En nyligen genomförd studie av ett team forskare hade som mål att omdefiniera det traditionella Turing-testet genom att låta deltagare samtala med olika enheter, inklusive en människa, ELIZA AI-programmet från 1960-talet, GPT-3.5 och GPT-4. Interaktionerna pågick i fem minuter och utmanade deltagarna att skilja mellan mänskliga och artificiella intelligensentiteter.
Resultaten visade att deltagarna misstog GPT-4 för en människa i 54% av fallen, vilket visar på framstegen inom AI-förmågor att emulera människoliknande svar. Jämfört med det förprogrammerade ELIZA-systemet identifierades endast som mänskligt 22% av tiden, vilket lyfter fram neurala nätverksarkitekturens signifikans i AI-modeller. GPT-3.5 presterade med en igenkänningsgrad på 50%, medan den mänskliga deltagaren utmärkte sig med 67% korrekthet.
Den erkända AI-forskaren Nell Watson lyfte fram AI:s utvecklande natur och påpekade att maskiner nu är skickliga på att skapa trovärdiga post hoc-rättfärdiganden likt människor, vilket suddar ut gränserna mellan artificiellt och mänskligt resonemang. Denna förändring kommer från att AI-system visar mänskliga svagheter och egenheter, vilket gör dem mer relaterbara och människoliknande.
Vidare påpekade forskare begränsningarna hos Turing-testet och underströk den betydande roll som stilistiska och socio-emotionella faktorer spelar för att avgöra testets framgång, snarare än de konventionella synsätten på intelligens. Detta belyser behovet av kontinuerlig utveckling och förfining av AI-testmetoder för att omfatta de intrikata detaljerna i mänsklig-maskininteraktion i den moderna eran.
The translation has been provided above. Let me know if you need any further assistance!