
Трансформеры — нейросетевые архитектуры, предназначенные для обработки последовательностей данных, — позволили современному искусственному интеллекту достичь того, что Алан Тьюринг называл «адекватным доказательством» машинного интеллекта. Модели успешно справляются с традиционно «человеческими» задачами: написанием связного текста, решением сложных задач или обсуждением абстрактных понятий.
Об этом в статье для журнала Intelligent Computing рассказал Бернардо Гонсалвеш, исследователь из Университета Сан-Паулу и Кембриджского университета. По его словам, без предварительного программирования интеллект машин растет по мере того, как они учатся на собственном опыте все точнее имитировать мышление человека.
«Это означает, что они могут пройти тест Тьюринга. Сейчас мы живем в одном из многих возможных вариантов будущего по Тьюрингу, где машины могут выдавать себя за то, чем они не являются», — пишет Бернардо Гонсалвеш.
Речь идет о концепции «игры в имитацию», предложенной Тьюрингом в 1950 году. Суть ее заключается в умении машины изображать человека настолько точно, чтобы обмануть собеседника-неспециалиста. Этот тест стал краеугольным камнем исследований в области искусственного интеллекта.
Однако, как отмечается в статье, Тьюринг представлял себе не просто машины, которые могли бы имитировать человеческий интеллект в разговоре, но и технику, развивающуюся аналогично человеческому мозгу. При этом Тьюринг намного опередил свое время, задавшись вопросом о необходимости автоматизации всех слоев общества в равной степени в противовес вытеснению с помощью ИИ низкооплачиваемых работников и обеспечению выгоды для небольшого круга владельцев соответствующих технологий.
Автор статьи указывает на необходимость более строгих методов тестирования ИИ, которые бы включали статистические протоколы для решения проблем искажения и загрязнения данных. Эти методы должны обеспечить проверку технологий в условиях, отражающих сложности реального мира, что соответствовало бы взглядам Тьюринга на этичный и устойчивый машинный интеллект.