இந்த வலைப்பதிவில், செயற்கை நுண்ணறிவின் அறிவை மதிப்பிடுவதற்கு டூரிங் சோதனை ஒரு பொருத்தமான அளவுகோலா என்பதை ஆராய்வோம், மேலும் அதன் வரம்புகளையும் மேம்படுத்துவதற்கான சாத்தியமான பகுதிகளையும் ஆராய்வோம்.
2014-ல், ரஷ்ய உருவாக்குநர்களால் உருவாக்கப்பட்ட 'யூஜின் கூஸ்ட்மேன்' என்ற உரையாடல் மென்பொருள், டூரிங் சோதனையில் தேர்ச்சி பெற்றது என்ற செய்தி பலருக்கு அதிர்ச்சியையும் குழப்பத்தையும் ஏற்படுத்தியது. அறிவியல் புனைகதைத் திரைப்படங்களில் மட்டுமே காணப்படும் ஒரு கற்பனையான எதிர்கால சமூகத்தின் விளைபொருளாக செயற்கை நுண்ணறிவு இனி இல்லை என்பதற்கு இது ஒரு தெளிவான சான்றாக அமைந்தது. ரே குர்ஸ்வெயிலின் 'முடுக்கிவிடும் வருமான விதி'க்கு இணங்க, செயற்கை நுண்ணறிவு ஏற்கனவே நமது வாழ்வில் ஆழமாகப் பதிந்து, அதிவேகமாக முன்னேறி வருகிறது. இருப்பினும், கண் இமைக்கும் நேரத்தில் பரிணமிக்கும் செயற்கை நுண்ணறிவு, சமூகத்தில் உறுதியாக நிலைபெறுவதை நாம் வெறுமனே நின்று பார்த்துக்கொண்டிருக்க முடியாது. செயற்கை நுண்ணறிவால் உண்மையில் மனிதர்களைப் போல சிந்திக்க முடியுமா என்பதை நாம் தீர்மானிக்க வேண்டும், மேலும் எதிர்காலத்தில் அது எந்தத் திசையில் வளர வேண்டும் என்பதையும் நாம் கருத்தில் கொள்ள வேண்டும்.
இந்தப் பிரச்சினைகள் டூரிங் சோதனையுடன் தொடர்புடையவை. டூரிங் சோதனை என்பது, "அறிவு மற்றும் மனம் கொண்ட ஒரு கணினியை உருவாக்க முடியுமா?" என்ற கேள்வியிலிருந்து உருவான ஒரு மதிப்பீட்டு முறையாகும். "இயந்திரங்களால் சிந்திக்க முடியுமா?" என்ற கேள்விக்குப் பதிலளிப்பதற்காக, ஆலன் டூரிங் 1950-ல் இதை முன்மொழிந்தார் என்பது பொதுவாக அறியப்படுகிறது. இருப்பினும், சோதனையை வடிவமைக்கும்போது, டூரிங் அந்தக் கேள்வியையே "மனிதர்களைப் போலவே இயந்திரங்களும் நடந்துகொள்ள முடியுமா?" என்று மாற்றியமைத்தார். இந்தச் சோதனையானது, ஒரு நடுவர் மனிதர் மற்றும் ஒரு செயற்கை நுண்ணறிவு ஆகிய இருவரிடமும் கேள்விகளைக் கேட்டு, யாருடைய பதில்கள் அதிக மனிதத்தன்மையுடன் உள்ளன என்பதைத் தீர்மானிப்பதன் மூலம் நடத்தப்படுகிறது. டூரிங் சோதனையில், நடுவரை ஏமாற்றுவதற்குப் பல்வேறு முறைகளைப் பயன்படுத்தலாம், மேலும் பதிலளிக்கும் நேரத்தைக் குறைப்பது அல்லது உரையாடலை அரட்டை போன்ற வடிவத்தில் தொடர்வது அனுமதிக்கப்படுகிறது. மேலும், விவாதத்தின் வரையறுக்கப்பட்ட எல்லை மற்றும் தலைப்பிற்குள், செயற்கை நுண்ணறிவால் சுமார் 30% நடுவர்களை ஏமாற்ற முடிந்தால், அந்தச் சோதனையில் தேர்ச்சி பெற்றதாகக் கருதப்படுகிறது.
