എഐ ഇതുവരെ ട്യൂറിംഗ് പരീക്ഷ പാസായോ?
യന്ത്രങ്ങൾക്ക് ചിന്തിക്കാൻ കഴിയുമോ? 1950 ൽ ബ്രിട്ടീഷ് കമ്പ്യൂട്ടർ ശാസ്ത്രജ്ഞനായ അലൻ ട്യൂറിംഗ് ഈ ചോദ്യത്തിന് ഉത്തരം നൽകുന്നതിന് ഒരു പരീക്ഷണാത്മക രീതി നിർദ്ദേശിച്ചു: അഞ്ച് മിനിറ്റ് ചോദ്യം ചെയ്യലിന് ശേഷം കൃത്രിമ ബുദ്ധിയുള്ള (എഐ) യന്ത്രത്തോടോ മറ്റേതെങ്കിലും മനുഷ്യനോടോ സംസാരിക്കുന്നുണ്ടോ എന്ന് ഒരു മനുഷ്യന് പറയാൻ കഴിയുന്നില്ലെങ്കിൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന് മനുഷ്യനെപ്പോലെ ബുദ്ധിയുണ്ടെന്ന് ഇത് തെളിയിക്കുമെന്ന് അദ്ദേഹം നിർദ്ദേശിച്ചു.
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സംവിധാനങ്ങൾ അദ്ദേഹത്തിന്റെ ജീവിതകാലത്ത് ട്യൂറിംഗിന്റെ ടെസ്റ്റ് വിജയിക്കുന്നതിൽ നിന്ന് വളരെ അകലെയാണെങ്കിലും, അദ്ദേഹം ഊഹിച്ചു
“”[…] ഏകദേശം അമ്പത് വർഷത്തിനുള്ളിൽ കമ്പ്യൂട്ടറുകളെ പ്രോഗ്രാം ചെയ്യാൻ കഴിയും […] അനുകരണ ഗെയിം നന്നായി കളിക്കാൻ അവരെ പ്രേരിപ്പിക്കാൻ കഴിയും, അതിനാൽ ഒരു ശരാശരി ചോദ്യംചെയ്യുന്നയാൾക്ക് അഞ്ച് മിനിറ്റ് ചോദ്യം ചെയ്യലിന് ശേഷം ശരിയായ തിരിച്ചറിയൽ നടത്താൻ 70% ൽ കൂടുതൽ സാധ്യതയില്ല.” അലൻ ട്യൂറിംഗ്
ഇന്ന്, ട്യൂറിംഗിന്റെ നിർദ്ദേശം കഴിഞ്ഞ് 70 വർഷത്തിലേറെയായി, അദ്ദേഹം വിശദീകരിച്ച നിർദ്ദിഷ്ട വ്യവസ്ഥകൾ നിറവേറ്റുന്നതിലൂടെ ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനും വിജയകരമായി പരീക്ഷ പാസാകാൻ കഴിഞ്ഞിട്ടില്ല. എന്നിരുന്നാലും, ചില തലക്കെട്ടുകൾ പ്രതിഫലിപ്പിക്കുന്നതുപോലെ, കുറച്ച് സംവിധാനങ്ങൾ വളരെ അടുത്തെത്തി.
അടുത്തിടെ നടത്തിയ ഒരു പരീക്ഷണത്തിൽ ജിപിടി -4 (ചാറ്റ്ജിപിടിക്ക് പിന്നിലെ എഐ സാങ്കേതികവിദ്യ) ഉൾപ്പെടെ മൂന്ന് വലിയ ഭാഷാ മോഡലുകൾ പരീക്ഷിച്ചു. പങ്കെടുക്കുന്നവർ മറ്റൊരു വ്യക്തിയുമായോ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റവുമായോ രണ്ട് മിനിറ്റ് ചാറ്റ് ചെയ്തു. ചെറിയ അക്ഷരപ്പിശകുകൾ വരുത്താൻ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് പ്രേരിപ്പിക്കപ്പെട്ടു – ടെസ്റ്റർ വളരെ ആക്രമണോത്സുകനാണെങ്കിൽ അത് ഉപേക്ഷിക്കുകയും ചെയ്തു.
ഈ പ്രേരണയോടെ, ടെസ്റ്റർമാരെ വിഡ്ഢികളാക്കുന്നതിൽ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഒരു നല്ല ജോലി ചെയ്തു. ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ബോട്ടുമായി ജോടിയാക്കുമ്പോൾ, ടെസ്റ്റർമാർക്ക് 60% സമയവും ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റവുമായി സംസാരിക്കുന്നുണ്ടോ എന്ന് ശരിയായി ഊഹിക്കാൻ മാത്രമേ കഴിയൂ.
