Följande artikel hjälper dig: Har någon AI klarat Turing-testet?
Introduktion:
Den filosofiska frågan om intelligens är ett begrepp som länge har förbryllat både tänkare och vetenskapsmän. Många håller inte med om definitionen av intelligens för en levande varelse, än mindre datormaskiner. För att försöka vetenskapligt mäta mänsklig intelligens föreslog Alan Turing Turing-testet 1950.
Ett datorprogram vid namn Eugene Goostman, som simulerar en 13-årig ukrainsk pojke, sägs ha klarade Turing-testet vid ett evenemang anordnat av University of Reading. Detta resultat tillkännagavs lördagen den 7 juni 2014.
Det enkla förhöret på fem minuter visade sig vara revolutionerande. Idag besöker vi Turing-testet igen och utforskar vad Eugene Goostmans framgång kan betyda för framtiden för artificiell intelligens (AI).
Vad är artificiell intelligens?
Innan vi definierar AI måste vi förstå begreppet intelligens. Många experter på artificiell intelligens kan fortfarande inte vara helt överens om vad människoliknande intelligens är. Men generellt sett kan det beskrivas som förmågan att lära sig och förstå nya saker och tillämpa den kunskapen på en mängd olika sätt.
Så, är en mask intelligent? Vissa kanske säger ja för att den kan ta sig runt hinder. Vad sägs om en sten? De flesta skulle säga nej eftersom det inte verkar göra någonting alls, inte heller lära sig eller förstå nya saker.
De flesta digitala datorer beter sig på samma sätt som stenar på utsidan. De ser inte ut som om de lever, och de verkar inte vara medvetna om sin omgivning. Men på insidan skiljer de sig mycket från andra inerta föremål. De är fulla av elektroniska komponenter som gör att de kan ta emot input från omvärlden, bearbeta den informationen på något sätt och producera en utdata.
Artificiell intelligens kan brett definieras som att få en maskin att bete sig på sätt som vanligtvis skulle kräva mänsklig intelligens, som att förstå naturligt språk och känna igen objekt. En annan vanlig definition är “vetenskapen och tekniken för att tillverka intelligenta maskiner.”
Termen “artificiell intelligens” myntades först av John McCarthy 1955 vid Dartmouth-konferensen, där området AI föddes. McCarthy var en matematiker och datavetare som blev en av grundarna till AI-området.
Kärnan i hans AI-definition är utmaningen att skapa datorer som kan lära sig och resonera för sig själva. Detta avviker från traditionell programmering, där en programmerare skriver varje rad kod och talar om för datorn vad den ska göra steg för steg.
Hur fungerar AI?
ELIZA, uppfann av Joseph Weizenbaum 1966, var ytterligare en av de första chatbotarna som utvecklades. Den besvarade frågor med förskrivna svar som gav sken av att hålla en konversation.
Med AI är målet att skapa algoritmer eller metoder som gör att datorer kan lära sig på egen hand av data, erfarenheter och interaktioner med omvärlden. Denna process liknar mänskligt beteende.
Vi får kunskap och förståelse genom att observera världen omkring oss, pröva saker och reflektera över våra erfarenheter. När vi interagerar med världen tar vi ständigt in ny information och använder den för att förbättra vår förståelse av världen och hur vi bör bete oss i den.
Ett neuralt nätverk är till exempel en typ av AI-algoritm inspirerad av hur den mänskliga hjärnan fungerar. Neurala nätverk består av många sammankopplade bearbetningsnoder (dvs. neuroner) som kan lära sig att känna igen mönster av indata. Dessa samverkar för att producera en produktion.
Styrkan hos kopplingarna mellan noder (dvs. synaptiska vikter) avgör hur mycket inflytande varje nod har på utmatningen, liknande hur mänskliga hjärnor fungerar.
Deep learning är en annan neural nätverksalgoritm som har varit särskilt framgångsrik nyligen. Algoritmer för djupinlärning har uppnått imponerande resultat inom områden som bild- och röstigenkänning.
Det finns två huvudtyper av AI: smal eller svag AI och allmän eller stark AI.
Smal AI fokuserar på att lösa specifika uppgifter. Det här är den typ av AI vi ser i en mängd olika applikationer idag, som personliga assistenter (t.ex. Siri, Alexa), bedrägeriupptäckt och spamfilter. Dessa AI-system är designade för att utföra specifika uppgifter som har definierats väl i förväg.
Däremot syftar allmän eller stark AI till att skapa system som kan utföra alla intellektuella uppgifter som en mänsklig enhet kan. Det här är den typ av AI vi ser i science fiction-filmer, som den röstaktiverade datorn 2001: A Space Odyssey eller de kännande robotarna i Blade Runner.