இந்த நிபந்தனைகள் மற்றும் விதிகளுடன் கூடிய ஒரு டூரிங் சோதனையானது, செயற்கை நுண்ணறிவின் நுண்ணறிவை மதிப்பிடுவதற்கு உண்மையிலேயே ஒரு பொருத்தமான அளவுகோலா என்று நான் கேள்வி எழுப்பினேன். வேறுவிதமாகக் கூறினால், செயற்கை நுண்ணறிவை மதிப்பிடுவதற்கு டூரிங் சோதனை பொருத்தமானதல்ல என்று நான் நம்புகிறேன். இந்தக் கருத்தை ஆதரிப்பதற்காக, நான் மூன்று வாதங்களை முன்வைத்து, ஒரு தீர்வாக “தலைகீழ் டூரிங் சோதனையை” முன்மொழிகிறேன். இருப்பினும், அவ்வாறு செய்வதற்கு முன்பு, “யூஜின் கூஸ்ட்மேன்” தவிர, டூரிங் சோதனையில் தேர்ச்சி பெற்ற மற்ற குறிப்பிடத்தக்க செயற்கை நுண்ணறிவு எடுத்துக்காட்டுகளை முதலில் ஆராய்வது அவசியம்.
1966-ல் ஜோசப் வெய்சன்பாம் என்பவரால் உருவாக்கப்பட்ட “எலிசா”, ஆரம்பகால இயற்கை மொழி உரையாடல் நிரல்களில் மிகவும் பரவலாக அறியப்பட்ட உதாரணமாகும். இந்த செயற்கை நுண்ணறிவு, உள்ளீட்டு வாக்கியங்களில் உள்ள முக்கிய சொற்களைக் கண்டறிந்து அதற்கேற்ற பதில்களை வழங்கும் வகையில் வடிவமைக்கப்பட்டது; பொருத்தமான சொற்கள் எதுவும் கண்டறியப்படவில்லை என்றால், அது பயனரின் வார்த்தைகளையே மீண்டும் கூறும் அல்லது ஒரு பொதுவான பதிலை வழங்கும்.
1972-ல் கென்னத் கோல்பியால் உருவாக்கப்பட்ட “பாரி” (PARRY) என்ற ஒன்றும் உள்ளது. இந்த செயற்கை நுண்ணறிவு, சித்தப்பிரமை பிடித்த ஒரு நோயாளியின் உரையாடல் பாணியை மாதிரியாகக் கொண்டு உருவாக்கப்பட்டது. மேலும், உண்மையான நோயாளிகளுக்கும் பாரிக்கும் இடையே வேறுபடுத்தி அறிய பல மனநல மருத்துவர்கள் முயன்ற சோதனைகளும் நடத்தப்பட்டன.
இனிமேல், செயற்கை நுண்ணறிவை மதிப்பிடுவதற்கு டூரிங் சோதனை ஏன் ஒரு பொருத்தமான தரநிலை அல்ல என்பதை நான் ஆராய்வேன்.
முதலாவதாக, டூரிங் சோதனை நுண்ணறிவைத் துல்லியமாக மதிப்பிடுவதில்லை. வேறுவிதமாகக் கூறினால், ஒரு செயற்கை நுண்ணறிவு எவ்வளவு புத்திசாலித்தனமாகச் சிந்திக்கிறது என்பதை மதிப்பிடுவதற்குப் பதிலாக, இந்தச் சோதனை அது ஒரு மனிதனைப் போல நடந்துகொள்கிறதா என்பதை உரையாடலின் மூலம் தீர்மானிக்கிறது. இதில் இரண்டு சிக்கல்கள் உள்ளன.
