अमेज़न एलेक्सा के हेड रिसर्चर का तर्क है कि ट्यूरिंग टेस्ट पुराना हो गया है

रोहित प्रसाद, अमेज़न एलेक्सा के उपाध्यक्ष और मुख्य वैज्ञानिक, हाल ही में तर्क दिया कि ट्यूरिंग टेस्ट, जो लंबे समय से एआई मॉडल की जटिलता को मापने के लिए उपयोग किया जाता है, को एआई के लिए एक बेंचमार्क के रूप में सेवानिवृत्त किया जाना चाहिए।

कंप्यूटर वैज्ञानिक और गणितज्ञ एलन ट्यूरिंग ने 70 से अधिक वर्षों पहले ट्यूरिंग टेस्ट की अवधारणा पेश की थी। ट्यूरिंग टेस्ट का उद्देश्य मशीन बुद्धिमत्ता के प्रश्न का उत्तर देने में मदद करना था, यह निर्धारित करना था कि क्या एक मशीन मानव अर्थ में “विचार” करने में सक्षम थी। इस प्रश्न का उत्तर देने के लिए, ट्यूरिंग ने तर्क दिया कि यदि मशीनें इतनी जटिल वार्तालाप व्यवहार प्रदर्शित कर सकती हैं कि एक मानव पर्यवेक्षक को कंप्यूटर के संवाद और मानव के संवाद के बीच अंतर नहीं पता चल सकता है, तो मशीन को विचार करने में सक्षम माना जाना चाहिए।

ट्यूरिंग टेस्ट की सीमाएं

प्रसाद ने तर्क दिया कि ट्यूरिंग टेस्ट कई तरह से सीमित है और ट्यूरिंग ने खुद भी अपने प्रारंभिक पत्र में इन सीमाओं पर टिप्पणी की थी । जैसे ही एआई हमारे जीवन के हर पहलू में अधिक से अधिक एकीकृत होता जा रहा है, लोगों को यह कम परवाह है कि यह मानव से अलग नहीं है, और अधिक यह कि उनके एआई के साथ बातचीत सुचारू है, प्रसाद तर्क देते हैं। इस कारण से, ट्यूरिंग टेस्ट को पुराना माना जाना चाहिए और इसके lugar पर अधिक उपयोगी बेंचमार्क का उपयोग किया जाना चाहिए।

प्रसाद ने उल्लेख किया कि कई शुरुआती चैटबॉट्स को ट्यूरिंग टेस्ट को पास करने के लिए डिज़ाइन किया गया था, और हाल के वर्षों में कुछ चैटबॉट्स ने लगातार एक तिहाई से अधिक मानव निर्णायकों को चकमा देने में कामयाब रहे हैं (जो ट्यूरिंग टेस्ट को पास करने के लिए आवश्यक था)। हालांकि, मानव भाषण पैटर्न की नकल करने में सक्षम होने का मतलब यह नहीं है कि एक मशीन को वास्तव में “बुद्धिमान” माना जा सकता है। एआई मॉडल एक क्षेत्र में अत्यधिक कुशल हो सकते हैं और अन्य क्षेत्रों में अत्यधिक कमजोर हो सकते हैं, जिसमें कोई सामान्य बुद्धिमत्ता नहीं है। इसके बावजूद, ट्यूरिंग टेस्ट अभी भी चैटबॉट्स और डिजिटल सहायकों के लिए एक सामान्य बेंचमार्क के रूप में उपयोग किया जाता है, जिसमें प्रसाद ने उल्लेख किया है कि व्यवसायिक नेता और पत्रकार लगातार पूछते हैं कि एलेक्सा कब ट्यूरिंग टेस्ट को पास करने में सक्षम होगा।

प्रसाद के अनुसार, मशीन बुद्धिमत्ता का मूल्यांकन करने के लिए ट्यूरिंग टेस्ट का उपयोग करने के साथ एक प्राथमिक समस्या यह है कि यह लगभग पूरी तरह से मशीनों की जानकारी की खोज करने और तेजी से गणना करने की क्षमता को छोड़ देता है। एआई प्रोग्राम जटिल गणित और भूगोल प्रश्नों के उत्तर में कृत्रिम विलंब डालते हैं ताकि मानवों को चकमा दिया जा सके, लेकिन उन्हें ऐसे प्रश्नों का उत्तर लगभग तुरंत मिल जाता है। इसके अलावा, ट्यूरिंग टेस्ट एआई की बढ़ती क्षमता को बाहरी सेंसर द्वारा एकत्रित डेटा का उपयोग करने के लिए नहीं लेता है, जो यह अनदेखा करता है कि एआई दृष्टि और गति एल्गोरिदम के माध्यम से दुनिया के साथ कैसे बातचीत कर सकता है, केवल पाठ संचार पर निर्भर करता है।