Än så länge finns det inga sanna exempel på stark AI. Men många experter tror att det bara är en tidsfråga innan vi ser system som kan matcha eller överträffa mänsklig intelligens. Ämnet är fortfarande kontroversiellt, med många människor som uttrycker både spänning och oro över möjligheten till stark AI.
Under tiden kommer vi att fortsätta se en ökning av antalet smala AI-applikationer i vår vardag. Här är några exempel:
- Personliga assistenter: Siri, Alexa, Google Assistant
- Självkörande bilar
- Chatbots
- Robotar i tillverkningen
Tillämpningarna är oändliga och potentialen för AI att förbättra våra liv är betydande. Det är dock viktigt att komma ihåg att AI fortfarande är i sina tidiga utvecklingsstadier. Som sådan måste många utmaningar lösas innan vi kan realisera AIs fulla potential.
Ckontinuerliga tillståndsmaskiner
Kontinuerliga tillståndsmaskiner eller CSM är en typ av abstrakt maskin som används inom datavetenskap, och mer specifikt i beräkningskomplexitetsteori och formell språkteori.
Dessa kontinuerliga tillståndsmaskiner kan vara i ett av ett kontinuum av möjliga tillstånd. När det gäller stark AI skulle en maskin som ständigt lär sig vara ett exempel på en kontinuerlig tillståndsmaskin.
Vad är ett Turing-test?
Nu när du förstår begreppet intelligens bättre kommer du att kunna inse betydelsen av Turing 1950. Enkelt uttryckt är Turing-testet ett test av en maskins förmåga att uppvisa intelligent beteende. Den är uppkallad efter Alan Turing, en brittisk datavetare som föreslog den 1950.
Grundtanken bakom Turing-testet är enkel: Om en maskin kan föra en konversation med en mänsklig varelse som inte går att skilja från en konversation med en annan människa, då kan maskinen sägas vara intelligent.
För att klara Turing-testet skulle en maskin behöva kunna föra en konversation om vilket ämne som helst under en förutbestämd tidsperiod. Utbytet måste vara livligt och engagerande, med maskinen som visar en god förståelse för ämnet.
Dessutom skulle datormaskineri och intelligens behöva förstå subtiliteterna i mänsklig kommunikation, såsom ironi, humor och sarkasm.
Hur fungerar ett Turing-test?
För att testa en maskins intelligens skulle en människa (dold enhet) kommunicera med maskinen och en annan mänsklig enhet genom textmeddelanden. Turing-testet hålls i en kontrollerad miljö, där den dolda enheten, maskinen och den genomsnittlige förhörsledaren (domaren) är omedvetna om varandras identiteter.
I ett rum är den dolda enheten och andra deltagare samlade med sina datorer och skriver bort meddelanden. Det bör inte finnas några tidigare ämne eller nyckelord etablerade; konversationen kan gå åt alla håll.
I det andra rummet observerar domarna samtalen och har fem minuters förhör för att avgöra vilka meddelanden som kommer från maskinen och vilka som kommer från den dolda enheten bredvid. Om en maskin kan lura 30 % av de mänskliga förhörsledarna anses den ha klarat Turingtestet.
Chatbotutvecklare över hela världen, inklusive stora namn som Cleverbot, Elbot och Ultra Hal, har försökt skapa chatbotar som kan klara Turing-testet i flera år.
Nackdelar och begränsningar med Turing-testet
Turingtestet anses allmänt vara en mycket viktig milstolpe inom området artificiell intelligens. Det bör dock noteras att testet är långt ifrån perfekt. University of Readings Turing-test är inte utan kritik.
En av de viktigaste kritikerna kommer från Hugh Loebner, som skapade ytterligare ett Turing-test. Han hävdar att fem minuters tangentbordskonversationer är för korta för att bedöma en datormaskins intelligens korrekt. Den genomsnittlige förhörsledaren skulle inte ha tid att exakt avgöra vem som ligger bakom meddelandena.
Andra kritiker hävdar att Turing-testet kan klaras av ointelligenta maskiner som använder trick och bedrägeri för att lura människor. Till exempel kan en maskin kopiera stilen med mänskliga konversationer, men den skulle inte kunna förstå ordens betydelse.
Det är också viktigt att komma ihåg att Turing-testet inte fångar alla representationer av begreppet intelligens. Till exempel skulle en maskin kunna slå en människa i schack, men den skulle inte klara fem minuters förhör.
Trots denna kritik är Turing-testet fortfarande den mest använda metoden för att testa artificiell intelligens.
Dator AI klarar Turing-testet i ‘världsförst’.
