การทดสอบทัวริง

การทดสอบทัวริงคืออะไร และทำงานอย่างไร?

‍การทดสอบทัวริงเป็นการทดสอบ AI เพื่อดูว่าในการสนทนาผ่านแชท คอมพิวเตอร์สามารถทำให้มนุษย์เชื่อได้หรือไม่ว่ากำลังคุยกับมนุษย์จริง ๆ โดยจะมีมนุษย์คนหนึ่งถูกขอให้ตัดสินใจว่าบุคคลที่เขากำลังพูดคุยด้วยนั้นเป็นมนุษย์หรือคอมพิวเตอร์ หากเขาคิดว่ากำลังคุยกับมนุษย์แต่จริง ๆ แล้วเป็นคอมพิวเตอร์ แสดงว่าคอมพิวเตอร์นั้นผ่านการทดสอบทัวริง

โดยพื้นฐานแล้ว นี่คือการทดสอบว่าคอมพิวเตอร์สามารถเลียนแบบมนุษย์ได้แนบเนียนจนหลอกให้มนุษย์เชื่อว่ากำลังคุยกับมนุษย์ได้หรือไม่ แน่นอนว่ายังมีรายละเอียดอีกมากเกี่ยวกับการทดสอบนี้

จุดประสงค์ของการทดสอบทัวริงคืออะไร?

อาจดูเหมือนเป็นคำถามแปลก ๆ เพราะจุดประสงค์ดูเหมือนจะชัดเจนอยู่แล้ว คือเพื่อดูว่าเครื่องจักรสามารถเลียนแบบมนุษย์ได้แนบเนียนแค่ไหนในการสนทนา แต่จริง ๆ แล้วยังมีประเด็นลึกซึ้งกว่านั้น

เรากำลังทดสอบว่าคอมพิวเตอร์สามารถเลียนแบบมนุษย์ในแง่ของความคิดหรือสติปัญญาได้จริง หรือแค่หลอกให้มนุษย์เชื่อว่ามันเป็นมนุษย์? ทั้งสองอย่างนี้ แตกต่างกัน

การเลียนแบบมนุษย์ในแง่ของความคิดหรือสติปัญญาเป็นสิ่งที่คนส่วนใหญ่มักนึกถึงเมื่อพูดถึงการทดสอบทัวริง – คือมนุษย์ไม่สามารถแยกออกได้ว่ากำลังคุยกับมนุษย์หรือเครื่องจักร นี่ไม่ใช่วิธีที่การทดสอบนี้ถูกออกแบบไว้แต่แรก เพราะการ "หลอก" มนุษย์นั้นได้รับอนุญาต ตัวอย่างเช่น การพิมพ์ผิดอาจเป็นวิธีที่คอมพิวเตอร์ใช้หลอกมนุษย์ให้เชื่อว่ามันเป็นมนุษย์ เพราะเครื่องจักรจะไม่สะกดผิด

ปัญหาหลักคือการทดสอบย่อมมีข้อจำกัดและข้อบกพร่อง เช่น ระยะเวลาที่ใช้พูดคุยกับผู้ถูกทดสอบก็มีผล การเลียนแบบมนุษย์ในเวลา 5 นาทีอาจง่ายกว่าการสนทนาเป็นร้อยชั่วโมง กลยุทธ์บางอย่างอาจได้ผลในช่วงสั้น ๆ แต่ใช้ไม่ได้กับการสนทนายาว ๆ

ใครเป็นผู้ทำการทดสอบทัวริง มีความสำคัญหรือไม่?

นักวิทยาศาสตร์ที่มีความรู้ในการแยกแยะระหว่างเครื่องจักรกับมนุษย์จะถูกหลอกได้ยากกว่าคนทั่วไปที่ไม่มีความรู้ ไม่ใช่แค่เพราะความสามารถในการประเมินคำตอบ แต่ยังรวมถึงการรู้ว่าจะถามคำถามอะไรด้วย

แม้คอมพิวเตอร์จะมีระดับ “ความคิด” และสติปัญญาเทียบเท่ามนุษย์ แต่นั่นอาจยังไม่พอที่จะหลอกผู้ทดสอบได้ เพราะคอมพิวเตอร์อาจตอบได้สมบูรณ์แบบหรือขาดอารมณ์มากเกินไป

