GPT-4.5 شاندار ڪاميابين سان ٽورنگ ٽيسٽ پاس ڪري ٿو: مصنوعي ذهانت جي ارتقا لاءِ هن سنگ ميل جو ڇا مطلب آهي؟

ڇا توهان هڪ حقيقي انسان ۽ مشين سان ڳالهه ٻولهه ۾ فرق ڪري سگهندا؟ اهو سوال، جيڪو پهريون ڀيرو ست ڏهاڪن کان وڌيڪ اڳ ايلن ٽرنگ پاران پيش ڪيو ويو هو، هڪ تازي تجربي کان پوءِ نئين سر مقبوليت حاصل ڪئي آهي جنهن هڪ مشڪل تناظر ۾ مصنوعي ذهانت جي جديد ترين ماڊلز کي آزمايو.

ڪيليفورنيا يونيورسٽي، سين ڊياگو جي محققن هڪ ڪيو آهي هڪ اهڙو مطالعو جيڪو انسان ۽ مصنوعي جي وچ ۾ فرق ڪرڻ جي اسان جي صلاحيت کي چئلينج ڪري ٿو.ايل. تجربي جي مرڪز ۾، GPT-4.5 ماڊل اوپن اي آءِ نه رڳو مخصوص حالتن ۾ ٽورنگ ٽيسٽ پاس ڪرڻ ۾ ڪامياب ٿيا، پر کيس حقيقي ماڻهن جي ڀيٽ ۾ گهڻو ڪري انسان طور سڃاتو ويندو هو.

سخت حالتن هيٺ هڪ تجربو

محقق ڪيمرون جونز ۽ بينجمن برگن جي اڳواڻي ۾ ڪيل مطالعي، ڪلاسيڪل ٽورنگ ٽيسٽ جي تبديل ٿيل ورزن تي ڌيان ڏنو ويو، جتي 300 کان وڌيڪ ماڻهن شرڪت ڪئي، جن ۾ يونيورسٽي جا شاگرد ۽ آن لائن پليٽ فارم استعمال ڪندڙ شامل هئا. پنجن منٽن جي سيشن دوران، هر شرڪت ڪندڙ هڪ ئي وقت ٻه ڳالهيون ڪيون: هڪ انسان سان ۽ ٻيو مصنوعي ذهانت واري نظام سان. آخر ۾، انهن کي فيصلو ڪرڻو هو ته ڳالهين ڪندڙن مان ڪهڙو انسان هو..

نتيجو حيرت انگيز هو: GPT-4.5 ماڊل کي 73 سيڪڙو ڪيسن ۾ انساني سمجهيو ويو. جڏهن کيس هڪ بيان ڪيل شخصيت ڏني وئي - مثال طور، هڪ نوجوان شخص جي جيڪا ڊجيٽل ڪلچر جي ڄاڻ رکي ٿي. هي سيڪڙو نه رڳو ٽيسٽ پاس ڪرڻ تي غور ڪرڻ لاءِ شمارياتي حد کان وڌي ويو، پر هن تجربي ۾ حقيقي انسانن جي انسان ظاهر ٿيڻ جي صلاحيت کان به وڌي ويو. هي طريقو انهي خيال کي مضبوط ڪري ٿو ته ڪيئن la مصنوعي معلومات گذريل ڏهاڪن ۾ ترقي ڪئي آهي.

جڏهن ته، جڏهن AI کي ڪا خاص شخصيت نه ڏني وئي ۽ صرف وڌيڪ اشارو ڏيڻ کان سواءِ انسان ظاهر ٿيڻ لاءِ چيو ويو، ته ان جي اثرائتي 36 سيڪڙو تائين گهٽجي وئي. هي واضح ڪري ٿو ته اشارن ۾ تناظر ۽ ذاتي ڪرڻ جي اهميت ٻولي جي ماڊلز کي ڏنو ويو آهي.