നാച്ചുറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ് സിസ്റ്റങ്ങളുടെ രൂപകൽപ്പനയിൽ കൈവരിച്ച ദ്രുതഗതിയിലുള്ള പുരോഗതി കണക്കിലെടുക്കുമ്പോൾ, അടുത്ത കുറച്ച് വർഷങ്ങൾക്കുള്ളിൽ എഐ ട്യൂറിംഗിന്റെ യഥാർത്ഥ ടെസ്റ്റ് പാസായേക്കാം.
എന്നാൽ മനുഷ്യരെ അനുകരിക്കുന്നത് ബുദ്ധിശക്തിക്ക് ഫലപ്രദമായ ഒരു പരീക്ഷണമാണോ? ഇല്ലെങ്കിൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കഴിവുകൾ അളക്കാൻ ഞങ്ങൾ ഉപയോഗിച്ചേക്കാവുന്ന ചില ബദൽ മാനദണ്ഡങ്ങൾ എന്തൊക്കെയാണ്?
ട്യൂറിംഗ് ടെസ്റ്റിന്റെ പരിമിതികൾ
ട്യൂറിംഗ് ടെസ്റ്റ് പാസാകുന്ന ഒരു സിസ്റ്റം അത് ബുദ്ധിമാനാണെന്നതിന് ചില തെളിവുകൾ നൽകുന്നുണ്ടെങ്കിലും, ഈ പരിശോധന ബുദ്ധിയുടെ നിർണ്ണായക പരിശോധനയല്ല. ഒരു പ്രശ്നം അത് “തെറ്റായ നെഗറ്റീവുകൾ” സൃഷ്ടിക്കും എന്നതാണ്.
ഇന്നത്തെ വലിയ ഭാഷാ മാതൃകകൾ പലപ്പോഴും തങ്ങൾ മനുഷ്യരല്ലെന്ന് ഉടനടി പ്രഖ്യാപിക്കാൻ രൂപകൽപ്പന ചെയ്തിരിക്കുന്നു. ഉദാഹരണത്തിന്, നിങ്ങൾ ചാറ്റ്ജിപിടിയോട് ഒരു ചോദ്യം ചോദിക്കുമ്പോൾ, അത് പലപ്പോഴും അതിന്റെ ഉത്തരം “ഒരു ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ഭാഷാ മോഡൽ” എന്ന വാചകത്തോടെ ആമുഖം നൽകുന്നു. ട്യൂറിംഗ് ടെസ്റ്റ് വിജയിക്കാനുള്ള അടിസ്ഥാന കഴിവ് ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങൾക്ക് ഉണ്ടെങ്കിലും, ഇത്തരത്തിലുള്ള പ്രോഗ്രാമിംഗ് ആ കഴിവിനെ മറികടക്കും.
ഈ പരിശോധന ചിലതരം “തെറ്റായ പോസിറ്റീവുകൾ” അപകടത്തിലാക്കുന്നു. തത്ത്വചിന്തകനായ നെഡ് ബ്ലോക്ക് 1981-ലെ ഒരു ലേഖനത്തിൽ ചൂണ്ടിക്കാണിച്ചതുപോലെ, സാധ്യമായ ഏതൊരു ഇൻപുട്ടിനോടും മനുഷ്യനെപ്പോലെയുള്ള പ്രതികരണം ഉപയോഗിച്ച് കഠിനമായി കോഡ് ചെയ്യുന്നതിലൂടെ ഒരു സിസ്റ്റത്തിന് ട്യൂറിംഗ് ടെസ്റ്റിൽ വിജയിക്കാൻ കഴിയും.
അതിനപ്പുറം, ട്യൂറിംഗ് ടെസ്റ്റ് പ്രത്യേകിച്ച് മനുഷ്യ വിജ്ഞാനത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് കോഗ്നിഷൻ മനുഷ്യ വിജ്ഞാനത്തിൽ നിന്ന് വ്യത്യസ്തമാണെങ്കിൽ, ഒരു വിദഗ്ദ്ധ അന്വേഷണക്കാരന് എഐകളും മനുഷ്യരും പ്രകടനത്തിൽ വ്യത്യാസമുള്ള ചില ജോലികൾ കണ്ടെത്താൻ കഴിയും.
