Test di Turing

Che cos'è il test di Turing e come funziona?

IlTest di Turing è un test di intelligenza artificiale per verificare se, attraverso una conversazione via chat, un computer può convincere un umano di essere umano. A un umano viene chiesto di giudicare se la "persona" con cui sta parlando è un umano o un computer. Se ritiene di parlare con un umano ma in realtà sta parlando con un computer, il computer ha superato il Test di Turing.

In sostanza, si tratta di un test per valutare se un computer può imitare un essere umano in modo così convincente da ingannare un essere umano facendogli credere che sta parlando con un essere umano. Naturalmente, ci sono molte cose da chiarire su questo test.

A cosa serve il test di Turing?

Questa può sembrare una domanda strana, perché il punto sembra ovvio: sapere se una macchina può imitare in modo convincente un essere umano in una conversazione via chat. Tuttavia, ci sono alcune considerazioni più profonde.

Stiamo verificando se una macchina è in grado di imitare realmente un essere umano in termini di pensiero o intelligenza di base o solo di ingannare un essere umano facendogli credere di esserlo? C 'è una differenza.

L'imitazione degli esseri umani in termini di pensiero o intelligenza è ciò che si pensa di solito quando si pensa al Test di Turing: che gli esseri umani non siano davvero in grado di distinguere tra una conversazione con un essere umano o con una macchina. In realtà, questo non era il modo in cui il test era stato inizialmente concepito, perché era consentito "ingannare" gli esseri umani. Per esempio, fare errori di battitura potrebbe essere un modo per un computer di ingannare un umano facendogli credere di essere umano, poiché una macchina non farebbe mai un errore di ortografia.

Il problema di fondo è che i test hanno delle regole e quindi sono inevitabilmente fallaci in alcuni modi. Ad esempio, conta il tempo in cui si parla con il soggetto del test. È più facile imitare un essere umano in 5 minuti che in cento ore di conversazione. I trucchi possono funzionare nella versione di 5 minuti, ma non in quella di cento ore.

È importante chi esegue il test di Turing?

Uno scienziato con una formazione su come individuare le macchine rispetto agli esseri umani sarà molto più difficile da ingannare di una persona qualunque senza formazione, non solo per la capacità dello scienziato di valutare le risposte, ma anche per la conoscenza delle domande da porre.

Anche se il computer ha un livello di "pensiero" e di intelligenza pari a quello di un essere umano, ciò potrebbe non essere sufficiente per ingannare il tester. Questo perché il computer potrebbe essere troppo perfetto o troppo poco emotivo nelle sue risposte.

Ci sono anche considerazioni filosofiche intorno al Test di Turing, come ad esempio se se i computer raggiungessero un'intelligenza generalizzata di livello umano, ciò significherebbe che le macchine possono "pensare" o essere coscienti. Questa era in parte una domanda che Alan Turing stava cercando di aggirare con questo test. Se una macchina può imitare accuratamente un essere umano, allora a tutti gli effetti è "pensante".

Naturalmente, questo non significa che abbia coscienza o che pensi nello stesso modo in cui pensa un essere umano. Anzi, è garantito che non pensa nel modo in cui pensano gli esseri umani. Il vero interesse di questa domanda risiede nell'aspetto pratico. Gli aerei volano, per esempio. Questo è l'importante. È molto meno interessante che non imitino gli uccelli nel modo di volare.

Il Test di Turing è interessato ai risultati, non al modo in cui vengono raggiunti.

Un punto più importante è che il Test di Turing è inteso in generale per descrivere uno stato di cose in cui l'intelligenza della macchina ha raggiunto almeno il livello di intelligenza umana. È un gruppo molto più ristretto quello che si interessa alla questione se una macchina abbia tecnicamente superato il Test di Turing, considerando tutti i difetti sopra descritti.

