チューリングテスト

チューリングテストとは何で、どのように機能するのですか？

‍チューリングテストは、チャットでの会話を通じて、コンピューターが人間に自分が人間だと思わせることができるかどうかを判定するAIのテストです。 人間が、会話相手が人間かコンピューターかを判断します。もし人間だと思った相手が実際にはコンピューターだった場合、そのコンピューターはチューリングテストに合格したことになります。

つまり、コンピューターがどれだけ人間らしくふるまい、人間をだませるかを評価するテストです。当然ながら、このテストにはさまざまな論点があります。

チューリングテストの目的は何か？

一見すると目的は明白で、チャットで機械が人間をどれだけ自然に模倣できるかを知ることのようですが、実はもっと深い考察もあります。

機械が人間の思考や知性そのものを本当に模倣できるかを試しているのか、それとも単に人間をだまして人間だと思わせることができるかを試しているのか？この2つには違いがあります。

人間の思考や知性そのものを模倣することが、一般的にチューリングテストと聞いて多くの人が思い浮かべるものです。つまり、人間が相手が人間か機械か区別できない状態です。しかし、実際にはこのテストは最初からそのように考案されたわけではありません。「だます」ことも許されていました。例えば、コンピューターがタイプミスをすることで、人間は機械がスペルミスをしないと思い込んでいるため、人間だと信じ込ませることができるかもしれません。

根本的な問題は、テストにはルールがあるため、必ず何らかの欠点があることです。たとえば、テスト対象とどれくらい長く会話するかも重要です。5分間なら人間を模倣しやすいですが、100時間の会話では難しくなります。短時間なら通用する工夫も、長時間では通用しません。

チューリングテストを誰が行うかは重要ですか？

機械と人間を見分ける訓練を受けた科学者は、一般の人よりもだまされにくいでしょう。科学者は回答を評価する能力だけでなく、適切な質問を知っているからです。

たとえコンピューターが人間並みの「思考」や知能を持っていても、それだけではテスターをだませないかもしれません。なぜなら、コンピューターの回答が完璧すぎたり、感情がなさすぎたりする場合があるからです。

チューリングテストには哲学的な議論もあります。たとえば、コンピューターが一般的な人間レベルの知能に達した場合、それは「考える」や「意識がある」と言えるのかという問題です。アラン・チューリング自身も、この問いを回避しようとしていました。もし機械が人間を正確に模倣できれば、実質的には「考えている」とみなせるという考え方です。

もちろん、それは意識があることや、人間と同じように考えていることを意味しません。実際、人間と同じように考えていないことは確かです。この問いの本当の面白さは、実用的な観点から見たときにあります。例えば、飛行機は飛びます。それが重要な点です。飛行機が鳥のように飛ばないことは、それほど重要ではありません。

チューリングテストが重視するのは「結果」であり、その結果がどうやって得られたかではありません。

より重要なのは、チューリングテストが一般的には「機械知能が少なくとも人間レベルに達した状態」を示すものと理解されていることです。上記のような欠点を考慮して、機械が技術的にチューリングテストに合格したかどうかに関心を持つ人はごく一部です。

チューリングテストに合格することは、特に長期間で専門家によって実施された場合、技術的には非常にすごいことですが、「すべての人を常にだませる」機械ほど印象的ではありません。もちろん、テスト期間が長くなり、評価者の専門性が高くなるほど、この2つのシナリオは近づいていきます。

コンピューターがチューリングテストに合格する日は近いのでしょうか？

テストが何かを理解した今、次の疑問は「コンピューターがこのテストに合格する日は近いのか？」（つまり、人間のような汎用知能を実現できるのか）ということです。短い答えは「いいえ」です。

自然言語処理（コンピューターが発話の意図を理解する技術、音声アシスタントの基盤技術）では大きな進歩がありましたが、一般的な人間レベルの知能にはまだほど遠い状況です。

現状の技術は、曖昧さ（曖昧な発言の意味を理解すること）、記憶（過去の発言を現在の会話に反映すること）、文脈（明示されていないが関連する事実を考慮すること）が非常に苦手です。つまり、今の技術は必要とされるレベルにはほとんど達していません。

問題の一部は、現在のAI技術が膨大なデータを使って学習する必要があることです。大量の繰り返しデータがある分野、たとえば音声認識や画像処理、自動運転車などはAI導入が進みやすいです。

自然言語処理（NLP）の成功は、文脈や記憶がなくても成立する一度きりの発言や質問に対して、ほぼ無限のデータが存在することに支えられています。たとえば「オレンジジュースを買いたい」と言えば、ほとんどの場合、文脈や追加情報がなくても理解できるシンプルな発言です。意図は、「オレンジジュースを買う」ということです。

文脈や記憶が関わると、次元が増えます。たとえば「オレンジジュースを買いたい」と言った人が、以前に「私はオレンジジュースの金融トレーダーだ」と伝えていた場合、この文脈では「オレンジジュースの価格が上がると利益が出る金融商品を買いたい」という意味になります。

‍

では、データはどうなるでしょうか。「オレンジジュースを買う」は、店でオレンジジュースを買うこともあれば、もしその人がオレンジジュースの金融トレーダーだと以前に言っていれば、オレンジジュースの価格に連動した金融商品を買いたいという意味にもなります。

もしそのトレーダーが「喉が渇いた」と直前に言っていれば、店でオレンジジュースを買いたいという意味になります。つまり、さらにデータポイントが増えます。オレンジジュースの金融トレーダーだと以前に言っていても、最近「喉が渇いた」と言っていれば、店でオレンジジュースを買いたいという意味です。

