专家呼吁废除图灵测试，转向评估AI安全与特定能力

快速阅读: 伦敦皇家学会会议上，专家建议废除图灵测试，转向评估AI安全性和实用性，强调AGI目标的局限性，指出当前AI模型虽在特定任务上表现优异，但仍缺乏通用智能。

今日最先进的人工智能（AI）模型能够轻松通过图灵测试——这是一项著名的思维实验，旨在探讨计算机能否通过文字交流被误认为是人类。然而，一些人认为需要一种升级版的测试来衡量向通用人工智能（AGI）迈进的进展——这是一个模糊的概念，许多科技公司用它来形容具有与人类认知能力相匹配的资源的AI系统。但在10月2日于伦敦皇家学会举办的一场活动上，多位研究人员表示，图灵测试应当彻底废除，开发者应将重点放在评估AI的安全性和构建可能对公众有益的具体功能上。

“让我们确定想要什么样的AI，并针对这些特性进行测试。”英国布莱顿苏塞克斯大学的神经科学家阿尼尔·赛斯说道。他补充说：“在追求AGI的过程中，我认为我们极大地限制了对可能想要的系统——更重要的是，不希望出现在社会中的系统——的想象力。”

此次活动是为了纪念英国数学家艾伦·图灵发表描述该测试（他称之为模仿游戏）的开创性论文75周年。图灵测试涉及一系列简短的文字对话，由一名裁判与人类或计算机进行互动。机器要想获胜，必须让裁判相信它是人类。

会议对机器智能采取了一种低调务实的态度，受到了欢迎。在报名人数超过预期的活动中，摇滚乐队Genesis的主唱彼得·加布里埃尔介绍了演讲者加里·马库斯，而《黑客帝国》的主演劳伦斯·菲什伯恩也以个人朋友的身份出席。此外，还有1000多人在线观看了此次活动。

“至少目前，AGI可能并不是正确的目标。”纽约大学的神经科学家加里·马库斯在主旨演讲中说道。他指出，一些最优秀的AI模型高度专业化，例如谷歌DeepMind的蛋白质结构预测器AlphaFold。“它只做一件事，不会尝试写十四行诗。”他说。

图灵的这个有趣的思想实验经常被用来衡量机器的智能水平，但它从未被设计成一个严肃或实用的测试，英国剑桥大学研究图灵作品的文学研究员莎拉·戴利翁表示。当今最强大的AI系统是大型语言模型（LLM）的改进版本，它们通过从互联网数据中学习到的关联来预测文本。今年3月，研究人员在一个版本的图灵测试中测试了四个聊天机器人，发现表现最好的模型成功通过了测试。

然而，尽管聊天机器人可以逼真地模仿人类语言，但这并不意味着它们能理解语言。会上几位研究者指出，虽然LLM的回应可以非常接近人类，但当超出通常询问这些系统的范围时，它们会遇到很多困难。马库斯举了一些例子，如某些模型无法正确标记大象的身体部位，或者只能把时钟指针画在十点和两点的位置。因此，如果由了解其弱点的科学家挑战，这些模型仍可能在图灵测试中失败。

尽管如此，基于LLM的系统在广泛领域，尤其是在推理任务上的快速进步，引发了关于机器是否会很快达到人类水平的认知测试表现的猜测。为了追踪AI日益增长的能力，并捕捉非语言技能，研究人员试图构建更难的测试。最近的一个例子是第二版基于谜题的抽象和推理语料库（ARC-AGI-2），旨在评估AI适应新问题的能力。这类测试通常被视为通往通用智能的里程碑，但研究者们对于实现AGI的任何单一基准并没有达成共识。

(以上内容均由Ai生成)