ยังมีประเด็นทางปรัชญาเกี่ยวกับการทดสอบทัวริง เช่น ถ้าคอมพิวเตอร์มีสติปัญญาระดับมนุษย์ทั่วไป นั่นหมายความว่าเครื่องจักร “คิด” หรือมีจิตสำนึกหรือไม่ นี่เป็นคำถามที่ Alan Turing พยายามหลีกเลี่ยงด้วยการทดสอบนี้ ถ้าเครื่องจักรเลียนแบบมนุษย์ได้อย่างแม่นยำ ก็ถือว่า “คิด” ได้ในทางปฏิบัติ

แน่นอนว่านั่นไม่ได้หมายความว่ามันมีจิตสำนึกหรือคิดเหมือนมนุษย์จริง ๆ ที่จริงแล้ว มันไม่ได้คิดแบบมนุษย์อย่างแน่นอน ประเด็นที่น่าสนใจจริง ๆ ของคำถามนี้อยู่ที่มุมมองในทางปฏิบัติ เช่น เครื่องบินสามารถบินได้ นั่นคือสิ่งสำคัญ ส่วนที่มันไม่ได้บินเหมือนนกนั้นไม่ใช่เรื่องที่น่าสนใจเท่าไร

การทดสอบทัวริงสนใจผลลัพธ์ ไม่ใช่วิธีที่ได้ผลลัพธ์นั้นมา

ประเด็นสำคัญกว่าคือ การทดสอบทัวริงโดยทั่วไปหมายถึงสถานการณ์ที่ปัญญาประดิษฐ์ของเครื่องจักรมีระดับเทียบเท่ามนุษย์ มีเพียงกลุ่มเล็ก ๆ เท่านั้นที่สนใจว่าคอมพิวเตอร์จะผ่านการทดสอบทัวริงได้จริงหรือไม่เมื่อพิจารณาข้อบกพร่องต่าง ๆ ที่กล่าวมา

แม้การผ่านการทดสอบทัวริงจะเป็นความสำเร็จทางเทคนิคที่น่าประทับใจ โดยเฉพาะถ้าทดสอบนานและมีผู้เชี่ยวชาญเป็นผู้ทดสอบ แต่มันยังไม่น่าประทับใจเท่ากับเครื่องจักรที่สามารถหลอกทุกคนได้ตลอดเวลา แน่นอนว่ายิ่งทดสอบนานและผู้ทดสอบมีความเชี่ยวชาญสูงเท่าไร โอกาสที่สองสถานการณ์นี้จะเหมือนกันก็ยิ่งมากขึ้น

เรากำลังเข้าใกล้วันที่คอมพิวเตอร์จะผ่านการทดสอบทัวริงหรือยัง?

เมื่อคุณเข้าใจแล้วว่าการทดสอบนี้คืออะไร คำถามต่อไปต้องเป็นว่า "ตอนนี้เรามีคอมพิวเตอร์ที่ใกล้จะผ่านการทดสอบนี้หรือยัง?" (เช่น บรรลุปัญญาทั่วไปแบบมนุษย์) คำตอบสั้น ๆ คือ “ไม่”

แม้จะมีความก้าวหน้าอย่างมากในด้าน การประมวลผลภาษาธรรมชาติ ซึ่งเป็นความสามารถของคอมพิวเตอร์ในการเข้าใจเจตนาของประโยคที่พูด (เทคโนโลยีที่อยู่เบื้องหลังผู้ช่วยเสียงทั้งหลาย) แต่เรายังห่างไกลจากสติปัญญาระดับมนุษย์ทั่วไปมาก

เทคโนโลยีปัจจุบันยังไม่เก่งเรื่องความกำกวม (เข้าใจความหมายของประโยคที่คลุมเครือ) ความจำ (นำข้อเท็จจริงที่พูดไปแล้วมาใช้ในบทสนทนาปัจจุบัน) หรือบริบท (นำข้อเท็จจริงที่ไม่ได้พูดแต่เกี่ยวข้องกับสถานการณ์ปัจจุบันมาพิจารณา) กล่าวโดยสรุป เทคโนโลยีปัจจุบันยังห่างไกลจากสิ่งที่จำเป็น