முதலில், எல்லா மனிதர்களும் எப்போதும் புத்திசாலித்தனமாக நடந்துகொள்வதில்லை. இங்கு, "புத்திசாலித்தனம்" என்பது ஒரு நிகழ்வு அல்லது பொருளைப் புரிந்துகொண்டு, அதை பகுத்தறிவுடன் செயலாக்கும் அறிவுசார் செயல்பாட்டைக் குறிக்கிறது. மேலும், ஆலன் டூரிங்கின் ஆய்வறிக்கையின்படி, செயற்கை நுண்ணறிவின் சில அறிவுசார் திறன்கள் மனிதர்களிடமிருந்து வேறுபட்ட வழிகளில் வெளிப்படலாம். எளிமையாகச் சொன்னால், மனிதர்களால் தீர்க்க முடியாத ஒரு சிக்கலை ஒரு செயற்கை நுண்ணறிவு தீர்த்தால், எதிர் தரப்பு ஒரு கணினி என்பதை மதிப்பீட்டாளர் உணர்ந்துகொள்வதற்கான வாய்ப்பு அதிகமாக உள்ளது. இறுதியில், மனிதத் திறன்களை விஞ்சும் நுண்ணறிவு வடிவங்களை டூரிங் சோதனை சரியாக மதிப்பிடுவதில் தோல்வியடைகிறது.
இரண்டாவதாக, டூரிங் சோதனையின் மதிப்பீட்டு அளவுகோல்கள் அகநிலை சார்ந்தவை, மற்றும் சோதனை நிலைமைகள் மிகவும் கட்டுப்பாடானவை. வேறுவிதமாகக் கூறினால், செயற்கை நுண்ணறிவின் உண்மையான நுண்ணறிவு அளவை விட, மதிப்பீட்டாளரின் மனப்பான்மை, அனுபவம், திறன்கள் மற்றும் அறிவு ஆகியவற்றால் சோதனை முடிவுகள் கணிசமாகப் பாதிக்கப்படலாம், இது புறநிலைத்தன்மையை உறுதி செய்வதைக் கடினமாக்குகிறது.
இறுதியில், ஒரு விஷயம் செயற்கை நுண்ணறிவா அல்லது மனிதனா என்பதைத் தீர்மானிப்பவர் ஒரு மனிதர் என்பதால், மதிப்பீட்டாளரின் அகநிலைத்தன்மையை முழுமையாக நீக்குவது கடினம். மேலும், சுமார் ஐந்து நிமிடங்கள் என்ற வரையறுக்கப்பட்ட காலக்கெடுவிற்குள் கேட்கப்படும் கேள்விகளும் மிகவும் கட்டுப்படுத்தப்பட்டவை. மதிப்பீட்டாளர் ஒரு மனிதராக இருக்கும் வரை, பல்வேறு வெளிப்புறக் காரணிகளால் பாதிக்கப்படுவதற்கான சாத்தியம் எப்போதும் உள்ளது.
மேலும், டூரிங் சோதனையில் பங்கேற்கும் பெரும்பாலான செயற்கை நுண்ணறிவுகள், குறிப்பிட்ட சூழ்நிலைகள் அல்லது குணாதிசயங்களைக் கொண்ட மனிதர்களை மாதிரியாகக் கொண்டு உருவாக்கப்படுகின்றன. எனவே, ஒரு செயற்கை நுண்ணறிவு சோதனையில் தேர்ச்சி பெற்றாலும், அது பொதுவாக மனிதர்களைப் போலவே நடந்துகொள்கிறது என்று முடிவுக்கு வருவது கடினம். உதாரணமாக, முன்னரே அறிமுகப்படுத்தப்பட்ட “யூஜின் கூஸ்ட்மேன்”, உக்ரைனில் வசிக்கும் 13 வயது சிறுவன் என்ற அனுமானத்தின் அடிப்படையில் உருவாக்கப்பட்டது. சற்றே தடுமாற்றமான ஆங்கிலம் கூட இயல்பானதாக ஏற்றுக்கொள்ளப்படும் ஒரு சூழலை உருவாக்குவதற்கான ஒரு திட்டமிட்ட முயற்சியாக இது இருந்தது. “பாரி” ஒரு சித்தப்பிரமை நோயாளியை மாதிரியாகக் கொண்டு உருவாக்கப்பட்டது, மற்றும் “எலிசா” ஒரு தொழில்முறை உளவியல் ஆலோசகரைப் போல செயல்பட வடிவமைக்கப்பட்டது.
