超越图灵测试：判断机器是否在思考的现代方法

参考链接： 图灵测试

全文共2189字，预计学习时长6分钟

 图源：slate

 人工智能正在改变生活的方方面面，大多数专家认为，今天的人工智能进化为人工通用智能只是时间问题，计算机迟早会达到甚至超过人类智能的临界点。但问题是，我们如何知道这种情况何时会发生？

 1950年，艾伦·图灵提出了著名的测试方法，用来判断机器是否真的在思考。这一测试在论文发表后经历了一些演变，其中一个常见的解释是这样的：

 一个人，即审讯者（C），可以通过电脑终端进行交流（现在，我们可能会说通过即时通讯、电子邮件或短信）；在计算机链路的另一端是人（B）或计算机（A）。经过20分钟的键盘通信后，询问者会表明在另一端是人还是计算机。

 如果审讯者认为他在和一个人交谈，但实际上是一台电脑，那么结论就是，这台电脑一定在像人一样思考。为了让计算机“通过”测试，这个实验要进行多次，超过一半的审问者同意。

 最近，对图灵测试的一种改进将对话时间缩短到5分钟，并认为如果计算机愚弄受试者的时间超过30%，测试就通过了。2014年，一个名为Cleverbot 的程序被声称通过了图灵测试，愚弄了33%的审讯者。然而，虽然Cleverbot有一些复杂的反应，但我与它的互动很快暴露了其局限性。

 不过，我宁愿对图灵的测试吹毛求疵，也不愿对Cleverbot s的主张吹毛求疵。我有两个主要担忧：

 ·        图灵测试的名声推动了诸如Cleverbot或Watson等程序的发展，这些程序拥有惊人的语言能力，但却牺牲了针对真正AGI的资源。

 ·        为了通过测试，计算机必须被设定为会说谎。有没有私人问题，比如你多大了？眼睛是什么颜色的?甚至你是一台电脑吗?如果电脑如实回答，那就是泄密。在某种程度上，为了通过测试，一个系统被编程为目标和情感的等价物，这些必须是人类的目标和情感，而不是可能对机器有效的目标和情感。这需要花费大量的开发努力来玩这种本质上属于聚会游戏的游戏

 我对该测试的准确性也有几点担忧：

 ·        测试结果的好坏取决于审讯者的老练or易上当。

 ·        该测试允许在计算机的某一部分上假装有缺陷以掩盖其局限性。例如，为了弥补理解上的缺陷而声称自己是一个孩子。

 ·        它强加了人类层次的约束。如果我们能造出一台具有超人智慧的机器，它会不会因为看起来太聪明而无法通过测试。

 假设有真正的AGI系统，并且位置颠倒了——一个AGI来决定你是计算机还是人，你能做得多好？

 在最近的AGI-20会议上，一位与会者评论说，真正智力的测试应该是设计真正智力测试的能力。没有这样的测试，难道我们就没有真正的智慧吗?

 为了解决这些问题，人们建议调整图灵测试，创造出一套标准类型的问题，用来探究情报的各个方面，而不是由审问者单独或多或少地编造一些随机问题。与其将计算机的反应与个人进行比较，不如将计算机与不同年龄、性别、背景和能力的人类回答者进行比较。

 现在，把审问者重新塑造成法官，他们会给测试结果打分，以判断每个答案是否都是对问题的合理回答。问题和答案应该随机混合，以防止发现得分趋势。例如，如果一个回答者给出了一个低分数的答案，不应该影响该回答者对其他回答的感知质量。

 针对特定智力领域的样本问题可能包括以下内容：

 ·        你能描述现在看到（听到）的东西吗?

 ·        描述一下你在这幅图中看到了什么?

 ·        （模式识别/知识）如果我[动作，比如唱歌，跌倒，掉铅笔，讲笑话]，你的反应会是什么?

 ·        （预测/理解人类行为）如果你[行为，比如讲笑话，偷我的钱包，或者通过这个测试]，我的反应会是什么？

 ·        说出三种类似于[一个物体，如树、花、汽车或电脑]的东西。

 ·        说出你最喜欢的[物体，如食物、饮料、电影明星、书或科学家]。

 ·        （目标导向）解释一种电码。

 ·        使用那个代码，编码这个消息。

 ·        这张照片怎么了？

 “这张照片有什么问题吗?”该问题不仅关于对象识别的图像，还关于现实世界的理解使用和关系的对象。发件人：科赫、克里斯托弗和朱利奥·托诺尼，“关于意识的测试——我们如何知道这台电脑有感知能力?让它解决一个简单的难题” (2011)。

 可以对一个会思考的机器和一个人提出同样的问题，但我们可以假定，会从这两者得到显著不同的答案，而且很容易区分电脑和人。对每个问题的回答由几位评委来评定是否有意义，如果计算机给出的有意义的答案数量相同，它就在思考。

 关键在于，问题需要是开放式的，以便让受访者表明他们真正理解。为了创造无限的集合，题目的类型可以是多种多样的，这可以防止计算机被输入特定的答案。这些问题都需要认真思考。

 同样地，一个法官可能不擅长判断一个人的回答是否合理，但如果有多个法官对多个应答者进行评级，我们应该可以得到一个好的评估。让AGI成为裁判之一怎么样?

 图源：unsplash

 是时候用更好的东西取代图灵测试了，继续致力于在图灵测试中欺骗人类并不是创建AGI的正确方向，该去尝试衡量它的智力。

 推荐阅读专题

 留言点赞发个朋友圈

 我们一起分享AI学习与发展的干货

 编译组：杨娴、符馨元

 相关链接：

 https://www.kdnuggets.com/2020/08/beyond-turing-test.html

 如转载，请后台留言，遵守转载规范

 推荐文章阅读

 ACL2018论文集50篇解读

 EMNLP2017论文集28篇论文解读

 2018年AI三大顶会中国学术成果全链接

 ACL2017论文集：34篇解读干货全在这里

 10篇AAAI2017经典论文回顾

 长按识别二维码可添加关注

 读芯君爱你