A Rigorous Turing Test: a Foundation for Evaluating Artificial General Intelligence

تخيل عالماً لا يمكنك فيه التمييز بين ما إذا كنت تتحدث إلى إنسان حقيقي أو روبوت فائق الذكاء بمجرد قراءة رسائلهم. هذا هو جوهر فكرة شهيرة تسمى "اختبار تورينج"، وهو مفهوم أثار نقاشات بين العلماء والفلاسفة والعقول الفضولية لعقود من الزمن. فكر في الأمر كأنه لعبة "انتحال شخصية" قصوى. في هذه اللعبة، يدير حكم بشري دردشة مع لاعبين مخفيين عبر الشاشة؛ أحدهما بشر والآخر آلة. مهمة الحكم هي معرفة أيهما هو البشر وأيهما هو الآلة. وإذا استطاعت الآلة خداع الحكم وإقناعه بأنها بشرية، فإنها تجتاز الاختبار. هذا ليس مجرد خدعة عابرة؛ بل هو سؤال جاد حول ما إذا كانت الآلات يمكنها حقاً "التفكير" مثلنا. ومع تحسن الذكاء الاصطناعي في كتابة القصص، وحل المسائل الرياضية، والدردشة كصديق، يتساءل الناس: هل صنعنا أخيراً آلة يمكنها خداعنا؟ إذا فعلنا ذلك، فسيغير هذا كل شيء في نظرتنا للتكنولوجيا، والقانون، وحتى معنى أن نكون بشراً.

الآن، ادخل فريقاً من الباحثين الذين قرروا حسم هذا الجدل بتجربة صارمة للغاية ودقيقة جداً. أرادوا معرفة ما إذا كان ذكاء اصطناعي رفيع المستوى، يُعرف باسم GPT-4-Turbo، يمكنه بالفعل اجتياز اختبار تورينج. ولكن إليك المفاجأة: لم يكتفوا بمجرد لعب اللعبة، بل لعبوها وفق القواعد الصارمة الأصلية التي وضعها مبتكر الاختبار، آلان تورينج، في عام 1950. ادعت دراسات سابقة كثيرة أن الذكاء الاصطناعي قد اجتاز الاختبار، لكن الباحثين اشتبهوا في أن تلك الألعاب تم لعبها باستخدام طرق مختصرة، مثل إنهاء المحادثة بعد خمس دقائق فقط. أرادوا رؤية ما سيحدث عندما يزيلون الحد الزمني ويتركون المحادثة تتدفق بشكل طبيعي، تماماً مثل دردشة حقيقية بين الأصدقاء.

كانت النتائج مفاجئة وكانت بمثابة واقع صادم لزخم الدعاية المحيطة بالذكاء الاصطناعي. في تجربتهم الصارمة، تمكن الحكام البشر من رصد الروبوت في أغلب الأحيان، ولكن ليس بسهولة الحصول على نتيجة مثالية. فمن بين 37 لعبة حاول فيها الذكاء الاصطناعي التظاهر بأنه بشر، نجح الحكام في تحديد الكمبيوتر بشكل صحيح في 16 منها. وهذا يعني نسبة نجاح قدرها 43% للبشر، مما يعني أن الذكاء الاصطناعي نجح في خداع الحكام في غالبية الألعاب بنسبة 57%. ومع ذلك، وجد الباحثون أن أداء الحكام كان ذا دلالة إحصائية مقارنة بالتخمين العشوائي، ومع ذلك تمكن الذكاء الاصطناناعي من خداع الحكام في معظم التجارب. تشير الدراسة إلى أنه على الرغم من مدى إبهار ما يقوله الذكاء الاصطناعي، إلا أنه لم يتقن فن كون البشر تماماً بعد، على الأقل في ظل هذه الظروف الصارمة، حيث تمكن من خداع الحكام في معظم المحادثات أكثر مما تم كشفه.

كان أحد أكثر الأجزاء إثارة للاهتمام في الدراسة هو المدة التي استغرقتها الألعاب. غالباً ما كانت التجارب السابقة تجبر الحكام على اتخاذ قرار في خمس دقائق فقط. ووجد الباحثون أنه عندما منحوا الحكام وقتهم، استغرقت الألعاب وقتاً أطول بكثير. ففي المتوسط، استغرقت ألعاب "الإنسان ضد الروبوت" حوالي 14 دقيقة، بينما استغرقت ألعاب "الرجل ضد المرأة" وقتاً أطول، حوالي 24 دقيقة. وهذا يخبرنا أن حد الخمس دقائق المستخدم في دراسات أخرى ربما كان قصيراً جداً، مما أجبر الحكام على التخمين بسرعة قبل أن يتمكنوا حقاً من معرفة من هو الشخص. وعند منحهم الوقت الكافي، كان الحكام حادين بما يكفي للإمساك بالروبوت بشكل متكرر، رغم أن الذكاء الاصطناعي ظل صامداً في معظم المحادثات.

نظر الباحثون أيضاً في ما إذا كان بإمكان الذكاء الاصطناعي خداع الناس من خلال التظاهر بأنه نوع معين من الأشخاص، مثل مراهق صغير، كما حاولت بعض الدراسات السابقة. وحتى مع هذه الحيل، لم يستطع الذكاء الاصطناعي خداع الحكام في محادثاتهم الطويلة غير المتسرعة بنفس القدر الذي فعله في الاختبارات الأقصر. وتخلص الدراسة إلى أن الادعاءات بأن الذكاء الاصطناعي قد اجتاز اختبار تورينج بالفعل هي ادعاءات سابقة لأوانها على الأرجح. ليس الأمر أن الذكاء الاصطناعي غبي؛ بل إنه عندما تمنح البشر الوقت للتفكير والدردشة، يبدأ "قناع" الروبوت في الانزلاق، حتى لو لم يسقط تماماً.

إذاً، ماذا يعني هذا للمستقبل؟ يعتقد الباحثون أن اختبار تورينج لا يزال أداة حيوية للتحقق مما إذا كانت الآلات ذكية حقاً. ويقترحون أنه لا ينبغي لنا أن نتسرع في إعلان النصر للذكاء الاصطناعي بعد. بدلاً من ذلك، يجب أن نستمر في الاختبار، ونستمر في تحسين قواعدنا، ونستمر في طرح الأسئلة الصعبة. وكما لاحظ أحد الباحثين، قد يظل الاختبار جزءاً مركزياً من فهمنا لذكاء الآلة لسنوات قادمة. وإلى أن يتمكن ذكاء اصطناعي من خداع حكم بشري باستمرار في محادثة طويلة ومسترخية دون ضغط زمني، سيظل السؤال "هل يمكن للآلات أن تفكر؟" مفتوحاً، وسيظل الروبوت هو المنتحل في الغرفة.