Les dette først
En reell idé – gjenskapt uten falske vitenskapelige påstander
Det interaktive laboratoriet nedenfor gjenskaper på en korrekt måte blind sammenligning, tvungen vurdering, sikkerhetsgradering og avsløring etter testen. Samtalene er redaksjonelt utformede simuleringer, ikke opptak fra en levende kontrollert studie. Resultatet ditt måler hvordan gjetningene dine samsvarer med de skjulte etikettene i denne demonstrasjonen; det beviser ikke om dagens KI tenker.
Evidens gjennomgått og siden oppdatert 08 2026
Interaktivt eksperiment
Laboratoriet for imitasjonsspillet
Du er utspørreren. I hver runde har ett svar simuleringens skjulte etikett maskin, mens det andre har etiketten menneske. Velg maskinen og oppgi hvor sikker du er.
Fremdrift0/8
Åpenhetsmerking: Dette er bevisst utformede undervisningseksempler, ikke levende personer eller utdata fra en navngitt modell. De viser vanlige spor – og hvorfor disse sporene er upålitelige.
Din rolleDu vurderer svarene – du skal ikke besvare oppgavene selv
- 1
Les begge vitnene. Sammenlign hvordan A og B håndterer den samme oppgaven.
- 2
Velg svaret du tror har maskinetiketten. Det finnes nøyaktig ett i hvert par.
- 3
Sett sikkerhetsgrad fra 50–100 %. Bruk 50 % for ren gjetning; bruk 100 % bare hvis du føler deg helt sikker.
Nyttige – men ufullkomne – spor:kontekst og pragmatisk vurderingspesifisitet uten overforklaringkonsistensnaturlig korrigeringadaptiv humorPerfekt grammatikk alene er ikke bevis på en maskin.
0/8riktig
Din vurderingsrapport
Resultat
Dette sier resultatet om deg:
Maskinen lurte deg0 ganger
Du vurderte svaret som det menneskelige.
Menneske tatt for maskin0 ganger
Du vurderte tekst merket som menneskelig som maskinaktig.
Ditt spor for maskinstilBlandet
Den typen svar du oftest mistenkte.
Hvor nær var du å «oppføre deg som en maskin»?
Denne testen måler ikke det. Du svarte aldri som vitne A eller B, så det ville være misvisende å gi din egen atferd en poengsum som menneskelignende eller maskinaktig. Den måler deteksjonsstrategien din: hvilke skrivemønstre du forbinder med maskiner, hvor ofte disse antakelsene fungerte, og om sikkerhetsgraden din samsvarte med treffsikkerheten.
Ikke overtolk denne poengsummen. Utvalget er lite og bevisst illustrerende. Det har ikke et representativt utvalg, validert vanskelighetsgrad eller levende adaptiv utspørring.
Den grunnleggende definisjonen
Hva Turing-testen faktisk tester
Utspørrerspør, følger opp, vurderer
tekstkanal
Vitne Aidentitet skjult
?
Vitne Bidentitet skjult
Et atferdskriterium, ikke en hjerneskanning
Dommerens oppgave er epistemisk: Kan jeg ut fra samtalen avgjøre hvilken deltaker som er maskinen? Skjermen fjerner utseende, stemme og mekanisk konstruksjon. Hvis maskinens atferd ikke kan skilles fra menneskelig atferd under protokollen, lykkes maskinen i denne imitasjonsoppgaven.
Den forsiktige påstanden: «Maskinen kunne ikke pålitelig skilles fra den menneskelige sammenligningen i dette eksperimentet.» Det er sterkere enn å si at den bare hørtes flytende ut, og snevrere enn å erklære den bevisst.
Blinding
Dommeren bør ikke kjenne vitnets identitet eller få sidekanalspor som skrivehastighet, forskjeller i grensesnitt eller metadata.
Sammenligning
Menneskelige vitner er viktige. Identifikasjonsraten deres viser hvor ofte virkelige mennesker blir tatt for maskiner under de samme betingelsene.