ماڊلز ۽ غير متوقع نتيجن جي وچ ۾ مقابلو

GPT-4.5 سان گڏ، تجربي ۾ ٻيا ماڊل شامل هئا جهڙوڪ ميٽا جو LLaMa-3.1-405B، جنهن 56٪ درستگي جي شرح حاصل ڪئي جڏهن هڪ فرضي شخصيت پڻ فراهم ڪئي وئي. جيتوڻيڪ هي انگ GPT-4.5 کان گهٽ آهي، پر اڃا تائين امڪان کان مٿي آهي. ان جي ابتڙ، ٻيا نسخا جهڙوڪ GPT-4o يا 60 جي ڏهاڪي جو ويٽرن چيٽ بوٽ ELIZA، ترتيب وار 21٪ ۽ 23٪ کان وڌيڪ نه هئا، موجوده ۽ ابتدائي ٽيڪنالاجي جي وچ ۾ فرق کي واضح ڪن ٿا.

اهي نتيجا ڏيکاريو ته ٽورنگ ٽيسٽ جهڙي ڪم ۾ هڪ AI جي ڪاميابي ماڊل جي ڀيٽ ۾ ان جي هدايت تي وڌيڪ منحصر آهي.. اهم ڳالهه هڪ قابل اعتماد ڪردار اختيار ڪرڻ آهي، نه ته شعوري طور تي انساني ذهانت جي نقل ڪرڻ. جيڪڏهن توهان وڌيڪ ڳولها ڪرڻ چاهيو ٿا ته ڪيئن ڪمپيوٽر وقت سان گڏ، توهان کي دلچسپ معلومات ملندي.

وڌيڪ، اهو مليو ته پيچيده هدايتن سان به، ڪجهه ماڊل ڪافي قائل ڪندڙ گفتگو برقرار رکڻ جي قابل نه هئا. GPT-4o ٿوري چئلينج سان AI هجڻ جو اعتراف ڪيو.، جيڪو جلدي انساني ڳالهائيندڙن ۾ اعتبار وڃائي ويٺو.

ٺڳي ڪرڻ يا سوچڻ؟ ٽورنگ ٽيسٽ تڪرار

ٽيورنگ ٽيسٽ پاس ڪرڻ جو مطلب اهو ناهي ته هڪ AI توهان جي ڳالهه سمجهي ٿو يا توهان جي لفظن کان واقف آهي. هتي ماهرن جي وچ ۾ هڪ بهترين بحث آهي. جڏهن ته ڪجهه هن ڪاميابي کي انساني رويي جي تخليق ۾ هڪ اهم پيش رفت جي طور تي ملهائيندا آهن، ٻيا سمجهن ٿا ته هن قسم جو امتحان هاڻي ڪنهن مصنوعي نظام جي "حقيقي ذهانت" کي ماپڻ لاءِ قابل اعتماد نه رهيو آهي..

گوگل انجنيئر، فرانسوا چوليٽ جهڙن ماهرن اشارو ڪيو آهي ته ٽورنگ ٽيسٽ هڪ موجوده مفيد ماپ کان وڌيڪ هڪ فلسفياتي تجربو آهي.. هن خيال موجب، صرف ان ڪري جو هڪ AI اسان کي ٺڳي ٿو، ان جو مطلب اهو ناهي ته اهو دليل ڏئي ٿو يا دنيا جي گهري سمجھ رکي ٿو. بلڪه، اهو لکين متنن مان سکيل نمونن کي استعمال ڪري ٿو ته جيئن قابلِ قبول جواب تيار ڪري سگهجن. هن فيلڊ کي بهتر سمجهڻ لاءِ، توهان چيڪ ڪري سگهو ٿا ته ڪير آهي AI جو باني.

پوءِ، پريشان ڪندڙ ڳالهه اها ناهي ته اهي AI ڇا ڪري سگهن ٿا، پر اهو آهي ته اسان ڇا سمجهون ٿا ته اهي ڇا ڪن ٿا. انساني رجحان گفتگو جي نظام کي انساني شڪل ڏيڻ لاءِجيئن 60 جي ڏهاڪي ۾ ايليزا سان ٿيو هو، اهو وقت سان گڏ غائب ٿيندي نظر نٿو اچي. اڄ، رجحان کي وڌيڪ نفيس ماڊلز سان وڌايو ويو آهي.