இந்த வகையில், ஒரு குறிப்பிட்ட குணாதிசயங்களைக் கொண்ட மனிதரைப் பிரதிநிதித்துவப்படுத்தும் வகையில் ஒரு செயற்கை நுண்ணறிவு அமைக்கப்பட்டு, பின்னர் அது உரையாடலில் ஈடுபடுத்தப்படும்போது, நடுவர்கள் அந்தக் குணாதிசயங்களைக் கருத்தில் கொண்டே அதை மதிப்பிடுகிறார்கள். உதாரணமாக, மனநோயால் பாதிக்கப்பட்ட ஒருவரைப் பிரதிநிதித்துவப்படுத்தும் வகையில் நிரல்படுத்தப்பட்ட ஒரு செயற்கை நுண்ணறிவுடன் உரையாடும்போது, சற்றே விசித்திரமான ஒரு பதில் வெளிப்பட்டாலும், நடுவர்கள் அதை அந்தப் பண்புக்கூறுக்கு ஏற்ற ஒரு இயல்பான எதிர்வினையாகவே ஏற்றுக்கொள்வார்கள். வேறுவிதமாகக் கூறினால், நடுவர்கள் பாரபட்சமின்றி மதிப்பிட வேண்டும் என்று எதிர்பார்க்கப்பட்டாலும், உண்மையில் அவர்கள் அவ்வாறு செய்வது கடினமான ஒரு சூழலில்தான் வைக்கப்பட்டுள்ளனர்.
நிச்சயமாக, மனநோயால் பாதிக்கப்பட்டவர்களால் சிந்திக்க முடியும். இருப்பினும், மனநோயால் பாதிக்கப்பட்ட ஒருவரை மாதிரியாகக் கொண்டு உருவாக்கப்பட்ட ஒரு செயற்கை நுண்ணறிவு, டூரிங் சோதனையில் தேர்ச்சி பெறுவதால் மட்டுமே, அது ஒரு மனிதனை விட அதிகமாக "மனிதனைப் போல" சிந்திக்கிறது என்று அர்த்தமல்ல. ஆலன் டூரிங் எழுப்பிய "ஒரு இயந்திரத்தால் மனிதனைப் போல நடந்துகொள்ள முடியுமா?" என்ற கேள்விக்கு உண்மையாக இருக்க, பெரும்பாலான மக்கள் ஏற்றுக்கொள்ளக்கூடிய பொதுவான சூழ்நிலைகளின் அடிப்படையில் அந்தச் சோதனை வடிவமைக்கப்பட வேண்டும்.
மூன்றாவதாக, உள்ளடக்கத்தை உண்மையாகப் புரிந்துகொள்வதற்குப் பதிலாக, குறியீடுகளைக் கையாள்வதன் மூலமே செயற்கை நுண்ணறிவால் டூரிங் சோதனையில் தேர்ச்சி பெற முடியும். இதற்கு ஒரு சிறந்த உதாரணம் “எலிசா”. ஒருவர் ஒரு தலைப்பைப் பற்றி சிந்திக்க வேண்டுமானால், அவர் அந்தத் தலைப்பைப் புரிந்துகொண்டு, தொடர்புடைய அனுபவத்தின் அடிப்படையில் முடிவுகளை எடுக்க வேண்டும். இந்தக் காரணத்திற்காக, ஒரு இயந்திரம் உண்மையில் சிந்திக்கிறதா என்பதை டூரிங் சோதனையால் மட்டும் நிரூபிக்க முடியாது என்று தத்துவஞானி ஜான் சியர்லும் வாதிட்டார்.