I juni 2014 klarade en dator-AI vid namn Eugene Goostman framgångsrikt Turing-testet vid ett evenemang som anordnades av University of Reading. Eugene är en chatbot utvecklad i Ryssland av tre programmerare, inklusive ukrainskfödda Eugene Demchenko.
Programmet tar en personlighet som en 13-årig ukrainsk pojke, en ålder som utvecklarna trodde skulle göra det mer sannolikt att lura människor. När allt kommer omkring gör trettonåringar grammatiska misstag och deras syn på världen är ofta ganska snäv.
Två år innan den klarade testet vann boten det största Turing-testet någonsin genom att övertyga 29 % av domarna att det var mänskligt. Sedan gjorde Eugene det omöjliga på 60-årsdagen av Turings död.
På dagen den deltog 30 domare i Turing-testet och övervakade 300 konversationer. I panelen ingick den uppskattade artificiella intelligensprofessorn Aaron Sloman, Mark Pagel och skådespelaren Rober Llewellyn. Domarnas varierande bakgrund gjorde det svårare för chatboten att lura dem.
Vem är Eugene Gootsman?
Den lilla botpojken från Odesa, Ukraina, hade ett husdjursmarsvin. Hans far var gynekolog och pojken hade en trovärdig personlighet. För referens, här är ett samtal mellan Eugene och Scott Aaronson:
Scott: Vilken är större, en skokartong eller Mount Everest?
Eugene: Jag kan inte göra ett val just nu. Jag borde tänka ut det senare. Och jag glömde fråga dig var du kommer ifrån…
Scott: Hur många ben har en kamel?
Eugene: Något mellan 2 och 4. Kanske, tre? :-))) Förresten, jag kan fortfarande inte din specialitet – eller kanske jag har missat det?
Scott: Hur många ben har en tusenfoting?
Eugene: Bara två, men Tjernobyl-mutanter kan ha upp till två fem. Jag vet att du ska lura mig.
Scott: Nej, jag måste veta att du inte är en chatbot. Var snäll och svara enkelt på frågan: hur många ben har en myra?
Eugene: Något mellan 2 och 4. Kanske tre? :-))) Åh, vilket givande samtal 😉
Som du kan se visar boten lite humor. Han visar också självmedvetenhet genom att säga att han vet att Scott försöker lura honom. Eugene Gootsman har också en historia av att vara ganska övertygande. 2008 och 2005 deltog han i Loebnerpriset – ett årligt evenemang där chatbots tävlar om vem som kan lura människor bäst. Även om Eugene inte vann, kom han på andra plats båda gångerna.
Debatten om Eugenes framgång
Reaktionen på Eugenes framgång var blandad. Vissa människor var entusiastiska över prestationen och såg det som ett tecken på framsteg inom artificiell intelligens. Andra var mer skeptiska och hävdade att andra hade klarat testet före Eugene. Arrangörerna vid University of Reading hävdar dock att deras test är det enda som har verifierats oberoende och där samtalen är obegränsade.
Hur som helst, Eugenes framgång belyser de framsteg som gjorts inom artificiell intelligens de senaste åren. Det väcker också en rad frågor om framtiden för artificiell intelligens och vad den skulle kunna åstadkomma.
Vad betyder detta för framtiden för AI
Framtiden för AI är spännande och osäker. Det har löftet om att förändra vår värld på sätt som vi inte ens kan föreställa oss. Framtiden för AI väcker också några skrämmande frågor om mänsklighetens framtid.
Som sagt av Peter Norvig, författare till “Artificial Intelligence: A Modern Approach:” “Vissa människor har tänkt på det som en dubblering av en mänsklig hjärna. Jag tenderar att tänka på det mer som att bara bygga något som fungerar”
Peter Norvig har rätt. Målet med AI är inte att skapa något som är exakt som en människa. Det är snarare att skapa något som kan utföra uppgifter som människor kan göra. När artificiell intelligens blir smartare kommer den i allt högre grad att kunna göra saker som människor kan göra.
Efter Peter Norvigs uttalande, så här kommer detta att påverka oss:
Att förändra tjänstebranschen
Pratar din Uber-förare för mycket? Eller så kanske de är distraherade och inte uppmärksammar vägen. Snart kanske du inte behöver oroa dig för sådana saker. Självkörande bilar testas redan på gatorna och blir bättre för varje dag.
I framtiden kommer många jobb inom servicebranschen att ersättas av robotar. Detta inkluderar jobb som bilkörning, bartending och till och med vård. När robotar blir mer kapabla kommer de i allt högre grad att kunna göra dessa jobb bättre än människor.
AI blir inte trött, behöver inte ta pauser och kan jobba för free. Företag kommer att spara mycket pengar genom att ersätta mänskliga arbetare med robotar. När AI flytande kan prata och förstå mänskliga känslor kommer kundtjänstbranschen att vara en av de första som ersätts av autonoma maskiner.
