కృత్రిమ మేధస్సు రంగం నిరంతరం మారుతోంది, ఒకప్పుడు సైన్స్ ఫిక్షన్ పరిధికి పరిమితమైన మైలురాళ్లతో గుర్తించబడింది. ఇటీవలి అభివృద్ధి టెక్ కమ్యూనిటీ మరియు అంతకు మించి అలలను పంపింది: రెండు అధునాతన AI నమూనాలు ట్యూరింగ్ టెస్ట్ యొక్క సంక్లిష్టతలను విజయవంతంగా నావిగేట్ చేసినట్లు నివేదించబడింది. 20వ శతాబ్దం మధ్యలో అద్భుతమైన బ్రిటిష్ గణిత శాస్త్రజ్ఞుడు Alan Turing చేత రూపొందించబడిన ఈ ఐకానిక్ బెంచ్‌మార్క్, యంత్ర మేధస్సు కోసం సంభావిత మౌంట్ ఎవరెస్ట్‌గా చాలా కాలంగా నిలిచింది - ఒక యంత్రం మానవుడి నుండి వేరు చేయలేని విధంగా సంభాషించగలదా అనే కొలత. OpenAI యొక్క GPT-4.5 మరియు Meta యొక్క Llama-3.1 నమూనాలు వాదించదగిన విధంగా ఈ శిఖరాన్ని చేరుకున్నాయనే వార్త AI పరిణామంలో సంభావ్య కీలక క్షణాన్ని సూచిస్తుంది, మానవ జ్ఞానం మరియు కృత్రిమ సామర్థ్యం మధ్య పెరుగుతున్న అస్పష్టమైన సరిహద్దులను పునరుద్ధరించిన పరిశీలనకు బలవంతం చేస్తుంది.
మైలురాయి ప్రయోగం: రూపకల్పన మరియు ఆశ్చర్యకరమైన ఫలితాలు
ఈ AI వ్యవస్థలు ట్యూరింగ్ టెస్ట్‌లో ఉత్తీర్ణత సాధించాయనే వాదన కాలిఫోర్నియా శాన్ డియాగో విశ్వవిద్యాలయంలో Cameron R. Jones మరియు Benjamin K. Bergen నిర్వహించిన పరిశోధనల నుండి వచ్చింది. వారి అధ్యయనం, ప్రస్తుతం పీర్ రివ్యూ పరిశీలన కోసం వేచి ఉంది, ఆధునిక కఠినత్వాన్ని పొందుపరుస్తూనే ట్యూరింగ్ యొక్క అసలు ప్రతిపాదన యొక్క స్ఫూర్తికి దగ్గరగా కట్టుబడి ఉండేలా రూపొందించబడిన ఒక పద్దతిని ఉపయోగించింది. సరళమైన, రెండు-పార్టీ పరీక్షల పరిమితులను గుర్తించి, Jones మరియు Bergen మరింత సవాలుతో కూడిన మూడు-పార్టీ పరస్పర చర్య నమూనాను అమలు చేశారు.
ఈ సెటప్‌లో, ఒక మానవ పాల్గొనేవారు (విచారణకర్త) ఏకకాలంలో ఐదు నిమిషాల వ్యవధిలో ప్రత్యేక, టెక్స్ట్-ఆధారిత సంభాషణలలో నిమగ్నమయ్యారు. ఒక సంభాషణ భాగస్వామి మరొక మానవుడు, మరొకరు AI వ్యవస్థ. ముఖ్యంగా, విచారణకర్తకు ఏది ఏది అని తెలియదు. ఐదు నిమిషాల మార్పిడి తర్వాత, విచారణకర్త యొక్క పని స్పష్టంగా ఉంది: యంత్రాన్ని గుర్తించడం. ఈ నిర్మాణం ప్రత్యక్ష పోలికను బలవంతం చేస్తుంది మరియు కేవలం ఒక AI ఒంటరిగా మానవుడిగా కనిపిస్తుందా అని అడగడం కంటే మరింత బలమైన మూల్యాంకనంగా పరిగణించబడుతుంది.
