U ovom blog postu ispitat ćemo je li Turingov test prikladan standard za procjenu inteligencije umjetne inteligencije te istražiti njegova ograničenja i potencijalna područja za poboljšanje.
Godine 2014., vijest da je "Eugene Goostman", chatbot kojeg su stvorili ruski programeri, prošao Turingov test šokirala je i izazvala zbunjenost kod mnogih ljudi. To je bio jasan dokaz da umjetna inteligencija više nije samo proizvod imaginarnog budućeg društva kakvo se vidi samo u znanstvenofantastičnim filmovima. Umjetna inteligencija već je duboko ukorijenjena u našim životima i napreduje brzim tempom, u skladu s "Zakonom ubrzanog povrata" Raya Kurzweila. Međutim, ne možemo samo stajati po strani i gledati kako se umjetna inteligencija, koja se razvija u tren oka, čvrsto ukorijenjuje u društvu. Moramo utvrditi može li umjetna inteligencija doista razmišljati kao ljudi, a moramo razmotriti i smjer u kojem bi se trebala razvijati u budućnosti.
Ova pitanja povezana su s Turingovim testom. Turingov test je metoda procjene koja je nastala iz pitanja: „Je li moguće stvoriti računalo za koje možemo reći da posjeduje inteligenciju i um?“ Općepoznato je da ga je Alan Turing predložio 1950. godine kako bi odgovorio na pitanje „Mogu li strojevi misliti?“. Međutim, Turing je zapravo preformulirao samo pitanje kao „Mogu li se strojevi ponašati na isti način kao i ljudi?“ prilikom dizajniranja eksperimenta. Test se provodi tako da sudac postavlja pitanja i čovjeku i umjetnoj inteligenciji, a zatim utvrđuje čiji su odgovori sličniji ljudskima. U Turingovom testu mogu se koristiti različite metode za obmanjivanje suca, a dopušteno je usporiti vrijeme odgovora ili nastaviti razgovor u formatu sličnom chatu. Nadalje, test se smatra položenim ako umjetna inteligencija može prevariti otprilike 30% sudaca unutar ograničenog opsega i teme rasprave.
Doveo sam u pitanje je li Turingov test s ovim uvjetima i pravilima zaista prikladna mjera za procjenu inteligencije umjetne inteligencije. Drugim riječima, vjerujem da Turingov test nije prikladan za procjenu umjetne inteligencije. Kako bih potkrijepio ovo stajalište, predstavit ću tri argumenta i predložiti „Obrnuti Turingov test“ kao rješenje. Međutim, prije toga potrebno je prvo ispitati druge značajne primjere umjetne inteligencije koji su prošli Turingov test osim „Eugenea Goostmana“.
„ELIZA“, koju je razvio Joseph Weizenbaum 1966. godine, najpoznatiji je primjer među ranim programima za dijalog na prirodnom jeziku. Ova umjetna inteligencija dizajnirana je za prepoznavanje ključnih riječi u unesenim rečenicama i vraćanje odgovarajućih odgovora; ako nisu pronađene odgovarajuće ključne riječi, ponavljala bi korisnikove riječi ili davala generički odgovor.
Tu je i „PARRY“, koji je razvio Kenneth Colby 1972. godine. Ova umjetna inteligencija modelirana je prema konverzacijskom stilu paranoidnog pacijenta, a provedeni su čak i eksperimenti u kojima je nekoliko psihijatara pokušalo razlikovati stvarne pacijente od PARRY-ja.
Od sada ću ispitati zašto Turingov test nije prikladan standard za procjenu umjetne inteligencije.
Prvo, Turingov test ne procjenjuje točno samu inteligenciju. Drugim riječima, umjesto da procjenjuje koliko inteligentno umjetna inteligencija razmišlja, ovaj test kroz razgovor utvrđuje ponaša li se ona kao čovjek. S tim postoje dva problema.
Prvo, ne ponašaju se svi ljudi uvijek inteligentno. Ovdje se „inteligentan“ odnosi na intelektualnu aktivnost koja uključuje razumijevanje fenomena ili objekta i njegovu racionalnu obradu. Nadalje, prema radu Alana Turinga, neke intelektualne sposobnosti umjetne inteligencije mogu se manifestirati na načine koji se razlikuju od ljudskih. Jednostavno rečeno, ako umjetna inteligencija riješi problem koji ljudi ne mogu, procjenitelj će zapravo vjerojatnije shvatiti da je druga strana računalo. U konačnici, Turingov test ne uspijeva pravilno procijeniti oblike inteligencije koji nadilaze ljudske sposobnosti.