ഈ പ്രശ്നത്തെക്കുറിച്ച് ട്യൂറിംഗ് എഴുതി:
“ഈ എതിർപ്പ് വളരെ ശക്തമായ ഒന്നാണ്, എന്നിരുന്നാലും, അനുകരണ ഗെയിം തൃപ്തികരമായി കളിക്കാൻ ഒരു യന്ത്രം നിർമ്മിക്കാൻ കഴിയുമെങ്കിൽ, ഈ എതിർപ്പിൽ ഞങ്ങൾ അസ്വസ്ഥരാകേണ്ടതില്ല.” അലൻ ട്യൂറിംഗ്
മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ട്യൂറിംഗ് ടെസ്റ്റ് പാസാകുന്നത് നല്ല തെളിവാണെങ്കിലും ഒരു സിസ്റ്റം ബുദ്ധിമാനാണെന്ന് പരാജയപ്പെടുന്നു, പരാജയപ്പെട്ടാൽ അത് നല്ല തെളിവല്ല, ഒരു സിസ്റ്റം ബുദ്ധിപരമല്ല.
മാത്രമല്ല, എഐകൾ ബോധവാന്മാരാണോ, അവർക്ക് വേദനയും സന്തോഷവും അനുഭവിക്കാൻ കഴിയുമോ, അല്ലെങ്കിൽ അവർക്ക് ധാർമ്മിക പ്രാധാന്യമുണ്ടോ എന്നതിന്റെ നല്ല അളവുകോലല്ല ഈ പരിശോധന. പല വൈജ്ഞാനിക ശാസ്ത്രജ്ഞരുടെയും അഭിപ്രായത്തിൽ, ബോധത്തിൽ ഒരു പ്രത്യേക മാനസിക കഴിവുകൾ ഉൾപ്പെടുന്നു, അതിൽ പ്രവർത്തന മെമ്മറി, ഉയർന്ന ക്രമത്തിലുള്ള ചിന്തകൾ, ഒരാളുടെ ചുറ്റുപാടുകൾ മനസ്സിലാക്കാനും ഒരാളുടെ ശരീരം അതിന് ചുറ്റും എങ്ങനെ നീങ്ങുന്നുവെന്ന് മാതൃകയാക്കാനുമുള്ള കഴിവ് എന്നിവ ഉൾപ്പെടുന്നു.
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങൾക്ക് ഈ കഴിവുകൾ ഉണ്ടോ ഇല്ലയോ എന്ന ചോദ്യത്തിന് ട്യൂറിംഗ് ടെസ്റ്റ് ഉത്തരം നൽകുന്നില്ല.
ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ വർദ്ധിച്ചുവരുന്ന കഴിവുകൾ
ട്യൂറിംഗ് ടെസ്റ്റ് ഒരു പ്രത്യേക യുക്തിയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. അതായത്: മനുഷ്യർ ബുദ്ധിയുള്ളവരാണ്, അതിനാൽ മനുഷ്യരെ ഫലപ്രദമായി അനുകരിക്കാൻ കഴിയുന്ന എന്തും ബുദ്ധിയുള്ളവരായിരിക്കാൻ സാധ്യതയുണ്ട്.
എന്നാൽ ഈ ആശയം ബുദ്ധിയുടെ സ്വഭാവത്തെക്കുറിച്ച് നമ്മോട് ഒന്നും പറയുന്നില്ല. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് അളക്കുന്നതിനുള്ള മറ്റൊരു മാർഗം ഇന്റലിജൻസ് എന്താണെന്ന് കൂടുതൽ വിമർശനാത്മകമായി ചിന്തിക്കുന്നത് ഉൾപ്പെടുന്നു.
നിലവിൽ കൃത്രിമ അല്ലെങ്കിൽ മനുഷ്യ ബുദ്ധിയെ ആധികാരികമായി അളക്കാൻ കഴിയുന്ന ഒരൊറ്റ പരിശോധനയും ഇല്ല.
വിശാലമായ തലത്തിൽ, വ്യത്യസ്ത പരിതസ്ഥിതികളിൽ നിരവധി ലക്ഷ്യങ്ങൾ കൈവരിക്കാനുള്ള കഴിവായി നമുക്ക് ബുദ്ധിയെ ചിന്തിക്കാൻ കഴിയും. കൂടുതൽ ഇന്റലിജന്റ് സിസ്റ്റങ്ങൾ വിശാലമായ പരിതസ്ഥിതികളിൽ വിശാലമായ ലക്ഷ്യങ്ങൾ നേടാൻ കഴിയുന്നവയാണ്.
