人工智能界的“北极星”:70岁的图灵测试已是老古董?

机器得到的结果取决于我们设置的指令,但其执行过程却更为高效。我们必须承认,机器运行时的很多中间状态,是在设计初始指令时无法预见的。机器自己也会感悟出很多知识。在这种情下,我们有必要将机器视为智能的。

艾伦图灵

英国数学家、逻辑学家

1950年,艾伦图灵在《思维》杂志上发表了其著名论文《计算机器与智能》,并提出了如今广为人知的图灵测试。

70年来,图灵测试一直被认为是人工智能学术界的“北极星”。随着人工智能技术的发展,之后也有许多其他测试诞生,但没有一个能够与之齐名。“图灵测试展现出极致的简单和优雅,这让它在过去70年中长盛不衰。”DataRobot数据科学副总裁扎克麦耶说。

虽然自图灵测试概念诞生以来,人工智能均以通过图灵测试为目标,但进入新时代,人工智能评价标准却需要从旧基准中脱身升级。

2020年12月28日,亚马逊副总裁兼语音助手Alexa首席科学家罗希特普拉萨德在《快公司》上发表的文章中表态,图灵测试已经失去了意义,是时候建立新的人工智能衡量标准了。

图灵测试仅限于机器能否给出类人的回答

“机器能否思考?”

为了回答这个问题,艾伦图灵提出一种测试方法:如果一个测试者对无法确认身份的两个对象(一人、一机器)提出相同的一系列问题,得到的答案让他无法区分究竟谁是机器、谁是人,那么则认定机器通过测试。

这种测试方法后来被人们归纳为图灵测试。研究者希望能够据此检测机器是否能表现出人类也无法区分的行为,很多初期的人工智能助手都是基于此目标设计的。

麻省理工学院教授大卫敏德尔说:“这样的界定,展示的智慧是有限的。”

图灵在他的论文中曾预测,到2000年,一个普通人在图灵测试中正确区分人和机器的可能性将降到70%甚至更低。

然而,图灵当年的预测没有应验。

普拉萨德认为,图灵测试的目标和当前人工智能研究方向不完全一致,人工智能研究者对通过图灵测试的兴趣不大。人工智能派上更大用场的地方是植入到手机、汽车和家里,人们更关心的是AI能够带来哪些更新的交互体验和技术进步,而不是通过测试的分数有多高。

事实也如此,人们更加关心与机器的互动及它所能提供的帮助,而不是区分机器和人类。

另外,一些科学家发现,让人工智能在图灵测试里取得更好成绩并不难,只需要让计算机给出的答案尽量像人类给出的答案就行了。例如回答图灵测试设计的问题时,计算机可以瞬间给出答案,而普通人需要思考或查找信息的时间更长,为了模仿或骗过人类,机器也可以模仿人类给出适当的停顿、延迟。

从某种角度看,这样的图灵测试更像是一场人工智能“欺骗”人类的游戏。但由此出现了一个突出的问题为了通过测试,很多机器被迫削弱了快速查找信息和计算的能力。

机器快速计算和信息查询的能力远强于人类,这些能力构成了现代人工智能的核心。在诸如视觉、自然语言处理等领域,最强的算法已经取得远超人类的结果,以AlphaGo击败顶级人类围棋选手为代表的种种人工智能的重大进展,很难在一成不变的图灵测试中得到体现。

也正因此,从应用的角度出发,让计算机放弃自己的优势去模拟人类确实完全没有必要。

更重要的是,图灵测试仅考虑了文本交流的情况,而没有考虑到现在的人工智能已经能够使用各种传感器,能够从视觉、听觉、触觉等多角度来感受外部世界。

通过图灵测试已不是现在的研究重点

毫无疑义的是,人工智能对人类社会的影响已超越了图灵测试的范畴,人工智能研究的目标早已不再局限于AI与人类的区别,而是如何发挥机器的速度和信息搜索优势,代替人类完成工作或改善人们的日常生活。

用图灵测试来检验今天的人工智能水平,还有些局限不能忽略,如图灵测试没有详细的标准,也没有固定的问答模式,一套流程提问和判断非常主观,缺乏严谨的标准,并不科学。

那么,这是否意味着图灵测试已经过时?

事实并非如此,即便图灵测试已不能完全证实人工智能的进步程度,但一个优秀的人工智能应该能够通过图灵测试。有研究者指出,图灵测试的巧妙在于它没有直接去定义什么是“智能”,而是将“能否思考”这个抽象的问题,引入了一个更精准,也看似更实用的场景。

从这个角度看,图灵测试不能称为过时,只不过是现代人工智能研究不应该把通过图灵测试作为重点。普拉萨德亦指出,尽管没有考虑到人工智能日益增强的收集数据能力和计算能力,图灵测试仍然是聊天机器人和数字助理常用的基准。

人工智能需要建立一套全新衡量标准

普拉萨德认为,应该创造新的智能评估方式,适用于评估一般类型的智能机器。新的测试应该弄明白人工智能是如何表现出类似人的智能特征的,包括语言能力、自我监督和具备“常识”。此外,测试范围还应该包括人工智能在多大程度上改善了人们的日常生活。

中国工程院院士、清华大学信息学院院长戴琼海教授也曾在公开演讲中指出,人工智能发展非常快,已经取代了人类以往常用的大部分工具。但是,这种取代能不能做得更好,需要做一套测试。

即便是与图灵测试捆绑最深的人工智能对话系统,其研究者也在呼唤对图灵测试进行改进。

前微软全球执行副总裁、微软亚洲研究院院长沈向洋还在微软任职时提出,图灵测试已难不倒像微软小冰这样的情感型人工智能产品。鉴于今天的人工智能技术环境,计算机学术界有必要对图灵测试进行修正和升级,是时候讨论难度更高的“超图灵测试”了。

普拉萨德强调,新的衡量标准应该体现出机器在效率上的优势,比如计算、搜索、代人完成任务等,综合评价人工智能给人类带来的帮助,而不是执迷于消除人工智能和人的区别。他认为,人工智能只有具备更广泛的学习能力,才能成为处理大量任务方面的专家,针对特定任务所表现出的智能并不能代表人工智能真正的能力。

随着人工智能技术的进步和更多被应用到现实生活中,人们一边对人工智能改善自己生活有了更多的期待,一边又对人工智能的使用甚至滥用提高了警惕。

对此,业界正在逐渐达成共识新的人工智能衡量标准应该在伦理层面有所顾忌,而非固化地遵从图灵测试的标准。

不能否认的是,研究人员仍对更强大的类人智能问题感兴趣,而大众亦越来越受到科幻影视所展现的未来世界的影响,向往更加强大的“通用人工智能”,即像人一样思考、像人一样可从事多种工作的机器。

戴琼海提出,新一代图灵测试,要从专用智能走向通用智能,要针对新一代人工智能提出的目标和要求,给出新的测试方向。人工智能的需求始终在改变,在不断重新考虑设计新的评价标准和体系的过程中,人类跨越图灵测试已经成为必然结果,但其作为人工智能发展初期的导航标,极大地激发了人类对人工智能的想象,非凡意义将永远不会磨灭。