மேலும், செயற்கை நுண்ணறிவு முன்னரே தீர்மானிக்கப்பட்ட நெறிமுறைகளின்படி செயல்படுவதால், எதிர்பாராத சூழ்நிலைகளை எதிர்கொள்ளும்போது அதனால் ஏற்படும் பிழைகளை எளிதில் கண்டறிய முடியும். இதனை விளக்கும் ஓர் உதாரணம் பின்வருமாறு.
உரையாடுபவர்: நீங்கள் இன்னமும் பில் கிளிண்டனை ஆதரிக்கிறீர்களா?
நீதிபதி: நான் கிளிண்டனைச் சந்தித்ததில்லை.
உரையாடுபவர்: உங்களுக்கு பில் கிளிண்டனை அறவே பிடிக்கவில்லை. குறைந்தபட்சம், உங்களுக்கு அவரைப் பிடிக்கவில்லை என்பது தெளிவாகத் தெரிகிறது. என் கருத்துப்படி, இதுவரை பெரும்பாலான மக்கள் இதில் ஆர்வம் காட்டவில்லை அல்லது இதுபற்றி அதிகம் சிந்திக்கவில்லை என்றே தோன்றுகிறது.
நீதிபதி: நீங்கள் 'தி மார்ஷியன்' பார்த்திருக்கிறீர்களா?
உரையாடுபவர்: நிதானமாகப் பேசுவோம். நான் முட்டாள்தனமான கேள்விகளுக்குப் பதிலளிக்க இங்கு வரவில்லை. அதுவல்ல விஷயம். நாம் எதைப் பற்றிப் பேசிக்கொண்டிருந்தோம்? சரி. நீங்கள் இப்போது சொன்னதன் அர்த்தம், வைட்வாட்டர் மற்றும் சிறப்பு வழக்கறிஞர் போன்ற அடிப்படைக் பிரச்சினைகள் தீவிரமானவை என்பதா?
இந்த உரையாடல், ஒரு நீதிபதிக்கும், டூரிங் சோதனை நடைபெறுவதற்கு முந்தைய நாள் செய்தியான நிகழ்வுகள் குறித்த முன்-திட்டமிடப்பட்ட தகவல்களின் அடிப்படையில் உரையாடலைத் தொடர வடிவமைக்கப்பட்ட 'கேத்தரின்' என்ற செயற்கை நுண்ணறிவுக்கும் இடையே நடைபெறுகிறது. நீதிபதி பில் கிளிண்டன் தொடர்பான அரசியல் உரையாடலைத் தொடர்ந்திருந்தால், அந்த உரையாடல் மிகவும் இயல்பாக இருந்திருக்கும். இருப்பினும், நீதிபதி திடீரெனப் பேச்சை வேறு ஒரு விஷயத்திற்கு மாற்றியபோது, அந்தச் செயற்கை நுண்ணறிவால் திட்டமிடப்படாத அந்த விஷயத்தைச் சரியாகக் கையாள முடியாமல், மேலே காட்டப்பட்டுள்ள பிழையை வெளிப்படுத்தியது.
எனவே, ஒரு செயற்கை நுண்ணறிவு ஒரு குறிப்பிட்ட அளவிலான தகவல் தொடர்புத் திறனைக் கொண்டிருப்பதால் மட்டுமே, அது மனிதனைப் போல நடந்துகொள்கிறது என்று நாம் முடிவு செய்ய முடியாது. மேலோட்டமாகப் பார்க்கும்போது அது மனிதனைப் போன்ற உரையாடலில் ஈடுபடுவது போல் தோன்றினாலும், அது உண்மையில் உள்ளடக்கத்தைப் புரிந்துகொள்வதில்லை; மாறாக, மனிதனைப் போலத் தோற்றமளிக்கும் வகையில் பதிலளிக்கிறது. ஆகையால், முன்னர் வரையறுக்கப்பட்ட "அறிவுத்திறன்" என்ற கருத்தாக்கத்தை அது பூர்த்தி செய்யவில்லை. அர்த்தத்தைப் புரிந்துகொள்ளாமல், மனித நடத்தையை வெறுமனே பின்பற்றும் செயற்கை நுண்ணறிவு அமைப்புகளைத் தேர்ச்சி பெறச் செய்யும் தற்போதைய டூரிங் சோதனையில், தெளிவான வரம்புகள் உள்ளன.