ส่วนหนึ่งของปัญหาคือ AI ปัจจุบันต้องเรียนรู้จากข้อมูลจำนวนมหาศาล ทุกสาขาที่มีข้อมูลซ้ำ ๆ จำนวนมากเหมาะกับการนำ AI ไปใช้ เช่น การรู้จำเสียงพูดและการประมวลผลภาพ รวมถึงรถยนต์ไร้คนขับ

ความสำเร็จในด้าน NLP มาจากข้อเท็จจริงที่ว่ามีข้อมูลจำนวนมหาศาลสำหรับประโยคหรือคำถามที่เกิดขึ้นเพียงครั้งเดียวโดยไม่มีบริบทหรือความจำประกอบ หากฉันพูดว่า “ฉันอยากซื้อส้ม” ส่วนใหญ่แล้วจะเป็นประโยคง่าย ๆ ที่ไม่ต้องการข้อมูลเพิ่มเติมเกี่ยวกับบริบทหรือความจำเพื่อให้เข้าใจ จุดประสงค์คือ: “ซื้อน้ำส้ม”.

แต่เมื่อมีบริบทหรือความจำเข้ามาเกี่ยวข้อง มันจะซับซ้อนขึ้น เช่น ถ้าฉันพูดว่าอยาก “ซื้อน้ำส้ม” แต่ก่อนหน้านี้บอกว่าฉันเป็นนักเทรดน้ำส้ม คุณก็ต้องเข้าใจว่าตอนนี้ฉันหมายถึงอยากซื้อเครื่องมือทางการเงินที่ได้กำไรถ้าราคาน้ำส้มขึ้น

‍

แล้วข้อมูลของเราจะเป็นอย่างไร? “ซื้อน้ำส้ม” อาจหมายถึงการซื้อน้ำส้มจากร้าน หรือถ้าก่อนหน้านี้บอกว่าเป็นนักเทรดน้ำส้ม ก็หมายถึงซื้อเครื่องมือทางการเงินที่เกี่ยวกับราคาน้ำส้ม

ถ้านักเทรดน้ำส้มของเราพูดว่าเขากระหายน้ำ ก็หมายถึงเขาอยากซื้อน้ำส้มจากร้าน ดังนั้นเราต้องเพิ่มข้อมูลอีกจุด: หรือถ้าก่อนหน้านี้บอกว่าเป็นนักเทรดน้ำส้มแต่เพิ่งบอกว่ากระหายน้ำ ก็หมายถึงอยากซื้อน้ำส้มจากร้าน

องค์กรทางการเงินจะเจอปัญหาแน่ถ้าเปิดตัวบอทเทรดที่ผู้ใช้คิดว่ามี “สติปัญญา” ระดับมนุษย์

การผ่านการทดสอบทัวริงเป็นไปไม่ได้หรือไม่?

ข้อมูลการสนทนามีหลายมิติ และน่าเสียดายที่มันมีมิติไม่จำกัด นั่นหมายความว่าอัลกอริทึมแมชชีนเลิร์นนิงต้องเข้าถึงชุดข้อมูลขนาดใหญ่สำหรับทุกมิติที่เป็นไปได้ ซึ่งเป็นไปไม่ได้แน่นอน

แต่ก็ไม่ได้หมายความว่าการผ่านการทดสอบทัวริงเป็นไปไม่ได้ เรารู้ว่ามันเป็นไปได้ เพราะสมองของเราทำได้อยู่แล้ว เหมือนกับที่คนสมัยก่อนรู้ว่าการบินเป็นไปได้เพราะเห็นนกบิน

ปัญหาคือแนวทาง AI ในเรื่องนี้ไม่สามารถใช้ข้อมูลขนาดใหญ่ได้ เพราะไม่มีข้อมูลขนาดใหญ่ที่มีมิติเพียงพอ มันมีตัวแปรมากเกินไป มิติมากเกินไป แม้แต่ Google ก็ยังได้รับการค้นหาใหม่วันละ 800 ล้านครั้งที่ไม่เคยเจอมาก่อน นั่นแสดงให้เห็นว่าการใช้ข้อมูลอย่างเดียวแก้ปัญหานี้ได้ยากแค่ไหน

