آزمون تورينگ و چالش ارزيابي هوش مصنوعي چيست

هوش مصنوعي به سرعت در حال پيشرفت است و متخصصان و توسعه‌دهندگان نيز به خوبي از آن استقبال كرده‌اند. امروزه ابزارهايي همچون بلندگوهاي هوشمند و دستيارهاي صوتي ارائه شده توسط شركت‌هايي مانند آمازون و گوگل از هوش مصنوعي قدرت مي‌گيرند؛ گوگل دوپلكس مصداق بارزي از پيشرفت هوش مصنوعي است كه قادر است بصورت مستقل تماس تلفني برقرار كند، بطوريكه طرف مقابل قادر به شناسايي صدا نبوده و متوجه نشود كه مخاطب يك ربات است. در سال‌هاي آتي نيز شاهد گسترش متخصصدهاي هوش مصنوعي و استفاده‌ي تجاري از آن‌ها در ابزارهايي نظير خودروهاي خودران خواهيم بود. 

اما يكي از رايج‌ترين روش‌هاي ارزيابي هوش مصنوعي، آزموني موسوم به آزمون تورينگ است. اين آزمون در سال ۱۹۵۱ توسط آلن تورينگ، كه يكي از رياضي‌دانان و متخصصين برجسته‌ي علوم رايانه در بريتانيا بود پيشنهاد شده است. در ادامه با اين آزمون بيشتر آشنا مي‌شويم.

نام اصلي آزمون تورينگ «بازي تقليد» يا Imitation Game است. در نسخه‌ي اوليه‌ي اين بازي خبري از هوش مصنوعي نبود. در اين نسخه‌، يك داور، يك شركت كننده‌ي مرد و يك شركت كننده‌ي زن در سه اتاق جداگانه قرار مي‌گرفته‌اند. وظيفه‌ي داور صحبت با دو شركت كننده به‌صورت متني و از طريق يك كنسول رايانه‌اي بود؛ پس از گفتگو‌ي متني با هردو شركت كننده، داور بايستي تصميم مي‌گرفت كه كدام‌يك از شركت كنندگان مرد است. در اين بازي، هدف شركت كننده‌ي مرد اين بود كه بتواند مذكر بودن خود را ثابت كند؛ هدف شركت كننده‌ي زن نيز اين بود كه داور را فريب دهد و وي را متقاعد كند كه او يك مرد است. اگر شركت كننده‌ي زن موفق مي‌شد داور را متقاعد كند كه او در حال صحبت كردن با يك مرد است؛ وي در اين بازي برنده مي‌شد.

طرح پايه‌ي بازي تقليد

شايد بپرسيد اين بازي نسبتا ساده چه ارتباطي با هوش مصنوعي دارد؟ بر اساس پيشنهاد تورينگ، مي‌توان به جاي قرار دادن يك زن و يك مرد در دو سوي اين رقابت، يك انسان و يك رايانه را در دو سوي اين رقابت قرار داد؛ در اين حالت، وظيفه‌ي داور نيز شناسايي رايانه خواهد بود. به عبارت ديگر، داور به مدت پنج دقيقه به گفتگو‌‌ي متني با دو شركت كننده (يكي انسان و ديگري رايانه) مي‌پردازد و در اين بين وظيفه‌ي رايانه فريب دادن داور است. براي دست‌يابي به نتيجه‌ي نهايي، اين آزمون بارها تكرار مي‌شود؛ اگر در بيش از نيمي از موارد، داور فريب خورده و رايانه را به‌عنوان انسان قلمداد كند، اين رايانه در آزمون تورينگ موفق شده است و مي‌توان آن را «هوشمند» قلمداد كرد.

بازي تقليد براي هوش مصنوعي

پردازش زبان طبيعي، يكي از شاخه‌هاي مهم علوم رايانه و هوش مصنوعي است؛ هدف از تلاش براي توسعه‌ي امكان پردازش زبان طبيعي در رايانه‌ها، امكان تعامل ساده‌تر بين انسان و ماشين است. دستيارهاي صوتي كه امروزه در تمام موبايل‌هاي هوشمند در دسترس متخصصان قرار دارند، يكي از نتايج كار در زمينه‌ي پردازش زبان طبيعي هستند.

