Kiểm tra Turing

Mục đích của thử nghiệm Turing là gì?

Đây có vẻ như là một câu hỏi kỳ lạ vì vấn đề có vẻ rõ ràng: để biết liệu một cỗ máy có thể bắt chước con người một cách thuyết phục trong một cuộc trò chuyện trò chuyện hay không. Tuy nhiên, có một số cân nhắc sâu sắc hơn.

Có phải chúng ta đang kiểm tra xem một cỗ máy có thể thực sự bắt chước con người về mặt suy nghĩ hoặc trí thông minh cơ bản hay chỉ đánh lừa con người rằng đó là con người? Có một sự khác biệt.

Bắt chước con người về suy nghĩ hoặc trí thông minh cơ bản là những gì mọi người thường nghĩ đến khi họ nghĩ về Thử nghiệm Turing - rằng con người thực sự không thể phân biệt được sự khác biệt giữa trò chuyện với người hay máy. Đây thực sự không phải là cách thử nghiệm được hình thành ban đầu vì "lừa" con người được cho phép. Ví dụ, mắc lỗi chính tả có thể là một cách để máy tính lừa con người tin rằng đó là con người vì máy sẽ không bao giờ mắc lỗi chính tả.

Vấn đề cơ bản là các bài kiểm tra có các quy tắc và do đó chắc chắn có thiếu sót theo một số cách. Ví dụ, bạn nói chuyện với đối tượng kiểm tra trong bao lâu. Bắt chước một con người trong 5 phút dễ dàng hơn một trăm giờ trò chuyện. Thủ thuật có thể hoạt động trong phiên bản 5 phút nhưng không quá phiên bản trăm giờ.

Ai thực hiện thử nghiệm Turing có quan trọng không?

Một nhà khoa học được đào tạo về cách phát hiện máy móc so với con người sẽ khó đánh lừa hơn nhiều so với một người ngoài đường không được đào tạo - không chỉ vì khả năng đánh giá câu trả lời của nhà khoa học mà còn vì biết những câu hỏi cần hỏi.

Ngay cả khi máy tính có mức độ "suy nghĩ" và trí thông minh ở cấp độ của con người, điều đó có thể không đủ để đánh lừa người kiểm tra. Đó là bởi vì máy tính có thể quá hoàn hảo hoặc quá vô cảm trong các phản ứng của nó.

Thậm chí còn có những cân nhắc triết học xung quanh Thử nghiệm Turing, chẳng hạn như liệu nếu máy tính đạt được trí thông minh tổng quát ở cấp độ con người, điều đó có nghĩa là máy móc có thể "suy nghĩ" hoặc có ý thức. Đây là một phần câu hỏi mà Alan Turing đang cố gắng bỏ qua với bài kiểm tra này. Nếu một cỗ máy có thể bắt chước chính xác con người thì đối với tất cả các ý định và mục đích, đó là "suy nghĩ".

Tất nhiên, điều đó không có nghĩa là nó có ý thức hoặc nó đang suy nghĩ theo cùng một cách mà con người nghĩ. Trên thực tế, nó được đảm bảo rằng nó không suy nghĩ theo cách mà con người nghĩ. Mối quan tâm thực sự trong câu hỏi này nằm khi nhìn từ quan điểm thực tế. Máy bay bay, ví dụ. Đó mới là điều quan trọng. Điều ít thú vị hơn nhiều là chúng không bắt chước chim theo cách chúng bay.

Thử nghiệm Turing quan tâm đến kết quả, không phải theo cách đạt được kết quả.

Một điểm quan trọng hơn là Thử nghiệm Turing được hiểu chung để mô tả một tình trạng mà trí thông minh máy móc đã đạt đến ít nhất là trí thông minh ở cấp độ con người. Đây là một nhóm nhỏ hơn nhiều quan tâm đến câu hỏi liệu một cỗ máy có vượt qua Thử nghiệm Turing về mặt kỹ thuật hay không khi xem xét tất cả các sai sót được mô tả ở trên.