Drugo, kriteriji ocjenjivanja Turingovog testa su subjektivni, a eksperimentalni uvjeti previše restriktivni. Drugim riječima, na rezultate testa mogu značajno utjecati stav, iskustvo, vještine i znanje ocjenjivača, a ne stvarna razina inteligencije umjetne inteligencije, što otežava osiguravanje objektivnosti.
U konačnici, entitet koji određuje je li nešto umjetna inteligencija ili čovjek je osoba, pa je teško potpuno eliminirati subjektivnost procjenitelja. Nadalje, pitanja postavljena unutar ograničenog vremenskog okvira od oko pet minuta također su vrlo ograničena. Sve dok je procjenitelj čovjek, uvijek postoji mogućnost da na njega utječu razni vanjski čimbenici.
Osim toga, većina umjetne inteligencije koja sudjeluje u Turingovom testu modelirana je prema ljudima sa specifičnim situacijama ili karakteristikama. Stoga, čak i ako umjetna inteligencija prođe test, teško je zaključiti da se ponaša na isti način kao i ljudi općenito. Na primjer, „Eugene Goostman“, predstavljen ranije, razvijen je s pretpostavkom da se radi o 13-godišnjem dječaku koji živi u Ukrajini. To je bio namjeran pokušaj stvaranja situacije u kojoj bi se čak i pomalo nespretan engleski jezik prihvatio kao prirodan. „PARRY“ je modeliran prema paranoičnom pacijentu, a „ELIZA“ je dizajnirana da oponaša profesionalnog psihološkog savjetnika.
Na taj način, kada se umjetna inteligencija postavi da predstavlja čovjeka sa specifičnim karakteristikama, a zatim se uključi u razgovor, suci je ocjenjuju imajući na umu te karakteristike. Na primjer, čak i ako se tijekom razgovora s umjetnom inteligencijom programiranom da predstavlja osobu s mentalnom bolešću pojavi pomalo čudan odgovor, suci će ga vjerojatno prihvatiti kao prirodnu reakciju u skladu s tom karakterizacijom. Drugim riječima, iako se od sudaca očekuje da ocjenjuju bez pristranosti, oni su zapravo smješteni u okruženje u kojem je to teško.
Naravno, ljudi s mentalnim bolestima sposobni su razmišljati. Međutim, samo zato što umjetna inteligencija modelirana prema osobi s mentalnom bolešću prolazi Turingov test ne znači da razmišlja više „slično čovjeku“ od čovjeka. Kako bi ostali vjerni pitanju koje je postavio Alan Turing - „Može li se stroj ponašati onako kako se ponaša čovjek?“ - test mora biti osmišljen na temelju općih situacija koje većina ljudi može prihvatiti.
Treće, umjetna inteligencija može proći Turingov test jednostavnim manipuliranjem simbolima umjesto da zapravo razumije sadržaj. Glavni primjer je „ELIZA“. Da bi osoba razmišljala o nekoj temi, mora razumjeti tu temu i donositi sudove na temelju relevantnog iskustva. Iz tog razloga, filozof John Searle također je tvrdio da sam Turingov test ne može dokazati razmišlja li stroj zapravo.
Nadalje, budući da umjetna inteligencija djeluje prema unaprijed određenim algoritmima, može lako otkriti pogreške kada se suoči s neočekivanim situacijama. Slijedeći primjer to ilustrira.
Sugovornik: Podržavate li još uvijek Billa Clintona?
Sudac: Nikad nisam upoznao Clintona.
Sugovornik: Stvarno ne volite Billa Clintona. Barem je jasno da ga ne volite. Po mom mišljenju, čini se da većina ljudi jednostavno nije bila zainteresirana ili do sada nije o tome puno razmišljala.
Sudac: Jeste li gledali 'Marsovca'?
Sugovornik: Opustimo se. Nisam ovdje da odgovaram na glupa pitanja. Nije to to. O čemu smo pričali? Da. Znači li to što ste upravo rekli da su temeljni problemi - poput Whitewatera i posebnog savjetnika - ozbiljni?