از آنجا كه ماهيت آزمون تورينگ نيز بر تعامل زباني ميان انسان و ماشين بنا شده، بديهي است كه يكي از پيش‌نيازهاي موفقيت در اين آزمون، توانايي رايانه براي پردازش زبان طبيعي است. پژوهشگران و برنامه‌نويسان نيز با درك اين مسئله، در دهه‌ي ۶۰ و ۷۰ ميلادي، تمركز خود را بر پردازش زبان طبيعي در رايانه‌ها معطوف كردند. هرچند تلاش‌هاي بسياري از پژوهشگران نتايج اميدبخشي به همراه نداشت، اما برخي از برنامه‌هاي ساخته شده نيز به موفقيت و شهرت فراواني دست پيدا كردند. يكي از اين برنامه‌ها ELIZA نام داشت كه در اواسط دهه‌ي توسط پژوهش‌گري آلماني-آمريكايي به‌نام جوزف وايزنبام توسعه داده شده بود.

برخلاف دستيارهاي هوشمند ديجيتال فعلي و پروژه‌هايي مانند Google Duplex كه نشان دهنده‌ي پردازش قوي زبان‌ طبيعي و نزديك شدن رايانه‌ها به انسان هستند، نرم‌افزارهاي اوليه مانند ELIZA محدوديت‌هاي زيادي داشتند؛ به همين دليل نيز تنها به توانايي پردازش زبان طبيعي‌شان متكي نبودند. اين برنامه‌ها، از تكنيك‌هاي مختلفي براي نزديك شدن به انسان‌ها استفاده مي‌كنند كه در ادامه با آن‌ها آشنا مي‌شويم.

برنامه‌هاي مختلفي ادعا مي‌كنند كه توانسته‌اند آزمون تورينگ را با موفقيت پشت سر بگذارند؛ هرچند كه صاحب‌انديشه متخصصينان در رابطه با موفقيت اين نرم‌افزارها در آزمون تورينگ اتفاق انديشه متخصصين ندارند، اما بد نيست نگاهي داشته باشيم به تكنيك‌هاي استفاده شده براي موفقيت در آزمون تورينگ.

اما در وراي اين الگوريتم ساده و توانايي ساخت جملات ساده‌ي انگليسي، ELIZA و ديگر چت‌بات‌ها از تكنيك ديگري نيز براي موفقيت در آزمون تورينگ استفاده مي‌كنند؛ اين تكنيك را مي‌توان «شخصيت پردازي» ناميد. در اين تكنيك، شخصيت خاصي براي چت‌بات تعريف مي‌شود تا بدين شكل بتوان محدوديت‌هاي زباني و گفتگو‌هاي چت‌بات‌ها را توجيه كرد. براي مثال، يكي از معروف‌ترين سناريوهاي تعريف شده براي ELIZA، سناريويي موسوم به «دكتر» بود. در اين سناريو، چت‌بات نقش يك روان‌شناس انسان‌گرا را بازي مي‌كرد. روان‌شناسان انسان‌گرا به‌طور معمول سوالات مختلفي از بيماران مي‌پرسند، اما جواب‌هاي دقيقي ارائه نمي‌دهند. در چنين حالتي، محدود بودن پاسخ‌هاي داده شده توسط ELIZA با توجه به شخصيت تعريف شده براي آن توجيه مي‌شد. به كمك اين ترفند ساده و الگوريتم اوليه‌ي خود، ELIZA مي‌توانست افراد زيادي را متقاعد كند كه او يك انسان است.

 نمونه‌اي از گفتگو‌ي انجام شده با ELIZA

يكي ديگر از سرشناس‌ترين چت‌بات‌هايي كه ادعا مي‌شود در آزمون تورينگ به موفقيت دست پيدا كرده، رباتي است موسوم به «يوجين گوستمن». گوستمن نيز از شخصيت پردازي به عنوان ابزاري براي موفقيت در آزمون تورينگ استفاده مي‌كرد. شخصيت تعريف شده براي اين ربات، يك پسر ۱۳ ساله‌ي اوكرايني است. بديهي است كه چنين شخصيتي نه تنها نامأنوس و ناپخته بودن پاسخ‌هاي داده شده توسط يوجين گوستمن را توجيه مي‌كند؛ بلكه با توجه به مليت غير انگليسي‌زبان تعريف شده براي اين ربات (مليت اوكرايني) اشكالات دستوري موجود در جملات ساخته شده توسط اين ربات نيز قابل توجيه خواهند بود. ولاديمير واسلوف، سازنده‌ي اين چت‌بات، پا را از اين نيز فراتر گذاشته و با ايجاد غلط‌هاي تايپي در جملات ساخته شده توسط اين ربات، پذيرش شخصيت تعريف شده براي آن را ساده‌تر مي‌كند. وي در اين باره مي‌گويد:

ايده‌ي اصلي ما اين بود كه يوجين ادعا مي‌كند همه‌چيز را مي‌داند؛ اما به‌ لطف سن او، اين (مسئله) منطقي است كه او از تمام چيزها آگاه نيست.