செயற்கை நுண்ணறிவை மனிதர்களுடன் ஒப்பிட்டு மதிப்பிடுவதால், டூரிங் சோதனை என்பது மனிதர்களுக்கும் செயற்கை நுண்ணறிவுக்கும் இடையிலான எல்லையை ஆராயும் ஒரு அர்த்தமுள்ள பரிசோதனையாகும். சிந்தனை அல்லது மனதின் சாராம்சத்தை மனிதர்களாலேயே தெளிவாக வரையறுக்க முடியாது என்பதைக் கருத்தில் கொள்ளும்போது, இந்த முயற்சி தனக்குள்ளேயே குறிப்பிடத்தக்க மதிப்பைக் கொண்டுள்ளது. மறுபுறம், செயற்கை நுண்ணறிவு ஒப்பீட்டளவில் எளிமையான கட்டமைப்புகள் மற்றும் கோட்பாடுகளின் அடிப்படையில் செயல்படுவதால், அதை முழுமையாக இல்லாவிட்டாலும், ஓரளவிற்கு அளவிடவும் பகுப்பாய்வு செய்யவும் முடியும்.
இருப்பினும், டூரிங் சோதனை நுண்ணறிவைத் துல்லியமாக மதிப்பிடுவதில் தோல்வியடைகிறது, மேலும் அதன் மதிப்பீட்டு அளவுகோல்களும் மிகவும் அகநிலை சார்ந்தவையாக உள்ளன. உண்மையான சோதனைச் செயல்முறையை உற்று நோக்கினால், ஒரு செயற்கை நுண்ணறிவின் நுண்ணறிவை முழுமையாக மதிப்பிடக்கூடிய ஒரு சூழலாக அதைக் கருதுவது கடினம் என்பது தெரியவரும். பல நடுவர்கள் பங்கேற்று, ஒரு நிறுவனம் மதிப்பீட்டுச் செயல்முறையை மேற்பார்வையிட்டாலும், மதிப்பீட்டாளர்களின் எண்ணிக்கை குறைவாகவே உள்ளது, மேலும் அனைத்து மாறிகளையும் கணக்கில் எடுத்துக்கொண்டு ஒரு புறநிலை முடிவை எட்டுவது எளிதல்ல. எனவே, அனைவரும் ஏற்றுக்கொள்ளக்கூடிய ஒரு முழுமையான முடிவைப் பெறுவதில் அடிப்படைக் கட்டுப்பாடுகள் உள்ளன.
ஒரு காலத்தில் மனிதர்களுக்கு மட்டுமே உரித்தானதாகக் கருதப்பட்ட அறிவாற்றல் திறன்களை, செயற்கை நுண்ணறிவால் ஓரளவிற்குப் பிரதிபலிக்க முடியும் என்பதை டூரிங் சோதனை நிரூபித்ததால், அது குறிப்பிடத்தக்க முக்கியத்துவத்தைக் கொண்டுள்ளது. எனவே, இந்தச் சோதனையை முற்றிலுமாக நிராகரிப்பதற்குப் பதிலாக, தற்போது பயன்பாட்டில் உள்ளவற்றை விட மிகவும் துல்லியமானதும், பரந்த பார்வையாளர்களால் ஏற்றுக்கொள்ளக்கூடியதுமான மதிப்பீட்டு அளவுகோல்களையும் செயல்முறைகளையும் நிறுவ வேண்டிய தேவை உள்ளது.
