નોંધપાત્ર રીતે પ્રભાવિત થઈ શકે છે, જેનાથી ઉદ્દેશ્યતા સુનિશ્ચિત કરવી મુશ્કેલ બને છે.

આખરે, કોઈ વસ્તુ AI છે કે માનવ છે તે નક્કી કરનારી એન્ટિટી એક વ્યક્તિ છે, તેથી મૂલ્યાંકનકારની વ્યક્તિલક્ષીતાને સંપૂર્ણપણે દૂર કરવી મુશ્કેલ છે. વધુમાં, લગભગ પાંચ મિનિટની મર્યાદિત સમયમર્યાદામાં પૂછવામાં આવતા પ્રશ્નો પણ ખૂબ જ મર્યાદિત છે. જ્યાં સુધી મૂલ્યાંકનકાર માનવ છે, ત્યાં સુધી વિવિધ બાહ્ય પરિબળોથી પ્રભાવિત થવાની શક્યતા હંમેશા રહે છે.
વધુમાં, ટ્યુરિંગ ટેસ્ટમાં ભાગ લેતા મોટાભાગના AI ચોક્કસ પરિસ્થિતિઓ અથવા લાક્ષણિકતાઓ ધરાવતા માનવીઓના મોડેલ પર આધારિત હોય છે. તેથી, જો કોઈ AI પરીક્ષણ પાસ કરે તો પણ, એવું તારણ કાઢવું ​​મુશ્કેલ છે કે તે સામાન્ય રીતે માનવીઓની જેમ જ વર્તે છે. ઉદાહરણ તરીકે, "યુજેન ગુસ્ટમેન", જે અગાઉ રજૂ કરવામાં આવ્યું હતું, તે એવી ધારણા સાથે વિકસાવવામાં આવ્યું હતું કે તે યુક્રેનમાં રહેતો 13 વર્ષનો છોકરો હતો. આ એવી પરિસ્થિતિ બનાવવાનો ઇરાદાપૂર્વકનો પ્રયાસ હતો જ્યાં કંઈક અંશે અણઘડ અંગ્રેજી પણ કુદરતી તરીકે સ્વીકારવામાં આવશે. "PARRY" એક પેરાનોઇડ દર્દીના મોડેલ પર આધારિત હતું, અને "ELIZA" એક વ્યાવસાયિક મનોવૈજ્ઞાનિક સલાહકારની નકલ કરવા માટે ડિઝાઇન કરવામાં આવ્યું હતું.
આ રીતે, જ્યારે કોઈ AI ને ચોક્કસ લાક્ષણિકતાઓ ધરાવતા માનવનું પ્રતિનિધિત્વ કરવા માટે સેટ કરવામાં આવે છે અને પછી વાતચીતમાં જોડવામાં આવે છે, ત્યારે ન્યાયાધીશો તે લાક્ષણિકતાઓને ધ્યાનમાં રાખીને તેનું મૂલ્યાંકન કરે છે. ઉદાહરણ તરીકે, માનસિક બીમારી ધરાવતી વ્યક્તિનું પ્રતિનિધિત્વ કરવા માટે પ્રોગ્રામ કરાયેલ AI સાથે વાતચીત કરતી વખતે જો કંઈક વિચિત્ર પ્રતિભાવ આવે તો પણ, ન્યાયાધીશો તેને તે લાક્ષણિકતા સાથે સુસંગત કુદરતી પ્રતિક્રિયા તરીકે સ્વીકારે તેવી શક્યતા છે. બીજા શબ્દોમાં કહીએ તો, જ્યારે ન્યાયાધીશોએ પૂર્વગ્રહ વિના મૂલ્યાંકન કરવાનું માનવામાં આવે છે, ત્યારે તેઓ ખરેખર એવા વાતાવરણમાં મૂકવામાં આવે છે જ્યાં આમ કરવું મુશ્કેલ હોય છે.