അതിനാൽ, പൊതു-ഉദ്ദേശ്യ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങളുടെ രൂപകൽപ്പനയിലെ മുന്നേറ്റങ്ങൾ ട്രാക്കുചെയ്യുന്നതിനുള്ള ഏറ്റവും നല്ല മാർഗം വിവിധ ജോലികളിലുടനീളം അവയുടെ പ്രകടനം വിലയിരുത്തുക എന്നതാണ്. മെഷീൻ ലേണിംഗ് ഗവേഷകർ ഇത് ചെയ്യുന്ന നിരവധി മാനദണ്ഡങ്ങൾ വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്.
ഉദാഹരണത്തിന്, മൾട്ടിടാസ്ക് ഭാഷാ ധാരണയിൽ 86% ചോദ്യങ്ങൾക്ക് ശരിയായി ഉത്തരം നൽകാൻ ജിപിടി -4 ന് കഴിഞ്ഞു – കോളേജ് തലത്തിലുള്ള അക്കാദമിക് വിഷയങ്ങളിലുടനീളം മൾട്ടിപ്പിൾ ചോയ്സ് ടെസ്റ്റുകളിലെ പ്രകടനം അളക്കുന്ന ഒരു മാനദണ്ഡം.
ഉദാഹരണത്തിന്, വെബ് ബ്രൗസുചെയ്യുക, ഓൺലൈനിൽ ഉൽപ്പന്നങ്ങൾ വാങ്ങുക, ഗെയിമുകളിൽ മത്സരിക്കുക എന്നിവയിലൂടെ ഒരു ഏജന്റായി പെരുമാറാനുള്ള ഒരു വലിയ ഭാഷാ മോഡലിന്റെ കഴിവ് അളക്കാൻ കഴിയുന്ന ഒരു ഉപകരണമായ ഏജന്റ് ബെഞ്ചിലും ഇത് അനുകൂലമായി സ്കോർ നേടി.
ട്യൂറിംഗ് ടെസ്റ്റ് ഇപ്പോഴും പ്രസക്തമാണോ?
ട്യൂറിംഗ് ടെസ്റ്റ് അനുകരണത്തിന്റെ ഒരു അളവുകോലാണ് – മനുഷ്യന്റെ പെരുമാറ്റം അനുകരിക്കാനുള്ള ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കഴിവ്. വലിയ ഭാഷാ മോഡലുകൾ വിദഗ്ദ്ധ അനുകരണങ്ങളാണ്, ഇത് ഇപ്പോൾ ട്യൂറിംഗ് ടെസ്റ്റ് വിജയിക്കാനുള്ള കഴിവിൽ പ്രതിഫലിക്കുന്നു. എന്നാൽ ബുദ്ധി അനുകരണം പോലെയല്ല.
നേടാൻ ലക്ഷ്യങ്ങൾ ഉള്ളതുപോലെ പലതരം ബുദ്ധിശക്തിയുണ്ട്. എഐയുടെ ബുദ്ധി മനസ്സിലാക്കാനുള്ള ഏറ്റവും നല്ല മാർഗം പ്രധാനപ്പെട്ട കഴിവുകളുടെ ഒരു ശ്രേണി വികസിപ്പിക്കുന്നതിലെ പുരോഗതി നിരീക്ഷിക്കുക എന്നതാണ്.
അതേസമയം, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് ബുദ്ധിപരമാണോ എന്ന ചോദ്യത്തിലേക്ക് വരുമ്പോൾ ഞങ്ങൾ “ഗോൾപോസ്റ്റുകൾ മാറ്റുന്നത്” തുടരാതിരിക്കേണ്ടത് പ്രധാനമാണ്. ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ കഴിവുകൾ അതിവേഗം മെച്ചപ്പെടുന്നതിനാൽ, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് എന്ന ആശയത്തിന്റെ വിമർശകർ ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങൾ പൂർത്തിയാക്കാൻ പാടുപെടുന്ന പുതിയ ജോലികൾ നിരന്തരം കണ്ടെത്തുന്നു .
ഈ ക്രമീകരണത്തിൽ, പ്രസക്തമായ ചോദ്യം ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് സിസ്റ്റങ്ങൾ ബുദ്ധിപരമാണോ എന്നതല്ല – കൂടുതൽ കൃത്യമായി പറഞ്ഞാൽ, അവർക്ക് ഏത് തരത്തിലുള്ള ബുദ്ധി ഉണ്ടായിരിക്കാം.
Experienced Researcher with a demonstrated history of working in the Deep Learning, Computer Vision