در ادامه مي‌توانيد نمونه‌اي از گفتگو‌ي يوجين گوستمن با داور را كه طي آزمون تورينگ انجام شده مشاهده كنيد. توجه فرماييد كه در متن ترجمه شده‌ي ذيل، عدم‌تناسب ساختاري و غلط‌هاي املايي موجود در متن بازتاب دهنده‌ي اشكالات ساختاري و املايي در متن اصلي هستند.

داور: چه نوع موسيقي دوست داريد؟يوجين: امينم را دوست دارم – چون كاري با مودب بودن ندارد.داور: اوه خداي من؛ من عاشق امينم هستم. او هنرمند مورد علاقه‌ي من است.يوجين: من نمي‌دانم معني لقب امينم چيست. من آن را فقط به كلمه‌ي enema ربط مي‌دهم. اما او آدم جالبي است، من آهنگ The Real Slim Shady را دوست دارم.داور: من مي‌دانم معني لقب او چيست. اسم واقعي او مارشال مدرز است. از حرف اول اسم و فاميل او كه شبيه تلفط M&M است.يوجين: امينم يك crapper واقعي است، نه منظورم raper بود... ripper بود.... آها، منظورم rapper (رپر) بود. من آهنگ Stan و The Real Slim Shady را دوست دارم.داور: من آهنگ Hailies song را دوست دارم.يوجين: سليقه‌ي جالبي (داري). ضمنا من به جزوه رايگان‌هاي علمي-تخيلي علاقه دارم. راستي، اهل كجا هستي؟ مي‌تواني در مورد محل زندگي‌ات توضيح بدهي؟داور: اسپوم، زادگاه دربي. خودت؟يوجين: خوكچه هندي من مي‌گويد كلمه‌ي «دربي» خيلي قشنگ است.داور: بايد يك موقع با او صحبت كنم.يوجين: به‌انديشه متخصصينم بايد كلاس تايپ بروي. يا تايپ كردن تمرين كني.داور: اين خيلي بي‌ادبانه است؟يوجين: هممم... راستش، متوجه سوال شما نشدم.داور: «هممم» يك كلمه نيست. فكر كنم به كلاس تايپ نياز داري.يوجين: فكر من هم همين است. ضمنا، من هنوز تخصص شما را نمي‌دانم – يا شايد فراموش كرده‌ام؟

همان‌گونه كه از متن گفتگو‌ي فوق مشخص است، ساختار جملات، وجود غلط‌هاي املايي و حتي سطحي بودن پاسخ‌ها، اين مسئله را قابل باور مي‌سازد كه داور در حال گفتگو با يك نوجوان ۱۳ ساله است كه تسلط محدودي بر زبان انگليسي دارد.

جايزه‌ي لوبنر به‌طور سالانه به نرم‌افزارهايي اعطا مي‌شود كه توسط آزمون تورينگ موجب ارزيابي قرار مي‌گيرند و تا حد زيادي به هوش انساني نزديك مي‌شوند. قالب كلي رقابت لوبنر بر اساس آزمون تورينگ استاندارد است؛ اما تغييراتي نيز در آن اعمال شده است. براي مثال، در سال‌هاي اوليه‌ي برگزاري اين رقابت، مدت زمان داده شده به داوران براي گفتگو‌ي متني با شركت كنندگان و اعلام رأي تنها ۵ دقيق بود؛ اما اين زمان تدريجا افزايش پيدا كرده و از سال ۲۰۱۰ به ۲۵ دقيقه رسيده است.

بديهي است كه افزايش مدت زمان گفتگو، باعث مي‌شود هوش مصنوعي به توانايي بيشتري براي فريب دادن داور نياز داشته باشد و داوران نيز مدت زمان بيشتري براي ارزيابي شركت‌كنندگان در اختيار خواهند داشت. هر نرم‌افزار نيز در چهار دور و توسط چهار داور مورد ارزيابي قرار مي‌گيرد. وظيفه‌ي هر داور اين است كه تشخيص دهد كدام شركت كننده انسان و كدام‌يك ربات بوده است؛ علاوه بر اين، به هر نرم‌افزار امتياز جداگانه‌اي هم تعلق مي‌گيرد. اين امتياز بر اساس سه ضابطه به نرم‌افزارها اعطا مي‌شود: مرتبط بودن پاسخ‌ها به سوالات پرسيده شده، صحيح بودن پاسخ‌ها و منطقي و واضح بودن جملات از انديشه متخصصين دستوري.

