Turing-testen

Det er en adfærdstest inspireret af Alan Turings imitationsspil. En dommer kommunikerer gennem en tekstkanal med skjulte deltagere og forsøger at skelne en maskine fra et menneske. Succes handler om samtaleadfærd, der ikke kan skelnes fra menneskers under de angivne betingelser – ikke om direkte adgang til tanker eller bevidsthed.

“Turin test” er en almindelig stavefejl. Navnet er Turing-testen efter den britiske matematiker og computerpioner Alan M. Turing. Turin er en by i Italien.

Nej. Det er en gennemsigtig undervisningssimulation af blindet bedømmelse. Et forsvarligt eksperiment kræver live eller konsekvent optagede menneskelige og maskinelle vidner, tilfældig tildeling, en defineret protokol, tilstrækkeligt mange dommere, forhåndsregistrerede udfald og statistisk analyse.

Ikke som en universel beståelsesregel. I 1950 forudsagde han, at en gennemsnitlig afhører omkring år 2000 ikke ville have mere end 70 % chance for korrekt identifikation efter fem minutter. Senere begivenheder omfortolkede ofte dette som en tærskel på 30 % for at narre dommerne.

Under nogle operationelle versioner, ja. Der findes dog ingen enkelt universelt accepteret version med en sådan myndighed eller standard. ELIZA, PARRY, Loebner-deltagere, Eugene Goostman og moderne sprogmodeller er blevet testet under forskellige protokoller, så “bestået” skal altid kvalificeres.

Det viser vellykket menneskelignende samtaleadfærd i den situation. Om det retfærdiggør ordet intelligens, afhænger af definitionen. Det demonstrerer ikke i sig selv sandfærdighed, bredde i ræsonnement, bevidsthed, følelser, kropsliggørelse eller sikker kompetence i den virkelige verden.

Nej. En lommeregner, teorembeviser eller et videnskabeligt system kan være yderst kapabelt uden at efterligne uformel menneskelig samtale. Testen belønner en bestemt social og sproglig præstation.

Barrieren forhindrer dommerne i at bruge udseende, stemme eller fysisk konstruktion som genveje. Turing forestillede sig en teletype-lignende kanal. Tekst isolerer samtaleevidensen, selv om moderne varianter nogle gange tilføjer syn eller robotik.

Det er en senere udvidelse, der tilføjer perception og fysisk interaktion og typisk kræver syn og robotik ud over sprog. Den bør ikke forveksles med den rent tekstbaserede opsætning i Turings artikel fra 1950.

Adaptive opfølgende spørgsmål virker bedre end en liste af gåder. Bed om afklaring, vend tilbage til tidligere påstande, introducér tvetydighed, test social kontekst, bed om kreativ overholdelse af begrænsninger og undersøg modsigelser. Intet enkelt spørgsmål identificerer moderne AI pålideligt.

Det kan skabe urimelige genveje. Et system kan være designet uden browsing, og et menneske kender måske ikke nyheden. Påstande om personlige minder kan også opdigtes. En solid protokol definerer tilladt viden og vurderer sammenlignelig adgang.

Mennesker etablerer den positive kontrolbaseline. Hvis dommere mærker mange virkelige mennesker som maskiner, kan opgaven eller dommernes kalibrering være dårlig. Andelen af maskiner, der klassificeres som “mennesker”, er svær at fortolke uden menneskelige baselines og en tilfældighedsbaseline.

Korte sessioner er praktiske, men lettere at manipulere og måler måske mest førstehåndsindtryk. Længere, gentagne, adversariale samtaler på tværs af domæner giver stærkere evidens, men medfører omkostninger, træthed og flere designvalg.

Det er tendensen til at læse forståelse eller handlekraft ind i overfladiske computersvar. Betegnelsen opstod fra reaktioner på ELIZA og er stadig relevant, når flydende output får mennesker til at slutte mere, end evidensen understøtter.

Nej. IQ-tests sammenligner præstation på standardiserede kognitive opgaver med aldersbaserede normer. En Turing-test vurderer, om en dommer kan identificere en samtalemaskine under en bestemt protokol.