नई बेंचमार्क बनाना

प्रसाद ने तर्क दिया कि बुद्धिमत्ता को मापने के लिए नए रूपों का निर्माण किया जाना चाहिए, जो सामान्य प्रकार की बुद्धिमत्ता का मूल्यांकन करने के लिए बेहतर अनुकूल हैं। ये परीक्षण वास्तविक दुनिया में एआई के उपयोग और लोगों के इसका उपयोग करने के लक्ष्यों को प्रतिबिंबित करने चाहिए। परीक्षणों को यह निर्धारित करने में सक्षम होना चाहिए कि एआई मानव बुद्धिमत्ता को कितनी अच्छी तरह से बढ़ाता है और लोगों के दैनिक जीवन में सुधार कितना अच्छा है। इसके अलावा, एक परीक्षण को यह समझना चाहिए कि एआई मानव जैसी बुद्धिमत्ता की विशेषताओं को कैसे प्रदर्शित करता है, जिसमें भाषा प्रवीणता, स्व-पर्यवेक्षण और “सामान्य ज्ञान” शामिल हैं।

एआई अनुसंधान के वर्तमान और महत्वपूर्ण क्षेत्र, जैसे कि तर्क, न्याय, बातचीत और संवेदी समझ, ट्यूरिंग टेस्ट द्वारा मूल्यांकन नहीं किए जाते हैं, लेकिन विभिन्न तरीकों से मापा जा सकता है। प्रसाद ने समझाया कि इन बुद्धिमत्ता की विशेषताओं को मापने का एक तरीका उन्हें उनके घटक कार्यों में तोड़ना है। एक अन्य तरीका मानव-कंप्यूटर इंटरैक्शन के लिए एक बड़े पैमाने पर वास्तविक दुनिया की चुनौती बनाना है।

जब अमेज़न ने एलेक्सा पुरस्कार बनाया, तो उसने एक मानदंड तैयार किया जिसमें सामाजिक बॉट्स को 20 मिनट तक एक मानव के साथ बातचीत करनी थी। बॉट्स का मूल्यांकन उनकी विभिन्न विषयों जैसे प्रौद्योगिकी, खेल, राजनीति और मनोरंजन पर सुसंगत बातचीत करने की क्षमता पर किया जाता था। ग्राहक विकास चरण के दौरान बॉट्स को स्कोर देने के लिए जिम्मेदार थे, उन्हें यह देखते हुए स्कोर दिया जाता था कि वे बॉट के साथ फिर से बातचीत करना चाहते हैं या नहीं। अंतिम दौर में, स्वतंत्र निर्णायकों को 5-बिंदु पैमाने पर बॉट्स को ग्रेड देने के लिए जिम्मेदार था। निर्णायकों द्वारा उपयोग किए जाने वाले मानदंड ने उन तरीकों पर निर्भर किया जो एआई को महत्वपूर्ण मानव विशेषताओं जैसे कि संवेदनशीलता को प्रदर्शित करने की अनुमति देते हैं।

अंततः, प्रसाद ने तर्क दिया कि एलेक्सा जैसे एआई-संचालित उपकरणों का बढ़ता प्रसार एआई की प्रगति को मापने का एक महत्वपूर्ण अवसर प्रस्तुत करता है, लेकिन हमें इस नए अवसर का लाभ उठाने के लिए अलग मेट्रिक्स की आवश्यकता होगी।

“ऐसे एआई को एक बड़ी, बढ़ती संख्या में कार्यों में विशेषज्ञ होने की आवश्यकता है, जो केवल अधिक सामान्य सीखने की क्षमता के साथ संभव है, न कि कार्य-विशिष्ट बुद्धिमत्ता के साथ,” प्रसाद ने समझाया। “इसलिए, अगले दशक और उसके बाद के लिए, एआई सेवाओं की उपयोगिता, उनकी वार्तालाप और प्रोएक्टिव सहायता क्षमताओं के साथ-साथ एंबियंट डिवाइसों पर, एक योग्य परीक्षण है।”