Mặc dù vượt qua bài kiểm tra Turing có thể là một kỳ tích kỹ thuật ấn tượng, đặc biệt nếu bài kiểm tra này kéo dài và được điều hành bởi những người hiểu biết, nhưng nó kém ấn tượng hơn nhiều so với một cỗ máy có thể đánh lừa tất cả mọi người, mọi lúc. Tất nhiên, khoảng thời gian chạy thử nghiệm càng dài và trình độ chuyên môn của người đánh giá càng cao, hai kịch bản này càng có nhiều khả năng hội tụ.

Chúng ta có ở gần một máy tính vượt qua bài kiểm tra Turing không?

Bây giờ bạn đã hiểu bài kiểm tra là gì, câu hỏi tiếp theo phải là "chúng ta có ở đâu gần máy tính vượt qua bài kiểm tra không?" (tức là đạt được trí thông minh tổng quát của con người). Câu trả lời ngắn gọn là "Không".

Mặc dù đã có những tiến bộ to lớn trong Xử lý ngôn ngữ tự nhiên , đó là khả năng của máy tính xác định ý định đằng sau một cụm từ được nói (đó là công nghệ điều khiển tất cả các trợ lý giọng nói), chúng ta còn rất xa so với trí thông minh tổng quát ở cấp độ con người.

Nó chỉ ra rằng công nghệ hiện tại không tốt lắm về sự mơ hồ (hiểu ý nghĩa đằng sau những tuyên bố mơ hồ), bộ nhớ (kết hợp các sự kiện đã nêu trước đó vào cuộc trò chuyện hiện tại) hoặc bối cảnh (bao gồm các sự kiện không được nêu ra nhưng có liên quan đến tình hình hiện tại). Nói tóm lại, công nghệ hiện tại gần như không ở đâu về những gì cần thiết.

Một phần của vấn đề là công nghệ AI hiện tại cần phải học cách sử dụng lượng dữ liệu khổng lồ. Bất kỳ miền nào có sẵn một lượng lớn dữ liệu lặp đi lặp lại đều đã chín muồi để giới thiệu AI, ví dụ như nhận dạng giọng nói và xử lý hình ảnh bao gồm cả xe tự lái.

Thành công trong NLP được thúc đẩy bởi thực tế là có dữ liệu gần như không giới hạn cho các câu lệnh và câu hỏi một lần không có ngữ cảnh hoặc không có bộ nhớ. Nếu tôi nói "Tôi muốn mua cam", trong hầu hết các trường hợp, đó là một tuyên bố đơn giản không cần thêm thông tin về ngữ cảnh hoặc bộ nhớ để hiểu. Mục đích là: "Mua nước cam".

Khi có bối cảnh hoặc bộ nhớ liên quan, điều này tạo ra tính chiều hướng. Nếu tôi nói tôi muốn "mua nước cam" nhưng trước đây tôi đã nói với bạn rằng tôi là một nhà giao dịch tài chính kinh doanh nước cam, thì bạn cần hiểu rằng trong bối cảnh này tôi muốn mua một công cụ tài chính sẽ kiếm tiền nếu giá nước cam tăng.

‍

Vậy bây giờ dữ liệu của chúng ta trông như thế nào? "Mua nước cam" có nghĩa là: mua một chai nước cam từ cửa hàng HOẶC nếu trước đó đã tuyên bố rằng họ là một nhà kinh doanh tài chính trong nước cam, điều đó có nghĩa là họ muốn mua một công cụ tài chính liên quan đến giá nước cam.

Điều gì sẽ xảy ra nếu nhà giao dịch tài chính của chúng tôi vừa nói rằng anh ta khát, thì anh ta có nghĩa là anh ta muốn mua một chai nước cam từ cửa hàng. Vì vậy, chúng tôi thêm một điểm dữ liệu khác: HOẶC nếu trước đây đã tuyên bố rằng họ là một nhà giao dịch tài chính trong nước cam nhưng gần đây họ đã tuyên bố rằng họ khát, điều đó có nghĩa là họ muốn mua một chai nước cam.

Một doanh nghiệp tài chính sẽ nhanh chóng gặp vấn đề nếu họ tung ra một bot giao dịch mà người dùng tin rằng có "trí thông minh" ở cấp độ con người.

Vượt qua bài kiểm tra Turing là không thể?