Slutning
Resultater krever utvalgsstørrelser, usikkerhet og en regel valgt før dataene undersøkes – ikke en overskrift valgt etter en gunstig samtale.
Eksperimentell plan
Slik gjennomfører du en troverdig moderne Turing-test
- 01
Skriv påstanden før testen
Spesifiser om utfallet er identifikasjonstreffsikkerhet, «menneske»-rate, parvis vinnerrate eller statistisk ekvivalens med menneskelige vitner.
- 02
Rekrutter sammenlignbare deltakere
Definer dommernes ekspertise og språk, utvalget av menneskelige vitner, inklusjonsregler og godtgjørelse. En barnepersona eller en persona som bruker et andrespråk, endrer oppgaven.
- 03
Standardiser tilgangen
Gi mennesker og maskiner sammenlignbar tid, kunnskapsverktøy og meldingsgrenser. Avgjør om nettsøk, forsinkelser, redigeringer og avslag er tillatt.
- 04
Randomiser og blind
Tildel betingelser tilfeldig og skjul identiteter. Normaliser grensesnittet slik at skrifttyper, svartid og systemfeil ikke avslører svaret.
- 05
Bruk levende, adaptiv dialog
La dommerne stille oppfølgingsspørsmål. Registrer fullstendige transkripsjoner, modellversjon, prompt, parametere og eventuelle modereringslag som trengs for replikasjon.
- 06
Analyser hele datasettet
Rapporter referansenivåer for mennesker og maskiner, konfidensintervaller, eksklusjoner, feil og resultater for undergrupper. Én lurt dommer er en anekdote, ikke et bestått resultat.
| Designvalg | Hvorfor det betyr noe | Rapporter dette |
|---|---|---|
| Varighet | Fem minutters samtaler belønner førsteinntrykk; lang dialog avdekker konsistens og hukommelse. | Minutter, turer og meldingsgrenser |
| Dommerutvalg | KI-eksperter, crowdworkers og vanlige brukere bruker ulike spor. | Rekruttering, ekspertise og språk |
| Menneskelig referansenivå | Noen virkelige mennesker blir rutinemessig klassifisert som maskiner. | Menneskelig «menneske»-rate og usikkerhet |
| Modelloppsett | Prompter, sampling, verktøy og personainstruksjoner kan dominere ytelsen. | Nøyaktig modell/versjon og oppsett |
| Grensesnitt | Forsinkelse, skrivefeil, formatering eller sikkerhetsmeldinger kan røpe identiteten. | Prosedyre for blinding og normalisering |
| Beståttkriterium | Tilfeldighet, 30 %, ikke-underlegenhet og manglende skjelnelighet er ulike påstander. | Forhåndsregistrert hypotese og statistikk |
Oktober 1950 · Mind 59(236)
Hva Alan Turing faktisk foreslo
Turing åpnet med «Kan maskiner tenke?» og argumenterte umiddelbart for at de vanlige betydningene av maskin og tenke var for tvetydige til å egne seg for en nyttig undersøkelse. I stedet innførte han et «imitasjonsspill».
Artikkelen beskriver først et spill med tre personer – en mann, en kvinne og en utspørrer som må identifisere dem gjennom skriftlige svar. Turing spør deretter hva som skjer når en maskin overtar én av rollene. Andre steder i artikkelen drøfter han et mer direkte oppsett med maskin mot menneske. Forskere diskuterer fortsatt nøyaktig hvilken formulering som bør kalles den Turing-testen.
Ni innvendinger, én varig debatt
Argumenter Turing tok opp i 1950
Teologisk
Tenkning er knyttet til en udødelig sjel som bare mennesker har.
«Hodet i sanden»
Konsekvensene av tenkende maskiner ville være for fryktelige, så man håper at de ikke kan eksistere.
Matematiske grenser
Formelle systemer har grenser; Turing svarer at mennesker også gjør feil og kan ha grenser.
Bevissthet
En maskin kan ikke sies å tenke med mindre den føler og vet at den føler.
