Штучний інтелект став настільки складним, що ботів більше не можна відрізнити від своїх людських побратимів під час спілкування. Про це свідчить дослідження, проведене вченими з Каліфорнійського університету в Сан-Дієго. Дослідники вирішили з’ясувати, чи зможуть боти зі штучним інтелектом, які запрограмовані на відтворення шаблонів людської мови, пройти легендарний тест Тьюринга.
Про це повідомляє NY Post.
Цей технічний іспит, розроблений британським розбивачем кодів часів Другої світової війни та комп’ютерним науковцем Аланом Тьюрингом, оцінює інтелект машин, визначаючи, чи можна відрізнити їхній цифровий дискурс від людського. Якщо відрізнити неможливо, машина пройшла тест.
Тест
Дослідники протестували чотири великі мовні моделі у двох рандомізованих і контрольованих дослідженнях:
- (LLM) — GPT-4o,
- LLaMa-3,
- GPT-4.5,
- Eliza (програма чату епохи 1960-х років).
Для проведення згаданого тесту Тюрінга вони залучили 126 студентів бакалаврату з Каліфорнійського університету в Сан-Дієго та 158 людей з онлайн-пулу даних Prolific.
Цим учасникам було наказано п’ятихвилинний одночасний онлайн-обмін з роботом і людиною, щоб перевірити, чи зможуть вони помітити десептикона — головне, що вони не знали, хто є який. Тим часом люди та респонденти ШІ мали завдання переконати свого допитувача, що вони люди.
Результати
Дослідники виявили, що, коли «запропонували прийняти людиноподібну персону, GPT-4.5 вважали людиною в 73% випадків».
Це було значно частіше, ніж дослідники вибирали справжнього учасника, і, звичайно, більш ніж достатньо, щоб пройти тест, згідно з дослідженням. Тим часом, «LLaMa-3.1, з таким же запитом, було визнано людиною в 56% випадків». Хоча це не значно менше, ніж його побратими-люди, воно все ж має прохідний бал.
Базові моделі (ELIZA та GPT-4o) зазнали невдачі, оскільки ввели в оману свідків лише у 23% та 21% випадків відповідно.
Дослідники виявили, що надзвичайно важливо, щоб синтетичні міміки прийняли людську особу, тому що після повторного тестування без відповідної підказки вони показали значно гірші результати. Крім застережень, ці «результати є першим емпіричним доказом того, що будь-яка штучна система проходить стандартний тристоронній тест Тюрінга», – підсумували дослідники.
«Я думаю, що це дуже складне питання, яке важко розглянути в статті (або твіті). Але загалом я вважаю, що це слід оцінювати як одне з багатьох інших доказів інтелекту, який демонструють LLM, — каже дослідник з лабораторії мови та пізнання Каліфорнійського університету Кемерон Джонс.
Цікаво, що експерти Psychology Today прийшли до висновку, що боти подолали тест Тюрінга не через кмітливість, а через те, що вони були «кращими» людьми, ніж справжні люди.
«Хоча тест Тьюрінга мав виміряти машинний інтелект, він випадково виявив щось набагато тривожніше: нашу зростаючу вразливість до емоційної мімікрії. Це не була помилка виявлення ШІ. Це був тріумф штучного співпереживання», — написав засновник інноваційного мозкового центру Nosta Lab Джон Носта.
Носта заснував свій аналіз на тому факті, що учасники рідко ставили логічні запитання, натомість віддаючи перевагу емоційному тону, сленгу та плину» та ґрунтуючись на своєму виборі на тому, «який мав більше людської атмосфери.
Він підсумував: “Іншими словами, це був не тест Тюрінга. Це був тест соціальної хімії — Match.GPT — не вимірювання інтелекту, а емоційної вільності. І ШІ впорався з ним”.
Раніше Startup.co.ua писав, що німецька компанія Neura Robotics готується у червні 2025 року представити третє покоління свого людиноподібного робота 4NE-1. Він позиціонується як «найкращий робот на ринку».