కనుగొన్నవి నిర్దిష్ట జనాభా ద్వారా వక్రీకరించబడలేదని నిర్ధారించడానికి, పరిశోధకులు వారి సెటప్‌ను రెండు విభిన్న జనాభాలలో పరీక్షించారు:
- అండర్ గ్రాడ్యుయేట్ విద్యార్థులు, సాధారణంగా డిజిటల్ కమ్యూనికేషన్‌తో సుపరిచితులైన యువ జనాభాను సూచిస్తారు.
- ప్రోలిఫిక్ వర్కర్స్ (ఆన్‌లైన్ ప్లాట్‌ఫారమ్‌ల నుండి నియమించబడ్డారు), విభిన్న ఆన్‌లైన్ పరస్పర చర్యలకు అలవాటుపడిన జనాభా యొక్క విస్తృత క్రాస్-సెక్షన్‌ను సూచిస్తారు.
ఈ ఖచ్చితమైన విధానం ద్వారా అందించబడిన ఫలితాలు అద్భుతమైనవి.
- OpenAI యొక్క GPT-4.5 అసాధారణంగా ఒప్పించేదిగా ఉద్భవించింది. ఒక నిర్దిష్ట వ్యక్తిత్వాన్ని (దీని గురించి తరువాత మరింత) స్వీకరించమని ప్రత్యేకంగా సూచించినప్పుడు, అది కేవలం ఒప్పించేది కాదు; అది పాల్గొన్న వాస్తవ మానవుల కంటే ఎక్కువ ఒప్పించేది. విచారణకర్తలు GPT-4.5 ను మానవ పాల్గొనేవారిగా అస్థిరమైన 73% సమయం గుర్తించారు. ఈ సంఖ్య సాంప్రదాయ 50% పాస్ థ్రెషోల్డ్‌ను మాత్రమే కాకుండా, విచారణకర్తలు వాస్తవ మానవ భాగస్వాములను సరిగ్గా గుర్తించిన రేటును కూడా గణనీయంగా అధిగమిస్తుంది.
- Meta యొక్క Llama-3.1-405B, మరొక అత్యాధునిక పెద్ద భాషా నమూనా, కూడా ఆకట్టుకునే విధంగా ప్రదర్శించింది. ఇది మానవుడిగా గుర్తించబడటంలో 56% విజయ రేటును సాధించింది, ఎంపికలు యాదృచ్ఛికంగా ఉంటే (సుమారు 50%) ఆశించిన బేస్‌లైన్ పనితీరుతో సమర్థవంతంగా సరిపోలుతుంది మరియు మానవ సంభాషణ నమూనాలను అనుకరించే బలమైన సామర్థ్యాన్ని ప్రదర్శిస్తుంది.
ఈ అధిక విజయ రేట్లు ప్రయోగంలో చేర్చబడిన బేస్‌లైన్ మరియు నియంత్రణ నమూనాల పనితీరుకు పూర్తి విరుద్ధంగా ఉన్నాయి:
- GPT-4o, సమర్థవంతమైన కానీ సంభావ్యంగా తక్కువ అధునాతన OpenAI నమూనా, కేవలం 21% గెలుపు రేటును కలిగి ఉంది.
- ELIZA, 1960లలో అభివృద్ధి చేయబడిన ఒక ప్రాథమిక చాట్‌బాట్, నియంత్రణగా పనిచేసింది. తక్కువ అధునాతన వ్యవస్థను ఎదుర్కొన్నప్పుడు విచారణకర్తలు వాస్తవానికి మానవేతర ప్రతిస్పందనలను వేరు చేయగలరని నిర్ధారించడానికి దాని చేరిక చాలా ముఖ్యమైనది. ఊహించినట్లుగా, ELIZA పేలవంగా ప్రదర్శించింది, చాలా సమయం మానవేతరంగా సరిగ్గా గుర్తించబడింది (కేవలం 23% గెలుపు రేటు, తప్పనిసరిగా శబ్దం అంతస్తు లేదా పాల్గొనేవారి లోపాన్ని కొలుస్తుంది).