Begrensninger
Maskiner kan angivelig aldri være vennlige, kreative, humoristiske eller oppfinnsomme – eller gjøre utallige andre menneskelige ting.
Lady Lovelace
En maskin kan bare gjøre det vi vet hvordan vi skal beordre den til å gjøre; Turing drøfter overraskelse og læring.
Nervesystemets kontinuitet
Hjernen er kontinuerlig, mens digitale datamaskiner er diskrete. Spillet handler om observerbare svar.
Uformell atferd
Ingen endelig regelbok bestemmer all menneskelig handling; det viser ikke at atferd ikke kan oppstå fra en maskin.
ESP
Turing behandlet overraskende nok telepati som en mulig forstyrrende faktor og forestilte seg et «telepatisikkert rom».
Fra beregnbarhet til chatboter
Hele historien om Turing-testen
Denne tidslinjen skiller mellom Turings skrifter, senere eksperimenter og moderne påstander om «bestått». Lignende navn innebærer ikke identiske protokoller.
1936
Kapittel 01
En universell modell for beregning
Turings artikkel om beregnbare tall beskrev den abstrakte maskinen som i dag kalles en Turing-maskin. Det var ikke Turing-testen, men arbeidet la et grunnlag for generell databehandling.
1948
Kapittel 02
“Intelligent Machinery”
I en upublisert rapport fra National Physical Laboratory drøftet Turing maskinintelligens, læring og uorganiserte maskiner – viktige forløpere til argumentasjonen han senere utviklet.
1950
Kapittel 03
Imitasjonsspillet blir publisert
Tidsskriftet Mind publiserte «Computing Machinery and Intelligence». Turing erstattet det uklare spørsmålet «Kan maskiner tenke?» med operasjonelle imitasjonsspill gjennomført via skriftlig kommunikasjon.
1956
Kapittel 04
Kunstig intelligens får et navn
Forslaget til sommerforskningsprosjektet ved Dartmouth brukte begrepet «artificial intelligence» og hevdet at sider ved læring og intelligens i prinsippet kunne beskrives presist for en maskin.
1966
Kapittel 05
ELIZA demonstrerer en illusjon av samtale
Joseph Weizenbaums ELIZA brukte mønstergjenkjenning og skriptede transformasjoner. DOCTOR-skriptet viste hvor lett mennesker kan tillegge relativt enkel dialogatferd forståelse.
1972
Kapittel 06
PARRY møter tester av skjelnelighet
Kenneth Colby og kolleger evaluerte en modell av paranoide prosesser ved å be dommere skille fjernskrevne intervjuer med programmet fra intervjuer med pasienter.
1980
Kapittel 07
Innvendingen om det kinesiske rommet
John Searle hevdet at det å produsere passende symbolsekvenser ikke nødvendigvis innebærer forståelse, og tydeliggjorde dermed forskjellen mellom atferdsmessig suksess og påstander om indre mentale tilstander.
1990–91
Kapittel 08
Loebner Prize-epoken begynner
Hugh Loebner finansierte en årlig konkurranse modellert etter begrensede Turing-tester. Den gjorde ideen kjent for et bredt publikum, men kritikere mente at korte samtaler og premier oppmuntret til samtaletriks.
2014
Kapittel 09
Eugene Goostman skaper overskrifter – og strid
Under et arrangement ved University of Reading ble en bot som spilte en 13 år gammel ukrainer, vurdert som menneskelig av 33 % av dommerne. Arrangørene kalte det bestått; mange forskere avviste påstanden om at dette var «første gang», samt den lånte 30 %-regelen.
2024
Kapittel 10
En forhåndsregistrert GPT-4-studie
Jones og Bergen rapporterte en randomisert, kontrollert og forhåndsregistrert test med to deltakere: GPT-4 ble vurdert som menneskelig i 54 % av femminutters samtaler, mot 67 % for menneskelige vitner og 22 % for ELIZA.