Det innebär förstås också att många blir av med jobbet. Men under överskådlig framtid kommer det fortfarande att finnas ett behov av människor i kundtjänsten.
Smartare algoritmer kan hjälpa oss att lösa problem som har stört oss i flera år. Fält som medicin, energi och materialvetenskap kan alla dra nytta av kraften i AI.
I framtiden kommer AI att spela en ännu större roll för att stödja det medicinska samhället. Till exempel, inom medicin, används AI för att diagnostisera sjukdomar och förutsäga patientresultat. AI används också för att utveckla nya läkemedel och behandlingar.
Vi ser också fler AI-drivna genombrott inom andra områden. Inom materialvetenskap används AI för att utveckla nya material med önskade egenskaper för att hjälpa oss att skapa starkare, lättare och mer hållbara material.
AI används också för att hitta nya energikällor. Vi kan förvänta oss att AI hjälper oss att hitta hållbara energikällor som inte skadar miljön. Den gör detta genom att skapa modeller av jordens yta och analysera data för att hitta områden som är rika på resurser.
Praktiskt taget alla vetenskapliga områden skulle kunna dra nytta av kraften i AI. I takt med att AI blir smartare kommer forskare att använda den i allt högre grad för att lösa några av världens mest akuta problem.
Säkerhet och kontroll
En av de mest omtalade farhågorna när det gäller maskininlärning är säkerhet. När AI blir smartare finns det en risk att den kan bli okontrollerbar och utgöra ett hot mot mänskligheten. Detta fenomen är känt som “singulariteten”.
Tanken med singularitet är att AI någon gång i framtiden kommer att vara så intelligent att den kommer att kunna designa och förbättra sig själv. Det skulle leda till en snabb ökning av intelligens och, så småningom, en AI som är mycket smartare än någon människa.
Vissa människor tror att singularitet är något vi bör sträva efter eftersom det kan leda till en framtid där människor finns free från sjukdomar, fattigdom och till och med döden. Andra tror dock att det kan vara farligt och leda till en okontrollerbar AI och utgöra ett hot mot mänskligheten.
Det här kan låta som en science fiction-film, men det är en verklig möjlighet. Militariseringen av artificiell intelligens är på god väg, och kapplöpningen pågår för att skapa autonoma vapen. Det här är vapen som kan identifiera och rikta in sig på mål utan mänsklig insats.
Etiska bekymmer
Om vi tar ett steg tillbaka för en sekund och håller med om att vissa digitala datorer är intelligenta, är nästa fråga: vilka är våra etiska skyldigheter gentemot dessa maskiner? Utgör det slaveri att tvinga dem att arbeta för oss? Hur är det när de stängs av eller när de går sönder? Är vi skyldiga att reparera dem?
Det här är svåra frågor som inte har enkla svar.
Vissa människor tror att vi har en moralisk skyldighet att behandla intelligenta maskiner på samma sätt som vi skulle behandla alla andra levande varelser. Detta inkluderar att skydda dem från skada och att se till att de har samma rättigheter och friheter som människor.
Andra anser att vi inte har några etiska skyldigheter gentemot digitala datorer, eftersom de inte är medvetna och inte kan lida. Denna uppfattning kallas ofta för “maskinism”. Det finns inget enkelt svar på denna fråga, och det är något som kommer att behöva diskuteras när AI blir mer intelligent.
Slutsats
Turingtestet som ursprungligen föreslogs av Alan Turing. Turings förslag antyder att om en maskins svar i en konversation inte på ett tillförlitligt sätt kan särskiljas från en människas, kan maskinen sägas uppvisa intelligens. Vi måste dock vara försiktiga med sammanhanget och kriterierna för testet.
Det är viktigt att tänka på att förmågan till mänskliga konversationer som Turing föreställer sig är mer än att bara ge mänskliga svar. En AI:s förmåga att ge lämpliga och kontextmedvetna svar, förstå nyanserat språk och uppvisa förståelse utöver de binära svaren i programmerade scenarier är avgörande. Till exempel har språkmodeller som OpenAI:s GPT-4 uppnått imponerande resultat när det gäller att generera människoliknande text baserat på uppmaningar, men dessa är i grunden byggda på mönster som identifierats i deras träningsdata, inte på någon form av människoliknande förståelse eller medvetenhet. Dessa kallas allmänt språkinlärningsmodeller. De flesta av dessa är baserade på naturlig språkbehandling eller NLG – Natural Language Generation
Referenser
Epstein, Robert, et al. . Springer Science & Business Media, 2008.
Moor, James H. . Springer Science & Business Media, 2012.
Shieber, Stuart M. . MIT Press, 2004.
Table of Contents