GPT-4.5 మరియు Llama-3.1 పనితీరుకు GPT-4o మరియు ELIZA తో పోలిస్తే గణనీయమైన అంతరం ఇటీవలి AI అభివృద్ధిలో సాధించిన పురోగతిని నొక్కి చెబుతుంది. వారి అధ్యయనం ‘ఏదైనా వ్యవస్థ అసలు మూడు-పార్టీ ట్యూరింగ్ పరీక్షలో ఉత్తీర్ణత సాధించిందని మొదటి బలమైన సాక్ష్యాలను అందిస్తుంది’ అని పరిశోధకులు నొక్కిచెప్పారు, ఇది పీర్ రివ్యూ పెండింగ్‌లో ఉంది, AI చరిత్రలో ఒక ముఖ్యమైన క్షణాన్ని సూచిస్తుంది.
వ్యక్తిత్వం మరియు ప్రాంప్టింగ్ యొక్క కీలక పాత్ర
అయితే, AI విజయం యొక్క కథనం ఒక ముఖ్యమైన నక్షత్రంతో వస్తుంది, ఇది హెడ్‌లైన్ గణాంకాల వెనుక ఉన్న సూక్ష్మ వాస్తవికతను హైలైట్ చేస్తుంది. GPT-4.5 మరియు Llama-3.1 యొక్క ఆకట్టుకునే విజయ రేట్లు వాటి స్వాభావిక, అవుట్-ఆఫ్-ది-బాక్స్ సామర్థ్యాల ద్వారా మాత్రమే సాధించబడలేదు. బదులుగా, మానవ విచారణకర్తలను మోసం చేయగల వారి సామర్థ్యం పరస్పర చర్యలు ప్రారంభమయ్యే ముందు వారికి ఇవ్వబడిన నిర్దిష్ట సూచనలపై - ప్రాంప్ట్‌లు - ఎక్కువగా ఆధారపడి ఉంటుంది.
పరిశోధకులు AI నమూనాలను జాగ్రత్తగా నిర్వచించిన వ్యక్తిత్వాన్ని స్వీకరించమని ఆదేశించారు: ఇంటర్నెట్ సంస్కృతి గురించి పరిజ్ఞానం ఉన్న యువ, కొంతవరకు అంతర్ముఖ వ్యక్తి. ఈ నిర్దిష్ట లక్షణీకరణ వారి విజయానికి కీలకంగా కనిపిస్తుంది. అదే అధునాతన AI నమూనాలు (GPT-4.5 మరియు Llama-3.1) ఈ వ్యక్తిత్వ ప్రాంప్ట్ లేకుండా పరీక్ష ద్వారా అమలు చేయబడినప్పుడు, వాటి పనితీరు గణనీయంగా పడిపోయింది. మానవ విచారణకర్తలచే అవి యంత్రాలుగా చాలా సులభంగా గుర్తించబడ్డాయి.
ఈ కనుగొనడం అనేక కారణాల వల్ల విమర్శనాత్మకంగా ముఖ్యమైనది:
- ఇది ప్రాంప్ట్ ఇంజనీరింగ్ యొక్క శక్తిని నొక్కి చెబుతుంది: పెద్ద భాషా నమూనాల సామర్థ్యాలను ఉపయోగించుకోవడంలో సమర్థవంతమైన ప్రాంప్ట్‌లను రూపొందించగల సామర్థ్యం ఎక్కువగా కేంద్రంగా మారుతోంది. ఈ అధ్యయనం ప్రాంప్టింగ్ కేవలం AI నుండి సరైన సమాచారాన్ని బయటకు పొందడం గురించి మాత్రమే కాదని ప్రదర్శిస్తుంది; ఇది ఒక నిర్దిష్ట సందర్భానికి సరిపోయేలా దాని ప్రవర్తన, స్వరం మరియు స్పష్టమైన వ్యక్తిత్వాన్ని రూపొందించడం గురించి కూడా. ఇక్కడ విజయం అంతర్లీన AI నిర్మాణానికి అంతే కాకుండా నైపుణ్యం కలిగిన ప్రాంప్టింగ్‌కు నిదర్శనంగా చూడవచ్చు.