2025
Kapittel 11
Nye modeller, nye varianter
Oppfølgingsarbeid rapporterte at enkelte promptede store språkmodeller var statistisk umulige å skille fra menneskelige vitner i bestemte femminuttersoppsett, mens ACL-forskning utforsket lengre og mer dynamiske testformater.
I dag
Kapittel 12
Ingen enkelt offisiell mållinje
«Turing-testen» betegner i dag en familie av atferdseksperimenter. Resultatene avhenger av modell, prompt, mennesker, dommerutvalg, varighet, grensesnitt, sammenligningsgrunnlag og statistisk regel.
Den ærlige konklusjonen
Har en maskin bestått Turing-testen?
PARRY · 1972
Dommerne sammenlignet fjernskrevne psykiatriske intervjuer med en simulering av paranoide prosesser og virkelige pasienter. Dette var en fokusert valideringsstudie, ikke ubegrenset generell samtale.
Eugene Goostman · 2014
33 % av dommerne skal ha klassifisert boten som menneskelig i femminutters samtaler. Personaen som en 13-åring med et annet morsmål ga forklaringer på feil; framstillingen som «første bestått» ble bredt bestridt.
GPT-4 · 2024
I en forhåndsregistrert randomisert studie fikk GPT-4 «menneske»-vurderinger i 54 % av øktene, mens faktiske mennesker fikk 67 %. Dette støtter manglende skjelnelighet i dette femminuttersoppsettet med to deltakere.
Slik tolker du overskriften: «Lurte dommerne» er ikke nok. Spør: sammenlignet med hvilke mennesker, hvor lenge, under hvilken prompt, med hvor mange forsøk og med hvilken statistisk test?
Hva flyt kan skjule
Hva testen kan – og ikke kan – fastslå
Den kan gi evidens om …
- Menneskelignende samtaleatferd
- Sosial og språklig tilpasning
- Konsistens gjennom en interaksjon
- En dommers evne til å skille under definerte betingelser
- Hvordan bestemte modeller sammenlignes med menneskelige vitner
Den kan ikke i seg selv bevise …
- Bevisst erfaring eller selvbevissthet
- Sannferdighet, faktuell nøyaktighet eller visdom
- Generell kompetanse utenfor samtale
- Kroppslig persepsjon eller ekte personlige minner
- Sikkerhet, moralsk status eller intelligens på menneskelig nivå
Den belønner imitasjon
En kapabel ikke-menneskelig intelligens kan mislykkes fordi den ikke later som om den er menneskelig; et overflatisk system kan lykkes gjennom persona og unnvikende taktikker.
Den er kulturelt ladet
Dommere kan forveksle dialekt, funksjonsnedsettelse, formalitet eller skriving på et andrespråk med maskinatferd. Menneskelikhet er ikke et nøytralt mål.
Atferd bestemmer ikke mekanismen entydig
Likeverdige svar kan komme fra forskjellige interne prosesser. Kvaliteten på transkripsjonen alene avslører ikke hvordan et system representerer eller forstår.
Det er ikke en kapabilitetsbenchmark
Moderne evaluering skiller vanligvis mellom resonnering, programmering, faktualitet, robusthet, sikkerhet og fagkompetanse i stedet for å komprimere alt til evnen til å lure.
Utspørrerens felthåndbok
Bedre spørsmål for en levende test
Ingen magisk prompt avslører en maskin. Bruk forgrenede spørsmål som krever kontekst, og vend deretter tilbake.
Forankre et minne
«Beskriv rommet, og fortell deretter hvilken detalj du først la merke til etter at du kom inn.»
Oppfølging: Endre tidspunktet eller synsvinkelen.Avdekk tvetydighet
Gi en setning med to plausible betydninger og spør hvilken en person i farten ville tolket den som.
Oppfølging: Spør hvilken kontekst som ville snudd tolkningen.Test kontinuitet
Introduser et lite faktum tidlig, bytt tema og still senere et spørsmål som avhenger av det.
Oppfølging: Påpek en inkonsistens på en høflig måte.Bruk sosial friksjon
Presenter et dilemma der ærlighet, takt, lojalitet og konsekvenser står i konflikt.
