თურინგის ტესტი გვეხმარება გავარკვიოთ, შეუძლია თუ არა მანქანას იმდენად დამაჯერებლად აწარმოოს საუბარი, რომ ადამიანმა ვერ გაარჩიოს იგი ნამდვილი ადამიანისგან. მსაჯი წერილობით ესაუბრება ორ დაფარულ პარტნიორს — ერთი ადამიანია, მეორე მანქანა — და უბრალოდ უნდა გამოიცნოს, რომელია რომელი. თუ მსაჯმა ვერ გაარჩია სანდოდ, ითვლება, რომ მანქანამ ტესტი ჩააბარა. ეს არ არის კომპიუტერის გამოთვლითი სიმძლავრის ან მათემატიკური უნარის საზომი — ეს ტესტი ამოწმებს, თუ რამდენად ჰგავს მისი საუბარი ადამიანურს.

იმიტაციის თამაში

ტესტი წარმოდგენილია ბრიტანელი მათემატიკოსის ალან ტიურინგის 1950 წლის ნაშრომში «გამომთვლელი მანქანები და ინტელექტი» (Computing Machinery and Intelligence). ტიურინგმა სცადა გვერდი აევლო ბუნდოვან კითხვას «შეუძლიათ თუ არა მანქანებს ფიქრი?» — რომელიც მას იმდენად ბუნდოვანი ეჩვენებოდა, რომ მასზე სასარგებლო პასუხის გაცემას შეუძლებლად თვლიდა — და ჩაანაცვლა ის რაღაცით, რისი ექსპერიმენტულად შემოწმებაც შესაძლებელი იქნებოდა.

ტიურინგის თავდაპირველი ვერსია, რომელსაც მან «იმიტაციის თამაში» უწოდა, სამ მონაწილეს მოიცავდა: მამაკაცს, ქალს და გამომკითხველს, რომელსაც ორივესთან კომუნიკაცია მხოლოდ წერილობითი ჩანაწერებით შეეძლო. გამომკითხველის ამოცანა იყო გაერკვია, ვინ იყო ვინ; ერთი მონაწილე ცდილობდა დახმარებას, მეორე — მოტყუებას. შემდეგ ტიურინგმა დასვა კითხვა: რა მოხდება, თუ მატყუარას ადგილს მანქანა დაიკავებს და შეეცდება გამომკითხველი დაარწმუნოს, რომ სწორედ ის არის ქალი? ტიურინგის აზრით, თუ მანქანა ამას იმდენივე ხშირად მოახერხებდა, რამდენჯერაც მამაკაცი ახერხებდა, ეს წარმატება სერიოზულ ყურადღებას იმსახურებდა, როგორც «ფიქრის» მტკიცებულება.

დროთა განმავლობაში ტესტი გამარტივდა იმ ვერსიამდე, რომელსაც დღეს ყველა იცნობს: ერთი შემფასებელი, ერთი დაფარული ადამიანი, ერთი დაფარული მანქანა და ერთი მარტივი კითხვა — რომელია მათგან კომპიუტერი?

ჩააბარა თუ არა რომელიმე AI-მ ეს ტესტი სინამდვილეში?

ათწლეულების განმავლობაში პასუხი იყო არა — ან, სულ მცირე, არადამაჯერებელი კი. ადრეულმა ჩატბოტებმა არაფორმალურ პირობებში ხანდახან მოატყუეს მსაჯები კიდეც, ყველაზე ცნობილი შემთხვევა 2014 წელს პროგრამა Eugene Goostman-თან დაკავშირებით მოხდა, თუმცა კრიტიკოსებმა აღნიშნეს, რომ მოკლე საუბრებმა, ყურადღებადაკარგულმა მსაჯებმა და სუსტად შემუშავებულმა ტესტის პირობებმა ეს გამარჯვებები ადვილად საეჭვო გახადა.

ეს ვითარება შეიცვალა თანამედროვე დიდი ენობრივი მოდელების აღზევებასთან ერთად. 2025 წლის მარტში გამოქვეყნებულ კონტროლირებად კვლევაში კალიფორნიის უნივერსიტეტის სან-დიეგოს მკვლევრებმა, კამერონ ჯოუნზმა და ბენჯამინ ბერგენმა, მკაცრი, სამმხრივი თურინგის ტესტი ჩაატარეს ოთხ სისტემაზე: 1960-იანების ჩატბოტ ELIZA-ზე, GPT-4o-ზე, Meta-ს LLaMa-3.1-405B-ზე და OpenAI-ის GPT-4.5-ზე. თითოეულ სისტემას მიეცა პერსონის ინსტრუქცია — მითითება, კონკრეტული ტიპის ადამიანივით მოქცეულიყო — და შედარებული იქნა ნამდვილ ადამიანთან ხუთწუთიან საუბრებში.