Thật không may, dữ liệu hội thoại có nhiều chiều. Kích thước vô hạn. Điều này có nghĩa là các thuật toán học máy sẽ cần phải có quyền truy cập vào một tập dữ liệu có lượng dữ liệu lớn cho mọi chiều có thể, và điều đó tất nhiên là không thể.

Tất nhiên, điều này không có nghĩa là việc vượt qua bài kiểm tra Turing là không thể. Chúng ta biết điều đó là có thể bởi vì chúng ta đã có công nghệ để làm điều đó, trong bộ não của chúng ta. Giống như con người hàng trăm năm trước đã biết rằng chuyến bay là có thể bằng cách quan sát chim bay.

Vấn đề là cách tiếp cận của chúng ta đối với AI trong lĩnh vực này không thể được xây dựng trên dữ liệu lớn vì dữ liệu lớn có đủ chiều không tồn tại. Đơn giản là có quá nhiều biến, quá nhiều chiều. Ngay cả khi chúng tôi nói, Google nhận được 800 triệu tìm kiếm mỗi ngày mà nó chưa từng thấy trước đây. Điều đó cung cấp cho bạn manh mối về cách tiếp cận dữ liệu sẽ khó khăn như thế nào.

Ray Kurtzweil tại Google đang theo đuổi một cách tiếp cận mà ở một mức độ nào đó cố gắng tái tạo bộ não con người. Ông đã ước tính rằng chúng ta sẽ đạt được trí thông minh tổng quát và có thể vượt qua một bài kiểm tra Turing rất khó vào năm 2029.

Dự báo của ông dựa trên giả định rằng tiến bộ trong lĩnh vực này sẽ theo cấp số nhân và do đó ngay cả tiến bộ tương đối khiêm tốn ngày nay cũng có ý nghĩa hơn nhiều so với vẻ ngoài nếu bạn cho rằng chúng ta đang trên quỹ đạo tiến bộ theo cấp số nhân.

Liệu ông ấy có đúng hay không, chúng ta sẽ phải chờ xem, nhưng những gì nó cho bạn biết là rất khó có khả năng sự đột phá sẽ xảy ra trong 10 năm tới.

Điều đó có ý nghĩa gì đối với một cỗ máy vượt qua bài kiểm tra Turing đáng tin cậy?

Điểm cuối cùng là nó có nghĩa là gì nếu một cỗ máy vượt qua bài kiểm tra Turing đáng tin cậy. Nếu cỗ máy vượt qua bài kiểm tra bằng cách sử dụng một số phương pháp tiếp cận dữ liệu lớn, theo cách tương tự như cách máy móc đánh bại con người trong các trò chơi trên bàn cờ, ngay cả những trò chơi tinh vi, ý nghĩa sẽ không lớn như khi máy vượt qua nó bằng cách sử dụng phương pháp sao chép não.

Cách tiếp cận sao chép não có nghĩa là cỗ máy có khả năng gần gũi hơn với "suy nghĩ" theo cách mà chúng ta định nghĩa suy nghĩ là con người. Nó có thể ngoại suy ý nghĩa từ các ví dụ tối thiểu theo cách mà con người làm, thay vì cần hàng trăm ví dụ về trường hợp chính xác để ngoại suy ý nghĩa.

Như đã đề cập ở trên, nhiều khả năng cách tiếp cận "sao chép não" sẽ cung cấp bước đột phá vì cách tiếp cận dữ liệu lớn là không thể. Điều này có thể có nghĩa là máy móc sẽ đạt được trí thông minh chung, không chỉ trong cuộc trò chuyện, mà trong nhiều lĩnh vực.

Hàm ý của điều này không thể được phóng đại vì điều này có thể sẽ dẫn đến việc thiết lập lại hoàn toàn xã hội. Điều này đặc biệt đúng nếu máy móc có khả năng cải thiện bản thân theo những cách có ý nghĩa, điều này sẽ dẫn đến khả năng tăng theo cấp số nhân trí thông minh của chúng trong một vòng tròn đạo đức sẽ thay đổi cuộc sống như chúng ta biết.