இது தொடர்பாக, நான் “தலைகீழ் டூரிங் சோதனையை” ஒரு மாற்றாக முன்மொழிய விரும்புகிறேன். தலைகீழ் டூரிங் சோதனையில், மதிப்பீட்டாளர் ஒரு மனிதருக்குப் பதிலாக ஒரு கணினியாகும். வேறுவிதமாகக் கூறினால், இது ஒரு கணினி, ஒரு மனிதருடனோ அல்லது மற்றொரு கணினியுடனோ ஊடாடிக்கொண்டே அதை மதிப்பிடும் ஒரு முறையாகும். தற்போதுள்ள சோதனைகளில் இந்த அணுகுமுறையை அறிமுகப்படுத்துவது, மனித அகநிலைத்தன்மை என்ற சிக்கலைக் குறைத்து, மதிப்பீடுகளை மிகவும் புறநிலையான சூழலில் நடத்த அனுமதிக்கும். நிச்சயமாக, மதிப்பீட்டாளர் ஒரு செயற்கை நுண்ணறிவு என்பது புதிய சிக்கல்களுக்கான சாத்தியக்கூறுகளையும் எழுப்புகிறது.
பொருள் எதுவாக இருந்தாலும், மதிப்பீடு மற்றும் தீர்ப்புக்காக வடிவமைக்கப்பட்ட சோதனைகள் அனைவரையும் திருப்திப்படுத்த வாய்ப்பில்லை, மேலும் அனைவரும் ஏற்றுக்கொள்ளக்கூடிய சரியான அளவுகோல்களை நிறுவுவதும் எளிதல்ல. எனவே, அவற்றை மேம்படுத்துவதற்கான வழிகளை நாம் தொடர்ந்து ஆராய வேண்டும். குறிப்பாக, டூரிங் சோதனையானது தொழில்துறையின் எதிர்காலத்தையும், செயற்கை நுண்ணறிவு தொழில்நுட்ப வளர்ச்சியின் திசையையும் கணிசமாகப் பாதிக்கக்கூடிய ஒரு முக்கியமான மதிப்பீட்டு முறையாக இருப்பதால், அது மேலும் திறமையான மற்றும் நம்பகமான வடிவமாகப் பரிணமிக்க வேண்டும்.
இன்று, செயற்கை நுண்ணறிவு கடந்த காலத்துடன் ஒப்பிட முடியாத வேகத்தில் முன்னேறி வருகிறது, மேலும் அது நமது அன்றாட வாழ்வின் ஒவ்வொரு அம்சத்திலும் ஏற்கனவே பயன்படுத்தப்பட்டு வருகிறது. அத்தகைய செயற்கை நுண்ணறிவை மதிப்பிடும்போது, அது மனிதர்களை ஏமாற்ற முடியுமா என்பதை மட்டும் வைத்து நாம் அதை மதிப்பிடக்கூடாது; மாறாக, அர்த்தத்தைப் புரிந்துகொள்ளும், சூழலை உள்வாங்கிக்கொள்ளும், மற்றும் பல்வேறு சூழ்நிலைகளில் இயல்பாகத் தொடர்புகொள்ளும் அதன் திறனை மதிப்பிட வேண்டும். நிச்சயமாக, இது ஒரு கணிதக் கணக்கைப் போல, தெளிவாக வரையறுக்கப்பட்ட "சரியான பதில்களைக்" கொண்ட ஒரு துறை அல்ல என்பதால், புறநிலை அளவுகோல்களை நிறுவுவது எளிதல்ல. ஆயினும்கூட, எதிர்காலத்தில் மனிதர்களுடன் இணைந்து செயல்படக்கூடிய செயற்கை நுண்ணறிவை மதிப்பிடுவதற்கு, நெறிமுறைக் காரணிகளையும் திறம்படத் தொடர்புகொள்ளும் திறனையும் முழுமையாகக் கருத்தில் கொள்ளும் வகையில் டூரிங் சோதனை மேம்படுத்தப்பட வேண்டும்.