- ఇది ‘పాసింగ్’ అంటే ఏమిటనే దానిపై ప్రశ్నలను లేవనెత్తుతుంది: ఒక AI ఒక నిర్దిష్ట రకం మానవుడిలా ప్రవర్తించడానికి ప్రత్యేకంగా శిక్షణ పొందినప్పుడు మాత్రమే ట్యూరింగ్ టెస్ట్‌లో ఉత్తీర్ణత సాధించగలిగితే, అది నిజంగా ట్యూరింగ్ యొక్క అసలు సవాలు యొక్క స్ఫూర్తిని నెరవేరుస్తుందా? లేదా స్పష్టమైన రంగస్థల దిశలను ఇచ్చినప్పుడు అది కేవలం నమూనా యొక్క వశ్యతను మరియు అధునాతన అనుకరణ కోసం దాని సామర్థ్యాన్ని ప్రదర్శిస్తుందా?
- ఇది అనుకూలతను కీలక లక్షణంగా హైలైట్ చేస్తుంది: Jones మరియు Bergen వారి పేపర్‌లో పేర్కొన్నట్లుగా, ‘LLMలు విభిన్న దృశ్యాలకు వాటి ప్రవర్తనను స్వీకరించడానికి ప్రాంప్ట్ చేయబడే సౌలభ్యం వాటిని చాలా సరళంగా చేస్తుంది: మరియు స్పష్టంగా మానవుడిగా ఉత్తీర్ణత సాధించగల సామర్థ్యం కలిగి ఉంటుంది.’ ఈ అనుకూలత నిస్సందేహంగా శక్తివంతమైన లక్షణం, కానీ ఇది స్వాభావిక ‘మేధస్సు’ నుండి ప్రోగ్రామబుల్ పనితీరుకు దృష్టిని మారుస్తుంది.
వ్యక్తిత్వంపై ఆధారపడటం సూచిస్తుంది, ప్రస్తుత AI, దాని అత్యంత అధునాతనమైనప్పటికీ, సాధారణీకరించిన, స్వాభావిక ‘మానవ-వంటి’ నాణ్యతను కలిగి ఉండకపోవచ్చు కానీ అలా చేయమని సూచించినప్పుడు నిర్దిష్ట మానవ-వంటి ముసుగులను స్వీకరించడంలో రాణిస్తుంది.
అనుకరణకు మించి: నిజమైన మేధస్సును ప్రశ్నించడం
పరిశోధకులు స్వయంగా వారి కనుగొన్నల యొక్క వివరణను మితంగా ఉంచడానికి జాగ్రత్తగా ఉన్నారు. ఈ నిర్దిష్ట సంభాషణ పరీక్షలో ఉత్తీర్ణత సాధించడం, కఠినమైన పరిస్థితులలో కూడా, నిజమైన యంత్ర మేధస్సు, స్పృహ లేదా అవగాహన యొక్క ఆగమనంతో స్వయంచాలకంగా సమానం చేయకూడదు. ట్యూరింగ్ టెస్ట్, చారిత్రాత్మకంగా ముఖ్యమైనప్పటికీ, ప్రాథమికంగా పరిమిత సందర్భంలో (ఒక చిన్న టెక్స్ట్ సంభాషణ) ప్రవర్తనాత్మక అస్పష్టతను మూల్యాంకనం చేస్తుంది. ఇది తార్కికం, ఇంగితజ్ఞానం, నైతిక తీర్పు లేదా నిజమైన స్వీయ-అవగాహన వంటి లోతైన అభిజ్ఞా సామర్థ్యాలను తప్పనిసరిగా పరిశోధించదు.
