Test de Turing

Qu'est-ce que le test de Turing et comment fonctionne-t-il ?

‍Le test de Turing est une évaluation de l'intelligence artificielle visant à déterminer si, lors d'une conversation écrite, un ordinateur peut convaincre un humain qu'il est lui-même humain. Un humain doit juger si la « personne » avec qui il échange est un humain ou un ordinateur. Si la personne pense parler à un humain alors qu'il s'agit en réalité d'un ordinateur, alors l'ordinateur a réussi le test de Turing.

En résumé, il s’agit de vérifier si un ordinateur peut imiter un humain de façon si convaincante qu’il parvient à tromper un humain sur sa véritable nature. Bien sûr, ce test soulève de nombreuses questions.

Quel est l’objectif du test de Turing?

La question peut sembler étrange, car l’objectif paraît évident: savoir si une machine peut imiter un humain de façon convaincante lors d’une conversation. Mais il y a des aspects plus profonds à considérer.

Testons-nous si une machine peut réellement imiter un humain en termes de pensée ou d'intelligence, ou simplement tromper un humain en lui faisant croire qu'elle est humaine ? Il y a une différence.

Imiter les humains en termes de pensée ou d'intelligence, c'est ce que la plupart des gens imaginent lorsqu'ils pensent au test de Turing : que les humains ne puissent vraiment pas faire la différence entre discuter avec un humain ou une machine. Pourtant, ce n'est pas ainsi que le test a été conçu à l'origine, car « tromper » les humains était autorisé. Par exemple, faire des fautes de frappe pourrait permettre à un ordinateur de tromper un humain, car une machine ne ferait normalement jamais d'erreur d'orthographe.

Le problème de fond, c’est que tout test a ses règles et donc ses limites. Par exemple, la durée de la conversation compte: il est plus facile d’imiter un humain pendant 5 minutes que sur cent heures d’échanges. Les astuces peuvent fonctionner sur une courte durée, mais pas sur une longue.

Est-ce important qui fait passer le test de Turing ?

Un scientifique formé à repérer les différences entre humains et machines sera bien plus difficile à tromper qu’une personne lambda, non seulement grâce à ses compétences d’analyse, mais aussi parce qu’il saura quelles questions poser.

Même si l’ordinateur possède un niveau de « pensée » et d’intelligence équivalent à celui d’un humain, cela ne suffira peut-être pas à tromper l’examinateur. L’ordinateur pourrait être trop parfait ou manquer d’émotion dans ses réponses.

Il existe aussi des réflexions philosophiques autour du test de Turing, comme la question de savoir si une intelligence artificielle atteignant le niveau humain signifierait que les machines peuvent « penser » ou sont conscientes. C’est en partie une question qu’Alan Turing voulait contourner avec ce test. Si une machine peut imiter fidèlement un humain, alors, pour toutes les intentions pratiques, elle « pense ».

Bien sûr, cela ne signifie pas qu'elle a une conscience ou qu'elle pense comme un humain. En réalité, il est certain qu'elle ne pense pas comme un humain. Ce qui rend cette question intéressante, c'est son aspect pratique. Par exemple, les avions volent. C'est cela qui compte. Qu'ils n'imitent pas les oiseaux dans leur façon de voler est bien moins important.

Le test de Turing s’intéresse au résultat, pas à la manière dont il est obtenu.

Un point important est que le test de Turing est généralement compris comme décrivant une situation où l’intelligence artificielle atteint au moins le niveau humain. Seule une minorité s’intéresse à la question de savoir si une machine a techniquement réussi le test de Turing, en tenant compte de toutes les limites évoquées.

Réussir le test de Turing peut être un exploit technique impressionnant, surtout si le test est long et mené par des experts. Mais c’est bien moins impressionnant qu’une machine capable de tromper tout le monde, tout le temps. Plus le test dure longtemps et plus les examinateurs sont compétents, plus ces deux scénarios tendent à se rejoindre.

Sommes-nous proches de voir un ordinateur réussir le test de Turing ?

Maintenant que vous comprenez ce qu'est le test, la question suivante est : « Sommes-nous proches de voir un ordinateur réussir ce test ? » (c'est-à-dire atteindre une intelligence humaine généralisée). La réponse courte est « Non ».