અલબત્ત, માનસિક બીમારીઓ ધરાવતા લોકો વિચારી શકે છે. જોકે, માનસિક બીમારી ધરાવતા વ્યક્તિના મોડેલ પર આધારિત AI ટ્યુરિંગ ટેસ્ટ પાસ કરે છે તેનો અર્થ એ નથી કે તે માણસ કરતાં વધુ "માણસ જેવું" વિચારે છે. એલન ટ્યુરિંગ દ્વારા પૂછાયેલા પ્રશ્ન - "શું મશીન માણસ જેવું વર્તન કરી શકે છે?" - પ્રત્યે વફાદાર રહેવા માટે, પરીક્ષણ એવી સામાન્ય પરિસ્થિતિઓના આધારે ડિઝાઇન કરવું જોઈએ જેને મોટાભાગના લોકો સ્વીકારી શકે.
ત્રીજું, AI ફક્ત પ્રતીકોમાં ફેરફાર કરીને ટ્યુરિંગ ટેસ્ટ પાસ કરી શકે છે, સામગ્રીને ખરેખર સમજવાને બદલે. તેનું મુખ્ય ઉદાહરણ "ELIZA" છે. કોઈ વ્યક્તિ કોઈ વિષય વિશે વિચારવા માટે, તેણે તે વિષયને સમજવો જોઈએ અને સંબંધિત અનુભવના આધારે નિર્ણયો લેવા જોઈએ. આ કારણોસર, ફિલોસોફર જોન સેરલે પણ દલીલ કરી હતી કે એકલા ટ્યુરિંગ ટેસ્ટ સાબિત કરી શકતું નથી કે મશીન ખરેખર વિચારી રહ્યું છે કે નહીં.
વધુમાં, કૃત્રિમ બુદ્ધિ પૂર્વનિર્ધારિત અલ્ગોરિધમ અનુસાર કાર્ય કરે છે, તેથી અણધારી પરિસ્થિતિઓનો સામનો કરતી વખતે તે સરળતાથી ભૂલો શોધી શકે છે. નીચે આનું ઉદાહરણ આપેલ છે.
વાર્તાકાર: શું તમે હજુ પણ બિલ ક્લિન્ટનને ટેકો આપો છો?
ન્યાયાધીશ: હું ક્યારેય ક્લિન્ટનને મળ્યો નથી.
વાર્તાકાર: તમને બિલ ક્લિન્ટન ખરેખર નાપસંદ છે. ઓછામાં ઓછું, એ તો સ્પષ્ટ છે કે તમને તે નાપસંદ છે. મારા મતે, એવું લાગે છે કે મોટાભાગના લોકો ફક્ત રસ ધરાવતા નથી અથવા અત્યાર સુધી તેમણે આ વિશે વધુ વિચાર કર્યો નથી.
ન્યાયાધીશ: તમે 'ધ માર્ટિયન' જોયું છે?
વાર્તાલાપકાર: ચાલો શાંત રહીએ. હું અહીં મૂર્ખ પ્રશ્નોના જવાબ આપવા નથી આવ્યો. બસ, એવું નથી. આપણે શેના વિશે વાત કરી રહ્યા હતા? ખરું ને? શું તમે હમણાં જે કહ્યું તેનો અર્થ એ છે કે વ્હાઇટવોટર અને ખાસ સલાહકાર જેવા મૂળ મુદ્દાઓ ગંભીર છે?
આ વાતચીત એક ન્યાયાધીશ અને "કેથરિન" વચ્ચે છે, જે એક AI છે જે ટ્યુરિંગ ટેસ્ટ યોજાય તે પહેલાના દિવસે સમાચાર બની ગયેલી ઘટનાઓ વિશે પૂર્વ-પ્રોગ્રામ કરેલી માહિતીના આધારે સંવાદ ચાલુ રાખવા માટે રચાયેલ છે. જો ન્યાયાધીશે બિલ ક્લિન્ટન સંબંધિત રાજકીય વાતચીત ચાલુ રાખી હોત, તો સંવાદ એકદમ સ્વાભાવિક રહી શક્યો હોત. જો કે, જ્યારે ન્યાયાધીશે અચાનક વિષયને બીજા કોઈ વિષય પર ખસેડ્યો, ત્યારે AI પ્રોગ્રામ ન કરેલા વિષયને યોગ્ય રીતે હેન્ડલ કરવામાં અસમર્થ હતું અને ઉપર દર્શાવેલ ભૂલ જાહેર કરી.