金融企業が、人間レベルの「知能」を持つとユーザーが信じるトレーディングボットを導入した場合、すぐに問題に直面するでしょう。

チューリングテストに合格することは不可能なのでしょうか？

会話データには多くの次元があり、実際には無限に存在します。つまり、機械学習アルゴリズムがあらゆる次元の大量データにアクセスする必要があり、それは現実的に不可能です。

もちろん、だからといってチューリングテストの合格が不可能というわけではありません。私たちの脳がすでにそれを実現しているからです。何百年も前の人々が鳥の飛ぶ姿を見て「飛行は可能だ」と知っていたのと同じです。

問題は、AIへの現在のアプローチがビッグデータに依存していることです。しかし十分な次元を持つビッグデータは存在しません。変数や次元が多すぎるのです。実際、Googleでは毎日8億件もの初めての検索が行われています。これがデータアプローチの難しさを示しています。

Googleのレイ・カーツワイルは、人間の脳をある程度再現しようとするアプローチを取っています。彼は2029年までに一般的な知能を実現し、非常に難しいチューリングテストにも合格できるようになると予測しています。

彼の予測は、この分野の進歩が指数関数的に進むという前提に基づいています。したがって、現在の比較的控えめな進歩であっても、もし私たちが指数関数的な進歩の軌道に乗っていると仮定すれば、それは見た目以上に重要だということです。

彼が正しいかどうかは今後を見守る必要がありますが、少なくとも今後10年以内に大きなブレイクスルーが起こる可能性は非常に低いことがわかります。

機械が信頼できるチューリングテストを通過するとは、どういう意味でしょうか？

最後のポイントは、もし機械が信頼できるチューリングテストを通過した場合、それが何を意味するかということです。もし機械がビッグデータ的な手法を使ってテストを通過した場合、つまり機械がボードゲームで人間に勝ったのと同じようなやり方で通過した場合、その意味合いは、脳の再現アプローチで通過した場合ほど大きくはありません。

脳の再現アプローチであれば、その機械は人間が定義する「思考」により近い形で「考える」ことができる可能性が高いでしょう。つまり、人間のように最小限の例から意味を推測できるようになり、同じケースの例を何百も必要とせずに意味を導き出せるようになります。

前述の通り、「脳の再現」アプローチの方がブレイクスルーをもたらす可能性が高いです。ビッグデータ的な手法では限界があるためです。これが実現すれば、機械は会話だけでなく、複数の分野で汎用的な知能を獲得したことになるでしょう。

この影響は計り知れません。なぜなら、機械が自らを有意義に改良できるようになれば、知能が指数関数的に向上し続ける好循環が生まれ、私たちの生活が根本から変わる可能性があるからです。

人間と機械の関わり方

より現実的な話に戻すと、たとえ機械が人間と同等になったとしても、私たちが人間と同じように機械と接するとは限りません。これは人間同士でも同じことです。人間同士のやりとりは必ずしも効率的とは限りません。例えば、同僚に電話でやり方を説明するのは、実際に見せるよりも面倒で非効率な場合があります。もし人間にもウェブ上で使えるグラフィカルインターフェースがあればいいのに、と思うこともあるでしょう。

音声インターフェース（またはチャットベースのインターフェース）には、情報の入力や出力に関して明らかな制限があります。状況によっては、音声インターフェースよりもグラフィカルに情報を表示したり、グラフィカルインターフェースをクリックした方がはるかに効率的な場合もあります。そのため、Botプラットフォームは、常にユーザーを最適な流れに戻し、会話が逸れないように設計されています。

私が言いたいのは、コンピューターは情報の受け渡しに使えるインターフェースが人間のように制限されていないため、機械との会話は必然的に、その時々のタスクに最適なインターフェースを使うことになるということです。

チューリングテストを通過することは、人間とコンピューターのやりとりにおいて大きな節目となりますが、実際の人間とコンピューターの「会話」は、音声やテキストだけにとどまりません。

よくある質問

チューリングテストは、Winograd Schema ChallengeやARC Challengeのような他のAIベンチマークと比べてどう違うのでしょうか？

チューリングテストはAIが人間の会話を模倣できるかを確認しますが、Winograd Schema ChallengeやARC Challengeのような新しいベンチマークは、より推論力や常識、問題解決力に重点を置いています。表面的な模倣ではなく、より深い知性を問うものです。

チューリングテストは現代のAI研究でもまだ重要視されていますか？それとも、より良い代替手段があるのでしょうか？

チューリングテストは今でも有用な思考実験やマイルストーンですが、多くの研究者は時代遅れと見なしています。現代のテストは、実際の理解力や論理、一般化能力の測定に重きを置いています。

文化的または言語的なバイアスは、チューリングテストの結果にどのような影響を与えますか？

はい。AIは特定の文化や言語に結びついた慣用句やユーモア、言及を誤解することがあり、そのため特定の状況では人間でないことが見抜かれやすくなります。

もしチューリングテストを通過したら、「人間らしさ」の定義はどう変わるでしょうか？

もし機械が厳格なチューリングテストを通過した場合、人間らしさが生物学的なものなのか、それとも行動によるものなのか、私たちの思考の独自性とは何なのかを再考せざるを得なくなるかもしれません。

AIの非人間的な特徴を暴くのに最も効果的な質問には、どんなものがありますか？

文脈や感情のニュアンス、現実世界の常識に依存する質問、たとえば皮肉や曖昧な言及、矛盾する情報の解釈などは、AIが人間でないことを見抜くのに最も効果的です。