研究警告：AI已能比人类更出色地通过图灵测试

# 研究警告：AI终于能比人类更好地通过图灵测试 来源：https://www.the-independent.com/tech/ai-turing-test-artificial-intelligence-b2980452.html 一项研究发现，人工智能系统现在可以比人类更好地通过图灵测试。 图灵测试由先驱数学家创立，他称之为“模仿游戏”，是一项旨在检验机器能否展现与人类同等智能的实验。实验中，一名人类与看不见的参与者对话，并判断他们能否区分人类和人工智能。 现在，一项新研究声称首次严格地将现代大型语言模型用于测试。结果发现，人们认为这些模型比参与实验的真实人类更有人性。 该研究考察了四种不同的领先大型语言模型——包括驱动ChatGPT和Meta的LLaMa的最新模型——以及一些较老的系统。它们与真实人类进行了比较。 在研究中，最新的GPT-4.5被认为像人类的概率为73%，远高于真实人类。最新的LLaMa被认为像人类的概率为56%，几乎与它被比较的真实人类完全相同。 对较老模型的实验显示了这些系统的发展之快。2024年首次发布的GPT-4o被认为像人类的概率为21%，而20世纪60年代的ELIZA系统被认为像人类的概率为23%。 “我们发现，如果给予适当的提示词，先进的LLM可以展现出与人类相同的语气、直率、幽默和易错性，”该研究的通讯作者Cameron Jones表示。“虽然我们知道LLM可以轻松地生成几乎所有主题的知识，但这项测试表明，它们也能令人信服地展示社会行为特征，这对我们如何看待AI（https://www.the-independent.com/topic/ai）具有重大意义。” 研究人员建议，这项研究可能导致人们对图灵测试进行重新思考。 “图灵测试最初是作为一种询问机器能否与人类智能匹敌的方式，”加州大学圣迭戈分校认知科学教授、研究合著者Ben Bergen说。“但我们现在知道，AI能在许多问题上比人类更快、更准确地作答，所以真正的问题不在于原始脑力。” “看到机器能够通过测试——以及它们如何通过测试——迫使我们重新思考这个测试的衡量标准。越来越明显，它在衡量的是‘类人性’。” 研究还显示了提示词在创建令人信服的聊天机器人中的重要性。研究人员表示，每个系统都被指示采用某种人格，或特定的角色和交流风格，这在一定程度上通过引导系统像人类一样犯错来实现。 如果没有这些提示词，模型更容易被识破。研究人员表明，在没有明确指令的情况下，GPT-4.5被认为像人类的概率仅为36%。 “它们有能力表现得像人类，但或许没有足够的能力去判断怎样才能表现得像人类。”Bergen教授说。 这项研究工作发表在最新论文《大型语言模型通过标准三方图灵测试》中，该论文刊登于《美国国家科学院院刊》（*Proceedings of the National Academy of Sciences*）。