Par quoi remplacer le take a look at de Turing ?

Dans un article publié dans Informatique intelligentePhilip Nicholas Johnson-Laird de l’Université de Princeton et Marco Ragni de l’Université de technologie de Chemnitz proposent une nouvelle selection au take a look at de Turing, un take a look at vital développé par le pionnier de l’informatique Alan Turing. L’étude suggère qu’il est temps de passer de l. a. query de savoir si une gadget peut imiter les réponses humaines à une query plus fondamentale : « Les logiciels pensent-ils comme les humains ? »

Le take a look at de Turing, qui constitue depuis longtemps l. a. pierre angulaire de l’évaluation de l’IA, implique un évaluateur humain essayant de faire l. a. difference entre les réponses humaines et celles de l. a. gadget à une série de questions. Si l’évaluateur ne peut pas faire l. a. différence de manière cohérente entre les deux, l. a. gadget est considérée comme ayant « réussi » le take a look at. Bien qu’elle ait constitué une référence précieuse dans l’histoire de l’intelligence artificielle, elle présente certaines limites :

• Imitation ou compréhension : l. a. réussite du take a look at de Turing implique souvent d’imiter les réponses humaines, ce qui en fait davantage un take a look at d’imitation et de génération de langage qu’un véritable take a look at ressemblant au raisonnement humain. De nombreux systèmes d’IA superb dans l. a. simulation de conversations humaines, mais manquent de capacités de réflexion approfondie.
• Manque de judgment of right and wrong de soi : le take a look at de Turing n’exige pas qu’une IA soit consciente d’elle-même ou comprenne sa propre logique. Il se concentre uniquement sur les interactions et les réponses externes et néglige l’facet introspectif de l. a. cognition humaine.
• Échec de l. a. réflexion : Alan Turing lui-même s’est rendu compte que le take a look at pourrait ne pas vraiment répondre à l. a. query de savoir si les machines sont capables de penser. Le take a look at porte davantage sur l’imitation que sur l. a. belief.

Johnson-Laird et Rajni présentent un nouveau cadre d’évaluation permettant de déterminer si l’IA pense réellement comme un humain. Ce cadre comprend trois étapes evaluations :

1. Exams dans le cadre d’expériences psychologiques :

Les chercheurs proposent de soumettre les programmes d’intelligence artificielle à un ensemble d’expériences psychologiques conçues pour faire l. a. difference entre l. a. pensée humaine et les processus logiques requirements. Ces expériences explorent divers sides de l’inférence, notamment l. a. manière dont les humains déduisent des probabilités à partir d’assertions complexes et l. a. manière dont ils condensent des probabilités cohérentes en une seule, entre autres nuances qui s’écartent des cadres logiques requirements.

2. Réflexion personnelle :

Cette étape vise à mesurer dans quelle mesure le programme comprend sa propre façon de penser, qui constitue un facet vital de l. a. cognition humaine. Le programme doit être succesful de réfléchir à ses propres processus de raisonnement et de fournir des explications sur ses décisions. En posant des questions qui nécessitent une prise de judgment of right and wrong des kinds de pensée, les chercheurs cherchent à déterminer si l’IA fait preuve d’une introspection semblable à celle des humains.

3. Vérifiez le code supply :

Dans l. a. dernière étape, les chercheurs se penchent sur le code supply du programme. Los angeles clé ici est de reconnaître l. a. présence de composants connus pour imiter les performances humaines. Ces composants comprennent des systèmes permettant des inférences rapides, une réflexion réfléchie et l. a. capacité d’interpréter des termes en fonction du contexte et des connaissances générales. Si le code supply d’un programme reflète ces principes, le programme sera considéré comme pensant d’une manière humaine.

Cette approche innovante, qui remplace le take a look at de Turing en examinant les capacités logiques d’un programme d’intelligence artificielle, représente un changement de paradigme dans l’évaluation de l’intelligence artificielle. En traitant l’IA comme un player à des expériences cognitives et en soumettant même son code pour analyse comme une étude d’imagerie cérébrale, les auteurs cherchent à nous rapprocher de l. a. compréhension si les systèmes d’IA pensent vraiment d’une manière humaine.

Alors que le monde poursuit sa quête d’une intelligence artificielle avancée, cette approche selection promet de redéfinir les critères d’évaluation de l’IA et de nous rapprocher de l’objectif de comprendre remark les machines pensent. Le chemin vers l’intelligence artificielle générale vient peut-être de franchir une étape importante.

Advent à l’informatique intelligente