Ray Kurtzweil ที่ Google กำลังเดินตามแนวทางที่พยายามเลียนแบบสมองมนุษย์ในบางส่วน เขาประเมินว่าเราจะไปถึงสติปัญญาทั่วไปและสามารถผ่านการทดสอบทัวริงที่ยากมากได้ภายในปี 2029

การคาดการณ์ของเขาตั้งอยู่บนสมมติฐานว่าความก้าวหน้าในสาขานี้จะเป็นแบบก้าวกระโดด ดังนั้นแม้ความก้าวหน้าที่ดูเหมือนเล็กน้อยในวันนี้ก็มีความสำคัญมากกว่าที่คิด หากเราคิดว่าเราอยู่บนเส้นทางความก้าวหน้าแบบก้าวกระโดด

ว่าเขาจะถูกหรือไม่ คงต้องรอดูต่อไป แต่สิ่งที่บอกได้คือ โอกาสที่ความก้าวหน้าครั้งใหญ่จะเกิดขึ้นใน 10 ปีข้างหน้านั้นมีน้อยมาก

ถ้าเครื่องจักรสามารถผ่านการทดสอบทัวริงที่น่าเชื่อถือได้ จะมีความหมายอย่างไร?

ประเด็นสุดท้ายคือ ถ้าเครื่องจักรผ่านการทดสอบทัวริงที่น่าเชื่อถือได้ จะมีความหมายอย่างไร หากเครื่องจักรผ่านการทดสอบโดยใช้วิธีการแบบบิ๊กดาต้า คล้ายกับที่เครื่องจักรเอาชนะมนุษย์ในเกมกระดาน แม้แต่เกมที่ซับซ้อน ผลกระทบก็จะไม่ยิ่งใหญ่เท่ากับกรณีที่เครื่องจักรผ่านการทดสอบโดยใช้แนวทางจำลองสมองมนุษย์

แนวทางจำลองสมองมนุษย์จะทำให้เครื่องจักรมีความใกล้เคียงกับการ "คิด" ในแบบที่มนุษย์นิยามการคิดมากกว่า มันสามารถสรุปความหมายจากตัวอย่างเพียงเล็กน้อยได้เหมือนมนุษย์ แทนที่จะต้องใช้ตัวอย่างจำนวนมากในกรณีเดียวกันเพื่อสรุปความหมาย

อย่างที่กล่าวไปข้างต้น มีแนวโน้มว่าแนวทาง "จำลองสมองมนุษย์" จะนำไปสู่ความก้าวหน้าครั้งใหญ่ เพราะวิธีบิ๊กดาต้าไม่น่าจะเป็นไปได้ ซึ่งนั่นหมายความว่าเครื่องจักรจะมีความฉลาดทั่วไป ไม่ใช่แค่ในการสนทนา แต่ในหลาย ๆ ด้าน

ผลกระทบของเรื่องนี้ไม่สามารถประเมินต่ำไปได้ เพราะอาจนำไปสู่การเปลี่ยนแปลงครั้งใหญ่ของสังคม โดยเฉพาะถ้าเครื่องจักรสามารถพัฒนาตัวเองได้อย่างมีนัยสำคัญ ซึ่งจะนำไปสู่ความฉลาดที่เพิ่มขึ้นอย่างรวดเร็วในวงจรที่ต่อเนื่อง และเปลี่ยนแปลงชีวิตของเราอย่างสิ้นเชิง

การปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องจักร

หากพูดถึงเรื่องทั่วไป แม้ว่าเครื่องจักรจะมีความสามารถเทียบเท่ามนุษย์ ก็ไม่ได้หมายความว่าเราจะปฏิสัมพันธ์กับมันเหมือนกับที่เราทำกับมนุษย์ นี่ก็เหมือนกับมนุษย์ด้วยกันเอง การสื่อสารกับมนุษย์บางครั้งก็ไม่ได้มีประสิทธิภาพเสมอไป การอธิบายวิธีทำบางอย่างให้เพื่อนร่วมงานฟังทางโทรศัพท์อาจน่าเบื่อและไม่มีประสิทธิภาพในบางสถานการณ์ ซึ่งการแสดงให้ดูจะง่ายกว่า ถ้ามนุษย์มีอินเทอร์เฟซแบบกราฟิกผ่านเว็บก็คงดี