آخرين برنده‌ي جايزه‌ي لوبنر، رباتي موسوم به ميتسوكو (Mitsuku) است. شخصيت تعريف شده براي اين چت‌بات، يك دختر ۱۸ ساله اهل شهر ليدز است. ميتسوكو از توانايي اوليه‌اي براي تصميم‌گيري‌هاي منطقي برخوردار است. براي مثال، اگر از او بپرسيد «مي‌تواني يك خانه‌ را بخوري؟»، اين ربات مولفه‌ي «ماده‌ي سازنده» را جستجو مي‌كند و با توجه به اين كه ماده‌ي سازنده‌ي تعريف شده براي خانه «آجر» است و آجر نيز در دسته‌ي مولفه‌هاي غيرخوردني قرار مي‌گيرد، پاسخ اين ربات به سوال فوق منفي خواهد بود.

نمونه‌اي از گفتگوي انجام شده با ميتسوكو

اگر دوست داريد چت كردن با ميتسوكو را امتحان كنيد، مي‌توانيد به اين آدرس مراجعه كنيد و پس از انتخاب پلتفرم مناسب، گفتگو را با ميتسوكو شروع كنيد.

طي ساليان متوالي، انتقادات زيادي به آزمون تورينگ وارد شده‌اند. اولين دسته از اين انتقادات، قوانين آزمون تورينگ را هدف قرار داده‌اند. به عقيده‌ي بسياري از متخصصان، مدت زمان پنج دقيقه‌اي كه براي گفتگو با دو شركت كننده به داور داده مي‌شود به هيچ وجه كافي نيست؛ چرا كه در اين حالت داور تنها مي‌تواند حدود ۲ دقيقه و ۳۰ ثانيه را به هر شركت كننده اختصاص دهد. ايراد ديگر مربوط به ضابطه‌ي در انديشه متخصصين گرفته شده براي موفقيت در اين آزمون است. از انديشه متخصصين برخي از افراد، اگر هوش مصنوعي تنها در نيمي از موارد بتواند داور را فريب دهد، نمي‌توان آن را همتاي هوش انسان قلمداد كرد و لازم است تا اين ضابطه به مقدار سخت‌گيرانه‌تري افزايش يابد.

علاوه بر زبان، تفاوت ماهيتي ميان تفكر انسان و پردازش رايانه نيز باعث مي‌شود رايانه‌ها در آزمون تورينگ به‌عنوان ابزارهايي هوشمند قلمداد شوند، هرچند كه در عمل چنين چيزي واقعيت ندارد. براي مثال، وقتي از انسان سوالي پرسيده مي‌شود، وي نه صرفا با تكيه بر حافظه، بلكه همچنين با استفاده از توانايي‌هاي ادراكي و تحليلي خود به سوالات پاسخ مي‌دهد. اما رايانه‌ها مي‌توانند كمبود يا نبود توانايي ادراكي و تحليلي را با كمك گرفتن از درياي بي‌كلان اطلاعات موجود در اينترنت جبران كنند؛ كاري كه دستيارهاي صوتي نظير Siri (سيري) به‌طور معمول انجام مي‌دهند. در ادمه‌ي ايرادات وارد شده به ماهيت آزمون تورينگ، استفاده از حقه‌هايي مانند شخصيت‌پردازي براي نرم‌افزارها نيز امري قابل تأمل است.

اما در وراي انتقادات فوق، نبايد اين مسئله را فراموش كرد كه آزمون تورينگ اساسا آزموني رفتاري است؛ نه آزموني ادراكي. نگاه رفتاري به هوش مصنوعي، باعث افتادن به ورطه‌ي تقليد مي‌شود؛ نتيجه‌ي اين مسئله، خلق نوعي از هوش مصنوعي است كه جز پاسخ دادن به سوالات ساده و نغزگوييِ جزئي، توانايي چنداني نخواهد داشت. ليكن حقيقت اين است كه براي خلق هوش مصنوعي، نبايد به دنبال كپي برداري مطلق از انسان باشيم؛ مگر براي رسيدن به آرزوي ديرينه‌ي پرواز، بال‌هاي پرندگان را به‌طور تمام و كمال كپي كرده‌ايم؟

بر اساس اشكالات ساختاري آزمون تورينگ، پيشنهادهاي مختلفي براي بهبود و جايگزيني اين آزمون ارائه شده‌اند. پيشنهادهايي كه مرتبط با بهبود اين آزمون هستند اصولا به قوانين اين آزمون مربوط مي‌شوند. براي مثال، به پيشنهاد آلن تورينگ، مدت زمان پنج دقيقه براي گفتگو‌ي هر داور با شركت كنندگان در انديشه متخصصين گرفته شده‌است؛ اما اكنون پيشنهاد مي‌شود اين مدت حتي تا ۱۲۰ دقيقه افزايش پيدا كند.