આમ, આપણે એવું નિષ્કર્ષ પર ન આવી શકીએ કે કોઈ AI ફક્ત એટલા માટે માનવ જેવું વર્તન કરે છે કારણ કે તે ચોક્કસ સ્તરના સંદેશાવ્યવહારમાં સક્ષમ છે. જ્યારે તે સપાટી પર માનવ જેવી વાતચીતમાં વ્યસ્ત હોય તેવું લાગે છે, તે વાસ્તવમાં સામગ્રીને સમજી રહ્યું નથી પરંતુ ફક્ત એવી રીતે પ્રતિક્રિયા આપી રહ્યું છે જે તેને માનવ લાગે છે. તેથી, તે અગાઉ વ્યાખ્યાયિત કરાયેલ "બુદ્ધિ" ની વિભાવનાથી ઓછું પડે છે. વર્તમાન ટ્યુરિંગ ટેસ્ટ, જે AI સિસ્ટમોને પાસ કરે છે જે ખરેખર અર્થ સમજ્યા વિના ફક્ત માનવ વર્તનની નકલ કરે છે, તેની સ્પષ્ટ મર્યાદાઓ છે.
ટ્યુરિંગ ટેસ્ટ એ માનવીઓ સાથે સરખામણી કરીને AI નું મૂલ્યાંકન કરે છે, તે એક અર્થપૂર્ણ પ્રયોગ છે જે માનવીઓ અને AI વચ્ચેની સીમા શોધે છે. માનવીઓ પોતે વિચાર અથવા મનના સારને સ્પષ્ટ રીતે વ્યાખ્યાયિત કરી શકતા નથી તે ધ્યાનમાં લેતા, આ પ્રયાસ પોતે જ નોંધપાત્ર મૂલ્ય ધરાવે છે. બીજી બાજુ, AI પ્રમાણમાં સરળ રચનાઓ અને સિદ્ધાંતો પર આધારિત હોવાથી, ચોક્કસ હદ સુધી તેનું માપન અને વિશ્લેષણ શક્ય છે, ભલે તે સંપૂર્ણ રીતે ન હોય.
જોકે, ટ્યુરિંગ ટેસ્ટ બુદ્ધિમત્તાનું સચોટ મૂલ્યાંકન કરવામાં નિષ્ફળ જાય છે, અને તેના મૂલ્યાંકન માપદંડો પણ વધુ પડતા વ્યક્તિલક્ષી છે. વાસ્તવિક પરીક્ષણ પ્રક્રિયા પર નજીકથી નજર નાખવાથી ખબર પડે છે કે તેને AI ની બુદ્ધિમત્તાનું વ્યાપક મૂલ્યાંકન કરવા માટે સક્ષમ વાતાવરણ તરીકે જોવું મુશ્કેલ છે. ભલે બહુવિધ ન્યાયાધીશો ભાગ લે અને કોઈ સંસ્થા મૂલ્યાંકન પ્રક્રિયાનું નિરીક્ષણ કરે, મૂલ્યાંકનકારોની સંખ્યા મર્યાદિત હોય છે, અને બધા ચલોને ધ્યાનમાં લેતા ઉદ્દેશ્યપૂર્ણ નિષ્કર્ષ પર પહોંચવું સરળ નથી. તેથી, દરેક વ્યક્તિ સ્વીકારી શકે તેવા સંપૂર્ણ પરિણામ મેળવવા માટે મૂળભૂત મર્યાદાઓ છે.
ટ્યુરિંગ ટેસ્ટનું ખૂબ મહત્વ છે કારણ કે તેણે દર્શાવ્યું હતું કે AI, અમુક હદ સુધી, માનવો માટે અનન્ય માનવામાં આવતી જ્ઞાનાત્મક ક્ષમતાઓનું પુનરાવર્તન કરી શકે છે. તેથી, આ પરીક્ષણને સંપૂર્ણપણે નકારી કાઢવાને બદલે, એવા મૂલ્યાંકન માપદંડો અને પ્રક્રિયાઓ સ્થાપિત કરવાની જરૂર છે જે હાલમાં ઉપયોગમાં લેવાતા માપદંડો કરતાં વધુ સચોટ અને વ્યાપક પ્રેક્ષકો માટે સ્વીકાર્ય હોય.