อินเทอร์เฟซเสียง (หรืออินเทอร์เฟซแบบแชท) มีข้อจำกัดชัดเจนในการรับหรือส่งข้อมูล บางสถานการณ์ การแสดงข้อมูลด้วยกราฟิกหรือคลิกบนอินเทอร์เฟซกราฟิกจะมีประสิทธิภาพกว่าการใช้เสียง แพลตฟอร์มบอท จึงถูกออกแบบมาเพื่อพยายามพาผู้ใช้กลับสู่เส้นทางหลัก และไม่ปล่อยให้การสนทนาออกนอกเรื่อง

ประเด็นของผมคือ คอมพิวเตอร์ไม่ได้ถูกจำกัดเหมือนมนุษย์ในเรื่องอินเทอร์เฟซที่ใช้รับหรือให้ข้อมูล ดังนั้นการสนทนากับเครื่องจักรจะต้องใช้รูปแบบอินเทอร์เฟซที่เหมาะสมที่สุดกับงานนั้น ๆ

แม้การผ่านการทดสอบทัวริงจะเป็นก้าวสำคัญของการปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ แต่การ "สนทนา" ระหว่างมนุษย์กับคอมพิวเตอร์จริง ๆ จะไม่ได้จำกัดแค่เสียงหรือข้อความเท่านั้น

คำถามที่พบบ่อย

การทดสอบทัวริงเปรียบเทียบกับเกณฑ์อื่น ๆ ของ AI อย่าง Winograd Schema Challenge หรือ ARC Challenge อย่างไร?

การทดสอบทัวริงดูว่า AI สามารถเลียนแบบการสนทนาของมนุษย์ได้หรือไม่ แต่เกณฑ์ใหม่ ๆ อย่าง Winograd Schema Challenge และ ARC Challenge จะเน้นที่การใช้เหตุผล สามัญสำนึก และการแก้ปัญหามากกว่า ซึ่งเป็นสิ่งที่แสดงถึงความฉลาดที่ลึกซึ้งกว่าการเลียนแบบผิวเผิน

การทดสอบทัวริงยังถือว่าสำคัญในงานวิจัย AI สมัยใหม่หรือไม่ หรือปัจจุบันมีทางเลือกที่ดีกว่า?

การทดสอบทัวริงยังเป็นแนวคิดที่มีประโยชน์และเป็นหมุดหมายสำคัญ แต่ปัจจุบันนักวิจัยจำนวนมากมองว่าล้าสมัยแล้ว การทดสอบสมัยใหม่จะเน้นวัดความเข้าใจจริง การใช้เหตุผล และการประยุกต์ใช้ในสถานการณ์ใหม่ ๆ มากกว่า

อคติทางวัฒนธรรมหรือภาษา ส่งผลต่อผลลัพธ์ของการทดสอบทัวริงอย่างไร?

ใช่ AI อาจเข้าใจผิดสำนวน อารมณ์ขัน หรือการอ้างอิงที่เกี่ยวข้องกับวัฒนธรรมหรือภาษานั้น ๆ ทำให้ถูกจับได้ง่ายว่าไม่ใช่มนุษย์ในบางบริบท

ถ้าเครื่องจักรผ่านการทดสอบทัวริง จะเปลี่ยนความหมายของความเป็น "มนุษย์" อย่างไร?

ถ้าเครื่องจักรผ่านการทดสอบทัวริงที่เข้มงวดได้ อาจทำให้เราต้องคิดใหม่ว่าความเป็นมนุษย์เกี่ยวกับชีววิทยาหรือพฤติกรรมกันแน่ และอะไรที่ทำให้วิธีคิดของเราพิเศษจริง ๆ

คำถามประเภทใดที่มักเปิดเผยลักษณะที่ไม่ใช่มนุษย์ของ AI ได้ดีที่สุด?

คำถามที่ต้องอาศัยบริบท ความละเอียดอ่อนทางอารมณ์ หรือสามัญสำนึกในชีวิตจริง เช่น การตีความประชด การอ้างอิงที่คลุมเครือ หรือข้อมูลที่ขัดแย้งกัน มักจะเป็นตัวบ่งชี้ได้อย่างรวดเร็วที่สุด