هڪ AI جا استعمال ۽ خطرا جيڪي تمام گهڻو انساني لڳن ٿا

حقيقت اها آهي ته هڪ AI هڪ مختصر گفتگو ۾ انسان لاءِ پاس ڪري سگهي ٿو، موقعا پيش ڪري ٿو، پر پڻ اهم خطرا پيدا ڪري ٿو سيڪيورٽي، تعليم ۽ سماجي لاڳاپن جي لحاظ کان.

• شناخت جو فريب: قائل ڪندڙ AI کي اسڪيم يا سوشل انجنيئرنگ مهم ۾ استعمال ڪري سگهجي ٿو.
• غلط ڄاڻ: انساني تقرير پيدا ڪرڻ جي قابل ماڊل جعلي خبرن کي هٿي وٺرائڻ يا پکيڙڻ لاءِ اثرائتو اوزار ٿي سگهن ٿا.
• مزدورن جي خودڪارڪاري: ڪسٽمر سروس يا ٽيڪنيڪل سپورٽ جهڙن شعبن کي انهن گفتگو واري AI سان تبديل ڪري سگهجي ٿو، جيڪي انساني روزگار کي متاثر ڪن ٿا.
• تعليم ۽ تشخيص: اهو معلوم ڪرڻ ته متن ڪنهن شخص طرفان لکيو ويو آهي يا ڪنهن مصنوعي ذهانت (AI) پاران، هڪ پيچيده ڪم بڻجي ويندو آهي، جنهن جا نتيجا تعليمي ميدان ۾ نڪرندا آهن.

محققن پڻ خبردار ڪيو آهي ته ڪيئن انهن ٽيڪنالاجي جي معياري ڪرڻ سان انهن جي ڳولا وڌيڪ ڏکيو ٿي سگهي ٿي. مستقبل ۾. جيئن جيئن اسان خودڪار نظامن سان لهه وچڙ ڪرڻ جا عادي ٿي وڃون ٿا، تيئن تيئن اسان پنهنجي حفاظت کي گهٽائي سگهون ٿا، جنهن ڪري انهن ماڊلز لاءِ انساني ڳالهائيندڙ کان الڳ ٿيڻ آسان ٿي ويندو آهي بغير اسان کي خبر به نه پوندي آهي.

هڪ ٻي بار بار ايندڙ ڳڻتي ان جي عملدرآمد جي اخلاقيات آهي. ڪنهن مصنوعي ذهانت کي پنهنجي مصنوعي نوعيت کي ظاهر ڪرڻ کان سواءِ ڪيتري حد تائين انسان هجڻ جو مظاهرو ڪرڻ گهرجي؟ ڇا حقيقي زندگي جي تناظر ۾ ان کي ڪيئن ۽ ڪڏهن استعمال ڪري سگهجي ٿو ان بابت واضح حدون هجڻ گهرجن؟

GPT-4.5 اهو نه ڏيکاريو آهي ته مشينون اسان وانگر دليل ڏين ٿيون.، پر اهو واضح ڪيو آهي ته اهي اسان جي نقل ڪري سگهن ٿا اهڙي طريقي سان جيڪو انهن ۾ فرق ڪرڻ ڏکيو بڻائي ٿو. هي سنگ ميل هڪ موڙ جي نشاندهي ڪري ٿو، ان ڪري نه ته مشين ڇا آهي، پر ان ڪري جو اها اسان کي سوال پيدا ڪري ٿي: اسان جا پنهنجا خيال ته ڊجيٽل دور ۾ "انسان هجڻ" جو مطلب ڇا آهي جتي مصنوعي حقيقت سان ضم ٿي ويندو آهي.