Tương tác của con người với máy móc

Gắn bó với những vấn đề trần tục hơn, điều đáng ghi nhớ là ngay cả khi một cỗ máy tương đương với con người, điều đó không có nghĩa là chúng ta sẽ tương tác với chúng như chúng ta làm với con người. Điều này hoàn toàn giống như với một con người. Tương tác với con người không phải lúc nào cũng hiệu quả. Cố gắng giải thích cho đồng nghiệp của bạn cách làm điều gì đó qua điện thoại có thể tẻ nhạt và không hiệu quả trong các tình huống dễ dàng hơn để chỉ cho họ cách thực hiện. Giá như con người có sẵn giao diện đồ họa trên web!

Giao diện thoại (hoặc giao diện dựa trên trò chuyện) rõ ràng có những hạn chế về mặt nhập hoặc xuất thông tin. Rõ ràng có những hạn chế và tình huống mà việc hiển thị thông tin bằng đồ họa hoặc nhấp vào giao diện đồ họa sẽ hiệu quả hơn nhiều so với sử dụng giao diện giọng nói. Do đó, nền tảng bot được thiết kế để luôn cố gắng đưa người dùng trở lại con đường hạnh phúc và không để cuộc trò chuyện quanh co.

Quan điểm của tôi cũng là máy tính không bị giới hạn như con người về giao diện mà chúng có thể sử dụng để nhận hoặc cung cấp thông tin và do đó các cuộc trò chuyện với máy móc sẽ nhất thiết phải liên quan đến việc sử dụng giao diện tối ưu cho nhiệm vụ trong tầm tay.

Mặc dù vượt qua Thử nghiệm Turing sẽ là một cột mốc quan trọng về mặt tương tác giữa con người / máy tính, nhưng "cuộc trò chuyện" thực tế của con người / máy tính sẽ không chỉ giới hạn ở giọng nói và văn bản.

Bài kiểm tra Turing so với các tiêu chuẩn khác về AI như Winograd Schema Challenge hay ARC Challenge như thế nào?

Bài kiểm tra Turing kiểm tra xem AI có thể bắt chước cuộc trò chuyện của con người hay không, nhưng các chuẩn mực mới hơn như Winograd Schema Challenge và ARC Challenge tập trung nhiều hơn vào lý luận, lẽ thường và giải quyết vấn đề. Những thứ tiết lộ trí thông minh sâu sắc hơn là sự bắt chước bề ngoài.

Liệu Bài kiểm tra Turing có còn được coi là phù hợp trong nghiên cứu AI hiện đại hay có giải pháp thay thế tốt hơn hiện nay không?

Bài kiểm tra Turing vẫn là một thí nghiệm tư duy hữu ích và là một cột mốc, nhưng nhiều nhà nghiên cứu hiện nay coi nó là lỗi thời. Các bài kiểm tra hiện đại tập trung nhiều hơn vào việc đo lường sự hiểu biết thực tế, logic và khái quát hóa.

Sự thiên vị về văn hóa hoặc ngôn ngữ ảnh hưởng như thế nào đến kết quả của Bài kiểm tra Turing?

Có. AI có thể hiểu sai thành ngữ, câu nói hài hước hoặc các tài liệu tham khảo liên quan đến các nền văn hóa hoặc ngôn ngữ cụ thể, khiến chúng dễ bị phát hiện là không phải con người trong một số bối cảnh nhất định.

Việc vượt qua Bài kiểm tra Turing sẽ định nghĩa lại khái niệm “con người” như thế nào?

Nếu một cỗ máy vượt qua Bài kiểm tra Turing nghiêm ngặt, nó có thể buộc chúng ta phải suy nghĩ lại xem bản chất con người là về mặt sinh học hay hành vi và điều gì làm cho cách suy nghĩ của chúng ta trở nên độc đáo như vậy.

Những loại câu hỏi nào thường hiệu quả nhất trong việc phát hiện những đặc điểm phi con người ở AI?

Những câu hỏi dựa vào ngữ cảnh, sắc thái cảm xúc hoặc lẽ thường tình trong đời thực, như diễn giải sự mỉa mai, ám chỉ mơ hồ hoặc thông tin mâu thuẫn, thường là cách tiết lộ nhanh nhất.