Mae GPT-4.5 ymhell y tu hwnt i Brawf Turing: beth mae'r garreg filltir hon yn ei awgrymu yn esblygiad deallusrwydd artiffisial?

A fyddech chi'n gallu gwahaniaethu rhwng sgwrs gyda dyn go iawn a pheiriant? Mae'r cwestiwn, a ofynnwyd gyntaf fwy na saith degawd yn ôl gan Alan Turing, unwaith eto wedi ennill tyniant yn dilyn arbrawf diweddar sydd wedi profi'r modelau mwyaf datblygedig o ddeallusrwydd artiffisial mewn cyd-destun heriol.

Mae ymchwilwyr ym Mhrifysgol California, San Diego wedi cynnal a astudiaeth sy'n herio ein gallu i wahaniaethu rhwng yr hyn sy'n ddynol a'r hyn sy'n artiffisiall. Yng nghanol yr arbrawf, y model GPT-4.5 o OpenAI nid yn unig wedi llwyddo i basio'r Prawf Turing o dan amodau penodol, ond hefyd Roedd hyd yn oed yn cael ei adnabod fel dyn yn amlach na phobl go iawn eu hunain.

Arbrawf o dan amodau llym

Mae'r astudiaeth, dan arweiniad yr ymchwilwyr Cameron Jones a Benjamin Bergen, canolbwyntio ar fersiwn wedi'i addasu o'r Prawf Turing clasurol, lle cymerodd mwy na 300 o bobl ran, gan gynnwys myfyrwyr prifysgol a defnyddwyr llwyfannau ar-lein. Yn ystod sesiynau pum munud, cynhaliodd pob cyfranogwr ddwy sgwrs ar yr un pryd: un â bod dynol ac un â system deallusrwydd artiffisial. Yn y diwedd, Roedd yn rhaid iddynt farnu pa un o'r interlocutors oedd yn ddynol.

Roedd y canlyniad yn drawiadol: canfyddwyd bod y model GPT-4.5 yn ddynol mewn 73% o achosion pan roddwyd personoliaeth ddiffiniedig iddo - er enghraifft, person ifanc â gwybodaeth am ddiwylliant digidol. Roedd y ganran hon nid yn unig yn uwch na'r trothwy ystadegol i ystyried y prawf a basiwyd, ond hyd yn oed gallu bodau dynol go iawn i ymddangos yn ddynol yn yr arbrawf hwn. Mae'r dull hwn yn atgyfnerthu'r syniad o sut la deallusrwydd artiffisial wedi esblygu yn y degawdau diwethaf.

Fodd bynnag, pan nad oedd gan yr AI bersonoliaeth benodol a gofynnwyd iddo ymddangos yn ddynol heb anogaeth bellach, plymiodd ei effeithiolrwydd i 36%. Mae hyn yn tanlinellu'r pwysigrwydd cyd-destun a phersonoli mewn cyfarwyddiadau (ysgogiadau) a roddir i fodelau iaith.

Cymhariaeth rhwng modelau a chanlyniadau annisgwyl

Ynghyd â GPT-4.5, roedd yr arbrawf yn cynnwys modelau eraill megis LLaMa-3.1-405B Meta, a gyflawnodd gyfradd gywirdeb o 56% pan roddwyd personoliaeth ffuglennol hefyd. Er bod y ffigur hwn yn is na GPT-4.5, mae'n dal i fod uwchlaw siawns. Mewn cyferbyniad, nid oedd fersiynau eraill fel GPT-4o neu'r chatbot hynafol ELIZA, o'r 60au, yn fwy na 21% a 23% yn y drefn honno, gan wneud yn glir y pellter rhwng technolegau cyfredol a chyntefig.

Estos resultados dangos bod llwyddiant AI mewn tasg fel Prawf Turing yn dibynnu llawer mwy ar sut y caiff ei gyfarwyddo nag ar y model ei hun. Yr allwedd yw mabwysiadu rôl gredadwy, nid i efelychu deallusrwydd dynol yn ymwybodol. Os ydych chi eisiau ymchwilio'n ddyfnach i sut mae'r cyfrifiadur Dros amser, fe welwch wybodaeth ddiddorol.

Ymhellach, canfuwyd hyd yn oed gyda chyfarwyddiadau soffistigedig, nad oedd rhai modelau yn gallu cynnal sgwrs ddigon argyhoeddiadol. Cyfaddefodd GPT-4o ei fod yn AI heb gael ei herio, a gollodd hygrededd yn gyflym gyda interlocutors dynol.