შედეგები: GPT-4.5 შემთხვევების 73%-ში ადამიანად იქნა მიჩნეული — ანუ გამომკითხველებმა ის ნამდვილ ადამიანზე უფრო ხშირად აირჩიეს, ვიდრე თავად ადამიანი. LLaMa-3.1-მა 56% დააგროვა — თითქმის ისეთივე შედეგი, როგორსაც მონეტის აგდება მოგვცემდა. პერსონის ინსტრუქციის გარეშე ორივე მოდელმა გაცილებით უარესი შედეგი აჩვენა — GPT-4.5 36%-მდე დაეცა — რაც აჩვენებს, რომ მნიშვნელოვანია არა მხოლოდ მოდელის უნარი, არამედ ის, თუ როგორ არის ინსტრუქცია მიცემული მას ქცევასთან დაკავშირებით. მკვლევრებმა ამას უწოდეს პირველი ემპირიული მტკიცებულება იმისა, რომ რომელიმე სისტემამ ჩააბარა სტანდარტული სამმხრივი თურინგის ტესტი.

რატომ ამბობენ კრიტიკოსები, რომ ამან დიდი არაფერი დაამტკიცა

ტესტის ჩაბარება არასდროს ყოფილა ყველასთვის დამაჯერებელი მტკიცებულება იმისა, რომ «მანქანა ფიქრობს» — თურინგის ტესტი პრაქტიკულად მისი შემოთავაზების დღიდანვე კამათის საგანია.

ყველაზე ცნობილი შენიშვნა ფილოსოფოს ჯონ სერლის 1980 წლის «ჩინური ოთახის» არგუმენტია: წარმოიდგინეთ ადამიანი, რომელსაც არ იცის ჩინური ენა, ზის ოთახში და მექანიკურად უსადაგებს ჩინურ სიმბოლოებს წესების წიგნაკის ინსტრუქციებს, საკმარისად კარგად, რომ გასცეს დამაჯერებელი პასუხები. გარედან ჩანს, თითქოს ოთახი «ფლობს» ჩინურს. შიგნით კი ამას არავინ ფლობს. სერლმა ეს ალეგორია გამოიყენა იმის საჩვენებლად, რომ სიმბოლოების დამაჯერებელი მანიპულირება — რასაც სწორედ ენობრივი მოდელი აკეთებს — არ არის იგივე, რაც მნიშვნელობის გაგება.

მსგავსი პრობლემაა «ELIZA ეფექტი», დასახელებული 1966 წლის ჩატბოტის მიხედვით, რომელიც თერაპევტს ჰბაძავდა მომხმარებლების საკუთარი ფრაზების კითხვის სახით უკან დაბრუნებით. ELIZA-ს არაფრის გაგება არ შეეძლო, მაგრამ ადამიანები მას მაინც ენდობოდნენ. ამან მკვლევრებს ასწავლა, რომ ადამიანები მზად არიან სწრაფად მიაწერონ გაგება სისტემას, რომელიც უბრალოდ სწორად ჟღერს — რაც «მსაჯის მოტყუებას» თავდაპირველზე უფრო სუსტ ბარიერად აქცევს.

ტესტს სტრუქტურული სისუსტეებიც აქვს: ის მხოლოდ ერთ ენასა და ფორმატში სასაუბრო ქცევას ზომავს, აჯილდოებს მანქანას, თუ მან დამალა უნარები, რომლებიც მას ზეადამიანურად გამოამჟღავნებდნენ (მაგალითად, მყისიერი არითმეტიკა), და გამოცდილი თუ სკეპტიკური გამომკითხველისგან სავსებით განსხვავებული შედეგები მიიღება, ვიდრე ჩვეულებრივი, ნაკლებად ყურადღებიანისგან.

რატომ აქვს მაინც მნიშვნელობა

კრიტიკის მიუხედავად, თურინგის ტესტმა თითქმის ყველა სხვა შემოთავაზებულ საზომს გადააჭარბა მანქანური ინტელექტის შესაფასებლად, რადგან ის რაღაც ნამდვილს იჭერს — იმ მომენტს, როცა მანქანის პასუხი წყვეტს მექანიკურად ჟღერას. ის გახდა კულტურული საერთო ენა იმისთვის, რომ «AI საკმარისად კარგია, ადამიანად რომ ჩაითვალოს» — თუნდაც მკვლევრები, რომლებიც მას ინტელექტის მეცნიერულ საზომად არ აღიარებენ, კვლავ იყენებენ ფრაზას «ეს თურინგის ტესტს ჩააბარებდა» არაფორმალურ ორიენტირად.

ის ასევე სასარგებლო კონტრასტია უფრო ამბიციური იდეებისთვის, როგორიცაა ხელოვნური ზოგადი ინტელექტი (AGI), რომელიც სვამს კითხვას, შეუძლია თუ არა მანქანას ადამიანის დონეზე გაუმკლავდეს მრავალფეროვან ამოცანებს, არა მხოლოდ საუბარს. სისტემას შეუძლია ჩააბაროს თურინგის ტესტი — დაარწმუნოს მსაჯი, რომ ადამიანია საუბარში — და ამავე დროს ძალიან შორს იყოს AGI-სგან. AI კვლევა სულ უფრო მეტად განიხილავს ამ ორ საკითხს ცალ-ცალკე: ერთი ეხება დამაჯერებელ ქცევას, მეორე კი — ზოგად კომპეტენციას. რაც უფრო უახლოვდება ხელოვნური ინტელექტის სისტემები ადამიანურ ჟღერადობას, მით უფრო შესაძლოა, რომ თურინგის ტესტის ნამდვილი მემკვიდრეობა იყოს არა თავად «ჩააბარა თუ არა» პასუხი, არამედ ის ლექსიკა, რომელიც მან ყველას მისცა ამ მომენტზე საუბრისთვის.