با نرخ ۷۳ درصدی آزمون تورینگ را پشت سر گذاشت؛ لاما ۳

با نرخ ۷۳ درصدی آزمون تورینگ را پشت سر گذاشت؛ لاما ۳.۱ نیز در ردهبندی قرار گرفت, پژوهشگران دانشگاه کالیفرنیا سندیگو در یک مطالعه جدید اعلام کردند که مدل زبانی متعلق به اوپنایآی (OpenAI) توانست آزمون تورینگ را با نرخ موفقیت ۷۳ درصدی بگذرد. این به این معنی است که در اکثر جلسات چت پنجدقیقهای، داوران انسانی نتوانستند این مدل را از یک انسان واقعی تمایز دهند.

علاوه بر، مدل شرکت متا نیز با نرخ ۵۶ درصدی در این آزمون موفق عمل کرد. بر اساس گزارشی که سایت از آن خبر داده است، کلید این موفقیتها در دستورالعملهای اولیه به مدلها برای بازی کردن یک شخصیت خاص نهفته بوده است؛ عاملی که باعث شد سبک گفتگو آنها بسیار شبیه به مکالمات طبیعی انسانها شود.

تفاوت شگفتانگیز با مدلهای پیشین برای مقایسه، مدل که به صورت عمومی در چتجیپیتی (ChatGPT) در دسترس است، تنها نرخ ۲۱ درصدی موفقیت را در همین آزمون ثبت کرده است. این شکاف عمیق نشان میدهد که استفاده از پرسونا چقدر میتواند بر عملکرد مدلها در شبیهسازی رفتار انسانی اثرگذار باشد. آیا آزمون تورینگ همچنان معیار مناسبی است؟ این نتایج بار دیگر بحثهای قدیمی را درباره اعتبار آزمون تورینگ به عنوان معیار سنجش هوش واقعی برانگیخته است.

منتقدان معتقدند این آزمون بیشتر از آنکه تواناییهای شناختی واقعی هوش مصنوعی را بسنجد، مهارت مدل در فریب دادن مخاطب انسانی را میسنجد. از دید آنها، عدم تشخیص ماشین توسط انسان لزوماً دلیلی بر هوشمندی واقعی آن ماشین نیست. در سوی دیگر، طرفداران این آزمون استدلال میکنند که توانایی برقراری گفتگوی طبیعی و ناممکنازتفکیک از انسان، خود نشانهای از پیشرفتهای چشمگیر در حوزه هوش مصنوعی محسوب میشود.

با رو به رو شدن روزافزون انسانها با رابطهای گفتگویی مبتنی بر هوش مصنوعی، این آزمون از حالت محض فلسفی خارج شده و به ابزاری برای ارزیابی فنی و کاربردی تبدیل شده است. با وجود این پیشرفتها در فریبدهی بصری و متنی، مدلهای فعلی همچاقد از درک عمیق، خودآگاهی و احساسات واقعی انسانها بینصیباند. نتایج کامل این آزمایش به صورت پیشچاپ در آرکایو منتشر شده است.