આ સંદર્ભમાં, હું "રિવર્સ ટ્યુરિંગ ટેસ્ટ" ને એક વિકલ્પ તરીકે પ્રસ્તાવિત કરવા માંગુ છું. રિવર્સ ટ્યુરિંગ ટેસ્ટમાં, મૂલ્યાંકનકાર માનવ કરતાં કમ્પ્યુટર છે. બીજા શબ્દોમાં કહીએ તો, તે એક પદ્ધતિ છે જેમાં કમ્પ્યુટર માનવ અથવા બીજા કમ્પ્યુટર સાથે ક્રિયાપ્રતિક્રિયા કરતી વખતે તેનું મૂલ્યાંકન કરે છે. હાલના પરીક્ષણોમાં આ અભિગમ દાખલ કરવાથી માનવ વ્યક્તિત્વની સમસ્યા ઓછી થશે અને મૂલ્યાંકન વધુ ઉદ્દેશ્યપૂર્ણ વાતાવરણમાં હાથ ધરવામાં આવશે. અલબત્ત, મૂલ્યાંકનકાર AI છે તે હકીકત પણ નવી સમસ્યાઓની શક્યતા ઉભી કરે છે.
વિષય ગમે તે હોય, મૂલ્યાંકન અને નિર્ણય માટે રચાયેલ પરીક્ષણો દરેકને સંતુષ્ટ કરે તેવી શક્યતા નથી, અને દરેક વ્યક્તિ સ્વીકારી શકે તેવા સંપૂર્ણ માપદંડો સ્થાપિત કરવા સરળ નથી. તેથી, આપણે તેમને સુધારવાના માર્ગો સતત શોધતા રહેવું જોઈએ. ખાસ કરીને, ટ્યુરિંગ ટેસ્ટ એક મહત્વપૂર્ણ મૂલ્યાંકન પદ્ધતિ છે જે ઉદ્યોગના ભવિષ્ય અને AI ટેકનોલોજી વિકાસની દિશાને નોંધપાત્ર રીતે પ્રભાવિત કરી શકે છે, તેથી તે વધુ કાર્યક્ષમ અને વિશ્વસનીય સ્વરૂપમાં વિકસિત થવી જોઈએ.
આજે, AI ભૂતકાળની તુલનામાં અતુલ્ય ગતિએ આગળ વધી રહ્યું છે અને આપણા રોજિંદા જીવનના દરેક પાસામાં તેનો ઉપયોગ થઈ રહ્યો છે. આવા AIનું મૂલ્યાંકન કરતી વખતે, આપણે ફક્ત તે માનવોને છેતરી શકે છે કે નહીં તેના આધારે તેનું મૂલ્યાંકન ન કરવું જોઈએ, પરંતુ વિવિધ પરિસ્થિતિઓમાં અર્થ સમજવા, સંદર્ભ સમજવા અને કુદરતી રીતે વાતચીત કરવાની તેની ક્ષમતાનું મૂલ્યાંકન કરવું જોઈએ. અલબત્ત, કારણ કે આ ગણિતની સમસ્યાની જેમ સ્પષ્ટ રીતે વ્યાખ્યાયિત "સાચા જવાબો" ધરાવતું ક્ષેત્ર નથી, તેથી ઉદ્દેશ્ય માપદંડ સ્થાપિત કરવું સરળ નથી. તેમ છતાં, ભવિષ્યમાં માનવો સાથે સહઅસ્તિત્વ ધરાવતા AIનું મૂલ્યાંકન કરવા માટે, ટ્યુરિંગ ટેસ્ટ નૈતિક પરિબળો અને અસરકારક રીતે વાતચીત કરવાની ક્ષમતાને વ્યાપકપણે ધ્યાનમાં લેવા માટે વિકસિત થવો જોઈએ.