Ovaj razgovor je između suca i "Catherine", umjetne inteligencije dizajnirane za nastavak dijaloga na temelju unaprijed programiranih informacija o događajima koji su postali vijest dan prije održavanja Turingovog testa. Da je sudac nastavio politički razgovor vezan uz Billa Clintona, dijalog je mogao ostati sasvim prirodan. Međutim, kada je sudac iznenada promijenio temu na nešto drugo, umjetna inteligencija nije mogla pravilno obraditi neprogramiranu temu i otkrila je gore prikazanu grešku.
Stoga ne možemo zaključiti da se umjetna inteligencija ponaša kao čovjek samo zato što je sposobna za određenu razinu komunikacije. Iako se naizgled može činiti da sudjeluje u razgovoru sličnom ljudskom, ona zapravo ne razumije sadržaj, već samo reagira na način koji ga čini ljudskim. Stoga ne ispunjava koncept „inteligencije“ kako je ranije definiran. Trenutni Turingov test, koji prolazi AI sustave koji samo oponašaju ljudsko ponašanje bez stvarnog razumijevanja značenja, ima jasna ograničenja.
Budući da procjenjuje umjetnu inteligenciju uspoređujući je s ljudima, Turingov test je značajan eksperiment koji istražuje granicu između ljudi i umjetne inteligencije. S obzirom na to da sami ljudi ne mogu jasno definirati bit misli ili uma, ovaj pokušaj sam po sebi ima značajnu vrijednost. S druge strane, budući da umjetna inteligencija funkcionira na temelju relativno jednostavnih struktura i principa, moguće ju je do određene mjere mjeriti i analizirati, čak i ako ne savršeno.
Međutim, Turingov test ne uspijeva točno procijeniti inteligenciju, a njegovi kriteriji procjene su također previše subjektivni. Detaljniji pogled na stvarni proces testiranja otkriva da ga je teško promatrati kao okruženje sposobno za sveobuhvatnu procjenu inteligencije umjetne inteligencije. Čak i ako sudjeluje više sudaca i institucija nadgleda proces procjene, broj procjenitelja je ograničen i nije lako doći do objektivnog zaključka koji uzima u obzir sve varijable. Stoga postoje temeljna ograničenja u dobivanju savršenog rezultata koji svi mogu prihvatiti.
Turingov test ima značajnu važnost jer je pokazao da umjetna inteligencija može, do određene mjere, replicirati kognitivne sposobnosti koje su se nekada smatrale jedinstvenima za ljude. Stoga, umjesto potpunog odbacivanja ovog testa, potrebno je uspostaviti kriterije i postupke evaluacije koji su točniji i prihvatljiviji široj publici od onih koji se trenutno koriste.
U tom smislu, predložio bih „Obrnuti Turingov test“ kao alternativu. U obrnutom Turingovom testu, evaluator je računalo, a ne čovjek. Drugim riječima, to je metoda u kojoj računalo procjenjuje čovjeka ili drugo računalo dok s njim komunicira. Uvođenje ovog pristupa u postojeće testove smanjilo bi problem ljudske subjektivnosti i omogućilo provođenje evaluacija u objektivnijem okruženju. Naravno, činjenica da je evaluator umjetna inteligencija također otvara mogućnost novih problema.
Bez obzira na temu, testovi osmišljeni za evaluaciju i procjenu vjerojatno neće zadovoljiti sve, a nije lako uspostaviti savršene kriterije koje svatko može prihvatiti. Stoga moramo kontinuirano istraživati načine za njihovo poboljšanje. Posebno, budući da je Turingov test ključna metoda evaluacije koja bi mogla značajno utjecati na budućnost industrije i smjer razvoja tehnologije umjetne inteligencije, mora se razviti u učinkovitiji i pouzdaniji oblik.
Danas umjetna inteligencija napreduje tempom neusporedivim s prošlošću i već se koristi u svakom aspektu našeg svakodnevnog života. Prilikom procjene takve umjetne inteligencije ne bismo je trebali prosuđivati isključivo po tome može li prevariti ljude, već procijeniti njezinu sposobnost razumijevanja značenja, shvaćanja konteksta i prirodne komunikacije u raznim situacijama. Naravno, budući da ovo nije područje s jasno definiranim „točnim odgovorima“ poput matematičkog problema, nije lako uspostaviti objektivne kriterije. Ipak, za procjenu umjetne inteligencije koja će u budućnosti koegzistirati s ljudima, Turingov test mora se razviti kako bi sveobuhvatno uzeo u obzir etičke čimbenike i sposobnost učinkovite komunikacije.