Même si les progrès en traitement du langage naturel (la capacité d’un ordinateur à comprendre l’intention derrière une phrase prononcée, technologie utilisée par les assistants vocaux) sont considérables, nous sommes encore très loin d’une intelligence généralisée au niveau humain.

En réalité, la technologie actuelle gère mal l’ambiguïté (comprendre le sens de phrases ambiguës), la mémoire (intégrer des faits énoncés précédemment dans la conversation) ou le contexte (prendre en compte des éléments non dits mais pertinents). Bref, la technologie actuelle est loin d’être à la hauteur.

Une partie du problème vient du fait que l’IA actuelle doit apprendre à partir d’énormes quantités de données. Tous les domaines où il existe beaucoup de données répétitives sont propices à l’introduction de l’IA, comme la reconnaissance vocale ou le traitement d’images, y compris pour les voitures autonomes.

Le succès du traitement automatique du langage naturel repose sur le fait qu'il existe une quantité quasiment illimitée de données pour des phrases ou questions isolées, sans contexte ni mémoire. Si je dis « Je veux acheter de l'orange », c'est dans la plupart des cas une phrase simple qui ne nécessite pas d'informations supplémentaires sur le contexte ou la mémoire pour être comprise. L'intention est : « Acheter du jus d'orange ».

Quand il y a du contexte ou de la mémoire, cela ajoute de la complexité. Si je dis que je veux « acheter du jus d’orange » mais que je vous ai déjà dit que je suis un trader spécialisé dans le jus d’orange, il faut comprendre que dans ce contexte, je veux acheter un produit financier lié au prix du jus d’orange.

‍

À quoi ressemble alors notre jeu de données? « Acheter du jus d’orange » peut signifier: acheter une bouteille de jus d’orange au magasin OU, si la personne a déjà précisé qu’elle est trader en jus d’orange, cela signifie acheter un produit financier lié au prix du jus d’orange.

Si notre trader vient de dire qu’il a soif, alors il veut acheter une bouteille de jus d’orange au magasin. On ajoute donc un autre cas: OU si la personne a déjà précisé qu’elle est trader en jus d’orange mais qu’elle a récemment dit qu’elle avait soif, cela signifie qu’elle veut acheter une bouteille de jus d’orange.

Une entreprise financière rencontrerait rapidement des problèmes si elle lançait un bot de trading que les utilisateurs croiraient doté d’une « intelligence » au niveau humain.

Est-il impossible de réussir le test de Turing ?

Les données de conversation comportent malheureusement de nombreuses dimensions. Une infinité, même. Cela signifie que les algorithmes d’apprentissage automatique auraient besoin d’un ensemble de données très volumineux pour chaque dimension possible, ce qui est évidemment impossible.

Cela ne veut pas dire pour autant que réussir le test de Turing est impossible. On sait que c’est faisable, car notre cerveau en est déjà capable. De la même façon, il y a des siècles, les gens savaient que voler était possible en observant les oiseaux.

Le problème, c’est que notre approche de l’IA dans ce contexte ne peut pas reposer sur le big data, car il n’existe pas de big data avec une dimensionnalité suffisante. Il y a tout simplement trop de variables, trop de dimensions. Même aujourd’hui, Google reçoit chaque jour 800 millions de recherches qu’il n’a jamais vues auparavant. Cela donne une idée de la difficulté qu’aurait une approche basée sur les données.

Ray Kurzweil chez Google suit une approche qui cherche dans une certaine mesure à reproduire le cerveau humain. Il estime que nous atteindrons l’intelligence généralisée et serons capables de réussir un test de Turing très difficile d’ici 2029.

Sa prévision repose sur l’hypothèse que les avancées dans ce domaine seront exponentielles. Ainsi, même des progrès relativement modestes aujourd’hui sont bien plus significatifs qu’ils n’y paraissent si l’on considère que nous suivons une trajectoire exponentielle de développement.

Pour savoir s’il a raison, il faudra attendre. Mais cela montre qu’il est très peu probable qu’une percée majeure ait lieu dans les dix prochaines années.

Que signifierait pour une machine de réussir un test de Turing crédiblea?

