ChatGPT, sipèsta entèlijans atifisyèl la, te fè fas ak yon kesyon pandan l ap kontinye avanse: Èske li te rankontre estanda tès Turing pou jenere rezilta yo pa distenge ak repons moun? Dènye rechèch la sijere ke ChatGPT, malgre pèfòmans ekselan li yo, pa parèt konplètman janbe papòt sa a.
De chèchè nan University of California, San Diego, Cameron Jones, yon ekspè nan langaj, semantik, ak aprantisaj machin, ak Benjamin Bergen, yon pwofesè nan syans mantal, te poze kesyon sa a lè yo te refere a travay Turing a 70 ane de sa. Turing te pwopoze yon pwosesis pou detèmine si yon machin te kapab reyalize yon nivo entèlijans ak kapasite konvèsasyon ase pou twonpe lòt moun pou yo panse li te imen.
Rapò yo a gen tit "Èske GPT-4 pase tès Turing la?" Ou ka jwenn li sou sèvè preprint arXiv la. Pou etid la, yo te rasanble 650 patisipan yo pou yo jwe 1,400 "jwèt" kote patisipan yo te gen yon konvèsasyon tou kout ak yon lòt modèl imen oswa GPT epi yo te mande yo detèmine ak ki moun yo t ap pale.
Sa chèchè yo te jwenn te remakab. Modèl GPT-4 te twonpe patisipan yo 41 pousan nan tan, alòske GPT-3.5 twonpe yo sèlman 5 a 14 pousan nan tan an. Enteresan, moun sèlman te reyisi konvenk patisipan yo ke yo pa t 'machin nan 63 pousan nan esè yo.
"Nou pa jwenn okenn prèv ki montre GPT-4 te pase tès Turing la," chèchè yo te konkli. Sepandan, yo remake ke Tès Turing la toujou gen valè nan evalye efè konvèsasyon machin yo, kòm yon kad pou mezire entèraksyon sosyal lis ak twonpe, ak nan konprann estrateji imen pou adapte yo ak aparèy sa yo.
Sepandan, yo avèti tou ke nan anpil ka, chatbots ap toujou kapab kominike nan yon fason konvenk. "Posantaj siksè 41 pousan sijere ke modèl AI ka deja gen kapasite pou twonpe, espesyalman nan sitiyasyon kote moun yo mwens vijilan nan posibilite ke yo pa ka pale ak yon moun," chèchè yo note. Modèl AI ki imite moun yo ka gen gwo enplikasyon sosyal ak ekonomik."
Chèchè yo te obsève ke patisipan yo ki kòrèkteman idantifye AI ak moun konsantre sou plizyè faktè. Yon modèl ki twò fòmèl oswa twò enfòmèl ogmante sispèk. Si ekspresyon yo twò pale oswa twò kout, si gramè yo oswa ponktiyasyon yo trè bon oswa "pa konvenk" pòv, li pral tou yon faktè kle nan detèmine si patisipan yo ap kominike avèk moun oswa machin. Anplis de sa, patisipan yo te sansib a repons ki te sonnen twò jenerik.
Chèchè yo sijere ke swiv modèl AI yo pral vin de pli zan pli enpòtan pandan y ap vin pi likid epi absòbe plis kirks ki sanble ak moun. "Idantifye faktè ki mennen nan twonpe ak estrateji pou bese li pral vin de pli zan pli enpòtan," yo te di. Etid la revele ke jaden an nan konvèsasyon entèlijan toujou ap fè fas a defi, men tou, bay apèsi itil sou fason modèl AI yo ka amelyore.