Sebbene il superamento di un Test di Turing possa essere un'impresa tecnica impressionante, soprattutto se il test è di lunga durata e gestito da persone competenti, è molto meno impressionante di una macchina in grado di ingannare tutte le persone, per tutto il tempo. Naturalmente, più lungo è il periodo di tempo in cui il test viene eseguito e più alto è il livello di competenza dei valutatori, più è probabile che questi due scenari convergano.

Siamo vicini a un computer che supera il test di Turing?

Ora che avete capito cos'è il test, la domanda successiva è: "Siamo vicini a un computer che supera il test?". (cioè a raggiungere un'intelligenza umana generalizzata). La risposta breve è "No".

Sebbene siano stati compiuti enormi progressi nell'elaborazione del linguaggio naturale, ovvero nella capacità di un computer di identificare l'intenzione dietro una singola frase pronunciata (che è la tecnologia che guida tutti gli assistenti vocali), siamo molto lontani da un'intelligenza generalizzata di livello umano.

È emerso che l'attuale tecnologia non è molto brava per quanto riguarda l'ambiguità (capire il significato di affermazioni ambigue), la memoria (incorporare fatti precedentemente dichiarati nella conversazione attuale) o il contesto (tenere conto di fatti non dichiarati ma rilevanti per la situazione attuale). In breve, la tecnologia attuale non si avvicina neanche lontanamente a ciò che è necessario.

Parte del problema è che l'attuale tecnologia di IA deve imparare utilizzando enormi quantità di dati. Qualsiasi ambito in cui sia disponibile un'enorme quantità di dati ripetitivi è maturo per l'introduzione dell'IA, ad esempio il riconoscimento vocale e l'elaborazione delle immagini, comprese le auto a guida autonoma.

Il successo della PNL è dovuto al fatto che esistono dati quasi illimitati per affermazioni e domande singole senza contesto o memoria. Se dico "Voglio comprare un'arancia", nella maggior parte dei casi si tratta di una semplice affermazione che non necessita di informazioni aggiuntive sul contesto o sulla memoria per essere compresa. L'intenzione è: "Comprare succo d'arancia".

Quando c'è un contesto o una memoria, si crea una dimensionalità. Se dico che voglio "comprare del succo d'arancia", ma in precedenza vi ho detto che sono un trader finanziario che commercia in succo d'arancia, dovete capire che in questo contesto voglio comprare uno strumento finanziario che farà soldi se il prezzo del succo d'arancia sale.

Come si presentano ora i nostri dati? "Comprare succo d'arancia" significa: comprare una bottiglia di succo d'arancia al negozio OPPURE se ha precedentemente dichiarato di essere un trader finanziario di succo d'arancia, significa che vuole comprare uno strumento finanziario legato al prezzo del succo d'arancia.

E se il nostro trader finanziario ha appena detto di avere sete, significa che vuole comprare una bottiglia di succo d'arancia al negozio. Aggiungiamo quindi un altro punto di dati: OPPURE se ha precedentemente dichiarato di essere un trader finanziario di succo d'arancia ma ha recentemente dichiarato di avere sete, significa che vuole comprare una bottiglia di succo d'arancia.

Un'impresa finanziaria si troverebbe rapidamente in difficoltà se lanciasse un bot di trading che gli utenti credono abbia un'"intelligenza" di livello umano.

Superare il test di Turing è impossibile?

I dati delle conversazioni hanno molte dimensioni, purtroppo. Infinite dimensioni. Ciò significa che gli algoritmi di apprendimento automatico dovrebbero avere accesso a un set di dati con grandi quantità di dati per ogni possibile dimensione, il che è ovviamente impossibile.

Questo non significa, ovviamente, che superare il Test di Turing sia impossibile. Sappiamo che è possibile perché abbiamo già la tecnologia per farlo, nel nostro cervello. Proprio come centinaia di anni fa le persone sapevano che il volo era possibile osservando gli uccelli che volavano.