Oppfølging: Endre relasjonen.Be om omforming
Be om en vits, og be deretter om å gjøre den mindre åpenbar, kortere og passende for en bestemt målgruppe.
Oppfølging: Spør hvorfor revisjonen fungerer.Inviter til usikkerhet
Spør om noe som er underspesifisert, og se om vitnet legger merke til hva som mangler.
Oppfølging: Gi ett manglende faktum om gangen.Unngå kategorifeil
Turing-testen kontra andre KI-evalueringer
| Evaluering | Hovedspørsmål | Sterkeste evidens | Viser ikke direkte |
|---|---|---|---|
| Turing-test | Kan dommere skille maskinsamtale fra menneskesamtale? | Blindet interaksjon pluss menneskelig referansenivå | Bevissthet eller faktuell pålitelighet |
| Kapabilitetsbenchmark | Kan systemet løse en definert oppgaveklasse? | Holdout-oppgaver, kontroll for kontaminering, feilanalyse | Menneskelikhet |
| Sikkerhetsevaluering | Hvordan oppfører systemet seg under risikable eller adversariale betingelser? | Trusselmodell, red teaming, feltmonitorering | Generell intelligens |
| IQ-test | Hvordan presterer en person relativt til aldersbaserte normer? | Standardisering, pålitelighet og validitet | Maskinbevissthet eller imitasjon |
| Total Turing-test | Kan et system matche menneskelig persepsjon, språk og fysisk handling? | Multimodal og robotisk interaksjon | En unik intern mekanisme |
Klare svar
Ofte stilte spørsmål
Hva er Turing-testen?
Det er en atferdstest inspirert av Alan Turings imitasjonsspill. En dommer kommuniserer gjennom en tekstkanal med skjulte deltakere og prøver å skille en maskin fra et menneske. Suksess gjelder samtaleatferd som ikke kan skilles under de oppgitte betingelsene – ikke direkte tilgang til tanker eller bevissthet.
Er «Turin test» det samme?
«Turin test» er en vanlig feilstaving. Navnet er Turing-test, etter den britiske matematikeren og datapioneren Alan M. Turing. Turin er en by i Italia.
Er det interaktive laboratoriet ovenfor en ekte vitenskapelig Turing-test?
Nei. Det er en transparent pedagogisk simulering av blindet bedømming. Et forsvarlig eksperiment krever levende eller konsekvent registrerte menneske- og maskinvitner, tilfeldig tildeling, en definert protokoll, nok dommere, forhåndsregistrerte utfall og statistisk analyse.
Sa Turing at en maskin består hvis den lurer 30 % av dommerne?
Ikke som en universell beståttregel. I 1950 forutsa han at rundt år 2000 ville en gjennomsnittlig utspørrer ha høyst 70 % sannsynlighet for å identifisere riktig etter fem minutter. Senere arrangementer tolket ofte dette på nytt som en terskel på 30 % for å lure dommerne.
Har noen KI bestått Turing-testen?
Etter enkelte operasjonelle varianter, ja. Det finnes imidlertid ingen enkelt universelt akseptert variant med en slik myndighet eller standard. ELIZA, PARRY, Loebner-deltakere, Eugene Goostman og moderne språkmodeller er testet under ulike protokoller, så «bestått» må alltid kvalifiseres.
Beviser bestått test intelligens?
Det viser vellykket menneskelignende samtaleatferd i den settingen. Om dette rettferdiggjør ordet intelligens, avhenger av definisjonen. Det demonstrerer ikke i seg selv sannferdighet, bredde i resonnering, bevissthet, følelser, kroppslig forankring eller trygg kompetanse i den virkelige verden.
Beviser det at et system er uintelligent dersom det ikke består?
Nei. En kalkulator, teorembeviser eller et vitenskapelig system kan være svært kapabelt uten å etterligne uformell menneskelig samtale. Testen belønner en bestemt sosial og språklig prestasjon.
Hvorfor er samtalen bare tekstbasert?