Le dernier point concerne la signification d’une réussite à un test de Turing crédible par une machine. Si la machine réussit grâce à des méthodes de type big data, comme celles utilisées pour battre les humains aux jeux de société, même sophistiqués, les conséquences ne seraient pas aussi importantes que si elle y parvenait via une approche de réplication du cerveau.

L’approche de réplication du cerveau signifierait que la machine serait probablement plus proche de « penser » comme nous définissons la pensée humaine. Elle pourrait extrapoler le sens à partir de très peu d’exemples, comme le font les humains, plutôt que d’avoir besoin de centaines d’exemples précis pour en déduire le sens.

Comme mentionné plus haut, il est plus probable qu’une percée vienne d’une approche de « réplication du cerveau », car une approche big data n’est pas envisageable. Cela signifierait sans doute que les machines auraient atteint une intelligence générale, pas seulement en conversation, mais dans de nombreux domaines.

Les conséquences seraient immenses, car cela entraînerait probablement une remise à zéro complète de la société. C’est d’autant plus vrai si les machines sont capables de s’améliorer de manière significative, ce qui pourrait conduire à une augmentation exponentielle de leur intelligence dans un cercle vertueux qui bouleverserait notre mode de vie.

L’interaction des humains avec les machines

Pour revenir à des sujets plus concrets, il faut garder à l’esprit que même si une machine était l’équivalent d’un humain, cela ne signifie pas que nous interagirions avec elle comme avec une personne. C’est la même chose entre humains. Interagir avec d’autres personnes n’est pas toujours efficace. Expliquer à un collègue comment faire quelque chose par téléphone peut être fastidieux et inefficace, alors qu’il serait plus simple de lui montrer. Si seulement les humains avaient une interface graphique accessible sur le web !

Les interfaces vocales (ou basées sur le chat) présentent clairement des limites pour saisir ou restituer des informations. Il y a des situations où il est bien plus efficace de présenter des données graphiquement, ou de cliquer sur une interface visuelle, plutôt que d’utiliser la voix. Les plateformes de bots sont donc conçues pour ramener l’utilisateur sur le bon chemin et éviter que la conversation ne s’égare.

Mon point est aussi que les ordinateurs ne sont pas limités comme les humains dans les interfaces qu’ils peuvent utiliser pour recevoir ou fournir des informations. Les conversations avec les machines impliqueront donc nécessairement l’utilisation de l’interface optimale pour la tâche à accomplir.

Même si réussir le test de Turing serait une étape majeure pour l’interaction humain / ordinateur, les « conversations » entre humains et ordinateurs ne se limiteront pas à la voix ou au texte.

FAQ

Comment le test de Turing se compare-t-il à d’autres critères d’évaluation de l’IA, comme le Winograd Schema Challenge ou le ARC Challengea?

Le test de Turing vérifie si l’IA peut imiter une conversation humaine, mais des critères plus récents comme le Winograd Schema Challenge et le ARC Challenge se concentrent davantage sur le raisonnement, le bon sens et la résolution de problèmes. Ils révèlent une intelligence plus profonde, au-delà de la simple imitation.

Le test de Turing est-il encore pertinent dans la recherche en IA moderne, ou existe-t-il aujourd’hui de meilleures alternatives ?

Le test de Turing reste un exercice de réflexion utile et une étape symbolique, mais beaucoup de chercheurs le considèrent désormais comme dépassé. Les tests actuels cherchent davantage à mesurer la compréhension réelle, la logique et la capacité de généralisation.

Les biais culturels ou linguistiques influencent-ils les résultats d’un test de Turing ?

Oui. L’IA peut mal interpréter des expressions idiomatiques, de l’humour ou des références propres à certaines cultures ou langues, ce qui la rend plus facile à identifier comme non humaine dans certains contextes.

Comment la réussite au test de Turing redéfinirait-elle ce que signifie être « humain » ?

Si une machine réussissait un test de Turing rigoureux, cela nous obligerait peut-être à repenser si l’humanité se définit par la biologie ou le comportement, et à nous interroger sur ce qui rend notre façon de penser si unique.

Quels types de questions sont généralement les plus efficaces pour révéler les traits non humains d’une IA ?

Les questions qui reposent sur le contexte, la nuance émotionnelle ou le bon sens du quotidien — comme l’interprétation du sarcasme, des allusions vagues ou des informations contradictoires — sont souvent les plus révélatrices.