Il problema è che il nostro approccio all'IA non può essere costruito sui big data perché i big data con una dimensionalità sufficiente non esistono. Ci sono semplicemente troppe variabili, troppe dimensioni. Anche mentre parliamo, Google riceve 800 milioni di ricerche al giorno che non ha mai visto prima. Questo vi dà un'idea di quanto sia difficile l'approccio ai dati.

Ray Kurtzweil di Google sta seguendo un approccio che cerca in qualche modo di replicare il cervello umano. Ha stimato che arriveremo a un'intelligenza generalizzata e saremo in grado di superare un test di Turing molto difficile entro il 2029.

Le sue previsioni si basano sul presupposto che i progressi in questo campo saranno esponenziali e quindi anche i progressi relativamente modesti di oggi sono molto più significativi di quanto non sembri se si assume che siamo su una traiettoria esponenziale di progresso.

Se abbia ragione o meno dovremo aspettare e vedere, ma ciò che ci dice è che è altamente improbabile che la svolta avvenga nei prossimi 10 anni.

Cosa significherebbe per una macchina superare un test di Turing credibile?

L'ultimo punto è cosa significherebbe se una macchina superasse un test di Turing credibile. Se la macchina superasse il test utilizzando una sorta di approccio ai big data, in modo simile al modo in cui le macchine battono gli esseri umani nei giochi da tavolo, anche sofisticati, le implicazioni non sarebbero così grandi come se la macchina lo superasse utilizzando un approccio di replica del cervello.

L'approccio della replica del cervello significherebbe che la macchina è probabilmente più vicina al "pensiero" nel modo in cui definiamo il pensiero degli esseri umani. Potrebbe estrapolare il significato da esempi minimi, come fanno gli esseri umani, invece di aver bisogno di centinaia di esempi del caso esatto per estrapolare il significato.

Come già detto, è più probabile che un approccio di "replica del cervello" fornisca la svolta, dato che un approccio basato sui big data non è possibile. Ciò significherebbe probabilmente che le macchine avrebbero raggiunto un'intelligenza generale, non solo nella conversazione, ma in più domini.

L'implicazione di ciò non può essere sopravvalutata, in quanto ciò porterebbe probabilmente a un reset completo della società. Questo è particolarmente vero se le macchine avranno la capacità di migliorarsi in modi significativi, il che porterà alla possibilità di un aumento esponenziale della loro intelligenza, in un circolo virtuoso che cambierà la vita come la conosciamo.

L'interazione dell'uomo con le macchine

Per quanto riguarda le questioni più banali, vale la pena ricordare che anche se una macchina fosse l'equivalente di un essere umano, ciò non significa che interagiremmo con essa come facciamo con gli esseri umani. È esattamente come con gli esseri umani. Interagire con gli esseri umani non è sempre efficiente. Cercare di spiegare al telefono al proprio collega come fare qualcosa può essere noioso e inefficiente in situazioni in cui sarebbe più facile mostrarglielo. Se solo gli umani avessero un'interfaccia grafica disponibile sul web!

Le interfacce vocali (o basate su chat) hanno chiaramente dei limiti in termini di immissione o emissione di informazioni. È chiaro che ci sono limitazioni e situazioni in cui è molto più efficiente mostrare le informazioni graficamente, o cliccare su un'interfaccia grafica, piuttosto che usare un'interfaccia vocale. Le piattaforme bot sono quindi progettate per cercare sempre di riportare l'utente sulla strada giusta e non lasciare che la conversazione divaghi.

Il punto è anche che i computer non sono limitati come gli esseri umani in termini di interfacce che possono usare per ricevere o fornire informazioni e quindi le conversazioni con le macchine comporteranno necessariamente l'uso dell'interfaccia ottimale per il compito da svolgere.

Sebbene il superamento del Test di Turing rappresenti un'enorme pietra miliare in termini di interazione uomo/computer, le vere e proprie "conversazioni" uomo/computer non saranno limitate a voce e testo.