近日，美國(guó)加州大學(xué)圣地亞哥分校的研究團(tuán)隊(duì)宣布了一項(xiàng)突破性成果，他們聲稱首次證實(shí)了人工智能系統(tǒng)能夠通過標(biāo)準(zhǔn)三方圖靈測(cè)試。
圖靈測(cè)試，這一概念由英國(guó)數(shù)學(xué)家阿蘭·圖靈于1950年提出，被稱為“模仿游戲”。圖靈認(rèn)為，如果一臺(tái)機(jī)器在與人類的文本交流中能夠讓提問者難以分辨其身份，那么這臺(tái)機(jī)器便可能擁有類似人類的智能。在三方圖靈測(cè)試中，提問者需要與一名人類和一臺(tái)機(jī)器分別對(duì)話，并嘗試準(zhǔn)確識(shí)別出人類的身份。
此次研究中，研究人員測(cè)試了三款人工智能模型，分別是OpenAI的GPT-4.5、meta的Llama 3.1 405B以及OpenAI的另一款模型GPT-4o。實(shí)驗(yàn)設(shè)計(jì)為人類參與者通過分屏界面同時(shí)與一名人類和一臺(tái)AI系統(tǒng)進(jìn)行五分鐘的對(duì)話測(cè)試。對(duì)話結(jié)束后，提問者需要判斷哪一方是人類。
研究團(tuán)隊(duì)在兩種條件下評(píng)估了這些AI模型的表現(xiàn)：基礎(chǔ)指令（NO-PERSONA）模式和增強(qiáng)型PERSONA模式。在PERSONA模式下，AI被引導(dǎo)模擬特定的人類行為特征。實(shí)驗(yàn)結(jié)果顯示，GPT-4.5在PERSONA模式下的勝率高達(dá)73%，意味著提問者經(jīng)常將其誤認(rèn)為是人類；Llama 3.1-405B的勝率約為56%；而在NO-PERSONA模式下，GPT-4o的勝率僅為21%。
在對(duì)話內(nèi)容方面，提問者主要進(jìn)行了日常閑聊，其中61%的互動(dòng)涉及詢問日常生活和個(gè)人細(xì)節(jié)，50%的互動(dòng)則深入探討了社會(huì)和情感層面，如觀點(diǎn)、情感、幽默感和個(gè)人經(jīng)歷。這些對(duì)話內(nèi)容充分展現(xiàn)了AI模型在理解和模擬人類交流方面的能力。
研究報(bào)告指出，如果提問者無法可靠地區(qū)分人類與機(jī)器，那么該機(jī)器即被認(rèn)為通過了圖靈測(cè)試。基于這一標(biāo)準(zhǔn)，GPT-4.5和Llama 3.1-405B在啟用PERSONA模式時(shí)均成功通過了圖靈測(cè)試。這一成果標(biāo)志著人工智能在模擬人類智能方面取得了重要進(jìn)展。
研究團(tuán)隊(duì)認(rèn)為，這些AI系統(tǒng)有望在經(jīng)濟(jì)活動(dòng)中無縫補(bǔ)充甚至取代人類勞動(dòng)力，特別是在依賴簡(jiǎn)短對(duì)話的場(chǎng)景中。他們進(jìn)一步指出，這些系統(tǒng)可能成為難以區(qū)分的替代品，適用于從在線陌生人對(duì)話到與朋友、同事乃至親密伴侶的交流等各種社交場(chǎng)景。這一發(fā)現(xiàn)不僅為人工智能的發(fā)展提供了新的視角，也引發(fā)了對(duì)未來社會(huì)人機(jī)關(guān)系的深刻思考。