Skjermen hindrer dommere i å bruke utseende, stemme eller fysisk konstruksjon som snarveier. Turing så for seg en kanal som lignet en fjernskriver. Tekst isolerer samtaleevidensen, selv om moderne varianter noen ganger legger til syn eller robotikk.
Hva er den totale Turing-testen?
Det er en senere utvidelse som legger til persepsjon og fysisk interaksjon, vanligvis med krav om syn og robotikk i tillegg til språk. Den bør ikke forveksles med det tekstbaserte oppsettet i Turings artikkel fra 1950.
Hvilke spørsmål fungerer best?
Adaptive oppfølgingsspørsmål fungerer bedre enn en liste med gåter. Be om avklaringer, gå tilbake til tidligere påstander, introduser tvetydighet, test sosial kontekst, be om kreativ oppfølging av begrensninger og undersøk motsigelser. Ingen enkelt spørsmål identifiserer moderne KI pålitelig.
Kan dommere bare spørre om siste nytt eller private minner?
Det kan skape urettferdige snarveier. Et system kan være utformet uten nettilgang, og et menneske kjenner kanskje ikke nyhetene. Påstander om personlige minner kan også fabrikeres. En solid protokoll definerer hvilken kunnskap som er tillatt og evaluerer sammenlignbar tilgang.
Hvorfor sammenligne maskiner med faktiske menneskelige vitner?
Mennesker etablerer referansenivået for positiv kontroll. Hvis dommerne merker mange virkelige mennesker som maskiner, kan oppgaven eller kalibreringen av dommerne være dårlig. Maskiners «menneskerate» er vanskelig å tolke uten referansenivåer for mennesker og tilfeldighet.
Er korte tester pålitelige?
Korte økter er praktiske, men lettere å manipulere og kan hovedsakelig måle førsteinntrykk. Lengre, gjentatte, adversariale samtaler på tvers av områder gir sterkere evidens, men medfører samtidig kostnader, tretthet og flere designvalg.
Hva er ELIZA-effekten?
Det er tendensen til å lese forståelse eller agentkapasitet inn i datamaskinsvar på overflatenivå. Betegnelsen oppsto fra reaksjonene på ELIZA og er fortsatt relevant når flytende utdata får mennesker til å slutte mer enn evidensen støtter.
Er en Turing-test en IQ-test?
Nei. IQ-tester sammenligner prestasjon på standardiserte kognitive oppgaver med aldersbaserte normer. En Turing-test vurderer om en dommer kan identifisere en samtalende maskin under en bestemt protokoll.
Spor påstandene
Primær- og forskningskilder
Historien ovenfor prioriterer originalartikler og forskningsarkiver. Moderne resultater oppgis med studiebetingelsene sine i stedet for å fremstilles som universelle milepæler.
Turing (1950), “Computing Machinery and Intelligence”
Primærartikkelen i Mind, bind 59, nummer 236, side 433–460.
Åpne kildenThe Turing Digital Archive
Katalogoppføring ved King’s College Cambridge for Turings manuskriptmateriale.
Åpne kildenDartmouth AI proposal
Forslaget fra 1955 til sommerforskningsprosjektet i 1956 som ga kunstig intelligens sitt navn.
Åpne kildenWeizenbaum (1966), ELIZA
Den opprinnelige artikkelen i Communications of the ACM som beskriver ELIZA.
Åpne kildenColby et al. (1972), PARRY study
Den opprinnelige artikkelen i Artificial Intelligence om tester av Turing-typen der deltakerne skulle være vanskelige å skille.
Åpne kildenStanford Encyclopedia: Turing-testen
En akademisk oversikt over tolkninger, innvendinger, varianter og konkurransehistorie.
Åpne kildenJones & Bergen (2024)
Den forhåndsregistrerte randomiserte studien av ELIZA, GPT-3.5, GPT-4 og menneskelige vitner.
Åpne kildenWu, Wu & Zhao (ACL 2025)
Fagfellevurdert arbeid som foreslår X-TURING for dialogagenter over lengre tid.
Åpne kilden