Twyllo neu feddwl? Dadl Turing Test

Nid yw pasio Prawf Turing yn awgrymu bod AI yn deall yr hyn y mae'n ei ddweud nac yn ymwybodol o'i eiriau. Yma gorwedd un o'r trafodaethau mawr rhwng arbenigwyr. Er bod rhai yn dathlu'r cyflawniad hwn fel datblygiad arwyddocaol o ran efelychu ymddygiad dynol, mae eraill yn ystyried hynny Nid yw'r math hwn o brawf bellach yn ddibynadwy i fesur "deallusrwydd gwirioneddol" system artiffisial.

Mae arbenigwyr fel François Chollet, peiriannydd Google, wedi tynnu sylw at hynny Mae Prawf Turing yn fwy o arbrawf athronyddol na mesuriad defnyddiol ar hyn o bryd. Yn ôl y farn hon, nid yw'r ffaith bod AI yn ein twyllo yn golygu ei fod yn rhesymu neu fod ganddo ddealltwriaeth ddofn o'r byd. Yn hytrach, mae'n trosoledd patrymau a ddysgwyd o filiynau o destunau i lunio atebion credadwy. Er mwyn deall y maes hwn yn well, gallwch ymgynghori â phwy yw'r sylfaenydd AI.

Y peth sy'n peri pryder, felly, yw nid cymaint yr hyn y gall yr AIs hyn ei wneud, ond yr hyn y credwn y maent yn ei wneud. Y duedd ddynol i anthropomorffeiddio systemau sgwrsio, fel oedd eisoes yn wir gydag ELIZA yn y 60au, mae'n ymddangos nad yw wedi diflannu dros amser. Heddiw, mae'r ffenomen yn cael ei chwyddo gyda modelau llawer mwy soffistigedig.

Cymwysiadau a risgiau AI sy'n swnio'n rhy ddynol

Mae'r ffaith y gall AI basio ar gyfer dynol mewn sgwrs fer yn cyflwyno cyfleoedd, ond hefyd yn peri risgiau sylweddol o ran diogelwch, addysg a chysylltiadau cymdeithasol.

• Lladrad hunaniaeth: gellid defnyddio AI argyhoeddiadol mewn ymgyrchoedd sgam neu beirianneg gymdeithasol.
• Desinformación: Gallai modelau sy'n gallu cynhyrchu lleferydd dynol fod yn arfau effeithiol i drin neu ledaenu newyddion ffug.
• Automatización laboral: Gallai sectorau fel gwasanaeth cwsmeriaid neu gymorth technegol gael eu disodli gan y Mynegai Gwerthfawrogiad sgyrsiol hyn, gan effeithio ar gyflogaeth ddynol.
• Addysg a gwerthuso: Mae canfod a gafodd testun ei ysgrifennu gan berson neu gan AI yn dod yn dasg gymhleth, gyda chanlyniadau yn y maes academaidd.

Mae ymchwilwyr hefyd wedi rhybuddio sut Gall safoni'r technolegau hyn wneud eu canfod yn fwy anodd. yn y dyfodol. Wrth i ni ddod i arfer â rhyngweithio â systemau awtomataidd, efallai y byddwn yn gadael ein gwyliadwriaeth i lawr, gan ei gwneud yn haws i'r modelau hyn fod yn anwahanadwy oddi wrth interlocutor dynol heb i ni sylweddoli hynny.

Pryder arall sy'n codi dro ar ôl tro yw moeseg ei weithrediad. I ba raddau y dylai AI esgus bod yn ddynol heb hysbysu ei natur artiffisial? A ddylai fod cyfyngiadau clir ar sut a phryd y gellir ei ddefnyddio mewn cyd-destunau real?

Nid yw GPT-4.5 wedi dangos bod peiriannau'n rheswm fel ni, ond mae wedi ei gwneud yn glir y gallant ein hefelychu mewn ffordd sy'n ei gwneud yn anodd gwahaniaethu rhyngddynt. Mae’r garreg filltir hon yn drobwynt, nid oherwydd beth yw’r peiriant, ond oherwydd yr hyn y mae’n gwneud inni gwestiynu: ein syniadau ein hunain am yr hyn y mae’n ei olygu i fod yn ddynol mewn oes ddigidol lle mae’r artiffisial yn uno â’r real.