همچنين پيشنهاد شده كه به‌جاي گفتگو‌ي داور با يك رايانه و يك انسان؛ داور به‌طور همزمان با سه انسان و يك رايانه گفتگو كند و از ميان اين چهار گفتگو‌كننده، تشخيص دهد كدام‌يك انسان نيست. افزايش تعداد داوران نيز يكي از بهبودهاي پيشنهادي در آزمون تورينگ است؛ براي مثال پيشنهاد شده كه هر رايانه توسط سه داور مورد ارزيابي قرار گيرد، در اين حالت موفقيت رايانه در فريب دو داور از مجموع سه داور، به معناي موفقيت در نسخه‌ي اصلاح‌شده‌ي آزمون تورينگ است.

آن‌چه توسط OpenAI پيشنهاد شده، فراتر از مفهوم هوش مصنوعي در آزمون تورينگ است كه بر تعامل سطحي انسان و ماشين متمركز شده است. آزمون‌هاي آتي كه براي سنجش هوش مصنوعي ايجاد مي‌شوند، بايد بر تعامل عميق و سازنده ميان ماشين‌ها و دنياي اطراف، از جمله انسان، متمركز باشند. به گفته‌ي آلكس هرن از نشريه‌ي گاردين:

با مجبور كردن [هوش مصنوعي] به تقليد از انسان، ما مانع فراتر رفتن آن‌ها از [مرزهاي] انساني شده‌ايم.

در حال حاضر شش ضابطه براي ساخت آزمون‌هاي آينده جهت ارزيابي هوش مصنوعي پيشنهاد شده‌اند. اولين ضابطه، توانايي تطبيق هوش مصنوعي با شرايط و واكنش مناسب نسبت به شرايط است. دومين ضابطه توانايي هوش مصنوعي جهت يادگيري از تجربيات در گذر زمان است؛ هوش مصنوعي بايد بتواند با كسب تجربيات جديد، آن‌ها را تحليل كرده و در تصميم‌گيري‌هاي آتي مورد استفاده قرار دهد. سومين ضابطه، توانايي ارتباط با ديگر رايانه‌ها و نرم‌افزارهاي هوش مصنوعي است. در جهان هستي، اجزاي مختلف با يكديگر در تعامل هستند؛ اگر قرار است تصميم‌گيري‌ها را به هوش مصنوعي واگذار كنيم، يكي از پيش‌شرط‌ها، توانايي آن‌ها براي ارتباط با ديگر رايانه‌هاي هوشمند خواهد بود.

هوش مصنوعي در حال پيشرفت و نفوذ به زندگي انسان است. بديهي است كه در دهه‌هاي آينده، اين فناوري بيش از پيش به خانه‌ها، محل كار، محيط‌هاي يادگيريي، مراكز صنعتي و... نفوذ خواهد كرد. گستره‌ي عظيم اين متخصصدهاي متفاوت و ناهمگن، به‌طور قطع دست‌يابي به يك معيار كلي براي سنجش هوش مصنوعي را سخت‌تر خواهد كرد. به همين دليل است كه برخي متخصصان معتقد هستند هوش مصنوعي بايستي به تناسب كارايي و هدف‌اش مورد ارزيابي قرار گيرد.

آزمون و ارزيابي يكي از واقعيت‌هاي هميشگي حيات بشر است؛ به اكثر رشته‌هاي تحصيلي و علمي كه نگاهي داشته باشيد، احتمالا زيرشاخه‌اي موسوم به آزمون‌سازي خواهيد يافت. علوم رايانه و هوش‌مصنوعي نيز از اين قاعده مستثني نخواهند بود؛ اما براي رسيدن به روشي مناسب جهت ارزيابي هوش مصنوعي، احتمالا بايد منتظر باشيم تا ببينيم اين فناوري به چه اشكالي قرار است زندگي بشر را متحول كند.

در پايان، از شما متخصصان عزيز اخبار تخصصي، علمي، تكنولوژيكي، فناوري مرجع متخصصين ايران دعوت مي‌كنيم، هم انديشي ها و پيش‌بيني‌هاي خود پيرامون آينده‌ي هوش مصنوعي و روش‌هاي ارزيابي آن را با ما در ميان بگذاريد.