GPT-4.5 మరియు Llama-3.1 వంటి ఆధునిక పెద్ద భాషా నమూనాలు (LLMs) ఇంటర్నెట్ నుండి స్క్రాప్ చేయబడిన టెక్స్ట్ మరియు కోడ్‌తో కూడిన ఊహించలేనంత విస్తారమైన డేటాసెట్‌లపై శిక్షణ పొందాయి. అవి నమూనాలను గుర్తించడంలో, ఒక క్రమంలో తదుపరి పదాన్ని అంచనా వేయడంలో మరియు గణాంకపరంగా మానవ కమ్యూనికేషన్‌ను పోలి ఉండే టెక్స్ట్‌ను రూపొందించడంలో రాణిస్తాయి. టెక్ ఎడ్యుకేషన్ కంపెనీ Waye వ్యవస్థాపకురాలు Sinead Bovell సరిగ్గా ప్రశ్నించినట్లుగా, ‘ఏ ఒక్క వ్యక్తి ఎప్పుడూ చదవలేని లేదా చూడలేని దానికంటే ఎక్కువ మానవ డేటాపై శిక్షణ పొందినప్పుడు… AI చివరికి ‘మానవుడిలా ధ్వనించడం’లో మనల్ని ఓడిస్తుందని పూర్తిగా ఆశ్చర్యకరంగా ఉందా?’
ఈ దృక్పథం సూచిస్తుంది, AI తప్పనిసరిగా మానవుడిలా ‘ఆలోచించడం’ లేదు కానీ ట్రిలియన్ల కొద్దీ పదాలకు గురికావడం ద్వారా మెరుగుపరచబడిన నమూనా-సరిపోలిక మరియు అనుకరణ యొక్క అద్భుతమైన అధునాతన రూపాన్ని మోహరిస్తోంది, ఇది లెక్కలేనన్ని మానవ సంభాషణలు, కథనాలు మరియు పరస్పర చర్యలను సూచిస్తుంది. పరీక్షలో విజయం అందువల్ల మానవ-వంటి జ్ఞానం వైపు ప్రాథమిక లీపు కంటే దాని శిక్షణ డేటా యొక్క సంపూర్ణ పరిమాణం మరియు వెడల్పును ప్రతిబింబించవచ్చు.
పర్యవసానంగా, అధ్యయనం యొక్క రచయితలతో సహా అనేక మంది నిపుణులు వాదిస్తున్నారు, ట్యూరింగ్ టెస్ట్, విలువైన చారిత్రక మార్కర్ అయినప్పటికీ, AI లో అర్థవంతమైన పురోగతిని అంచనా వేయడానికి ఇకపై అత్యంత సముచితమైన బెంచ్‌మార్క్ కాకపోవచ్చు. భవిష్యత్ మూల్యాంకనాలు మరింత డిమాండ్ ఉన్న ప్రమాణాలపై దృష్టి పెట్టాలనే దానిపై పెరుగుతున్న ఏకాభిప్రాయం ఉంది, అవి:
- బలమైన తార్కికం: సంక్లిష్ట సమస్యలను పరిష్కరించడానికి, తార్కిక అనుమితులను గీయడానికి మరియు కారణం మరియు ప్రభావాన్ని అర్థం చేసుకోవడానికి AI యొక్క సామర్థ్యాన్ని అంచనా వేయడం.
- నైతిక సమలేఖనం: AI యొక్క నిర్ణయాత్మక ప్రక్రియలు మానవ విలువలు మరియు నైతిక సూత్రాలతో సమలేఖనం చేయబడి ఉన్నాయో లేదో మూల్యాంకనం చేయడం.
- ఇంగితజ్ఞానం: మానవులు తేలికగా తీసుకునే భౌతిక మరియు సామాజిక ప్రపంచం గురించి అవ్యక్త జ్ఞానంపై AI యొక్క పట్టును పరీక్షించడం.
- నూతన పరిస్థితులకు అనుకూలత: దాని శిక్షణ డేటా నుండి గణనీయంగా భిన్నమైన దృశ్యాలను ఎదుర్కొన్నప్పుడు AI ఎంత బాగా పనిచేస్తుందో కొలవడం.
చర్చ ‘అది మనలా మాట్లాడగలదా?’ నుండి ‘అది మనలా తర్కించగలదా, అర్థం చేసుకోగలదా మరియు బాధ్యతాయుతంగా ప్రవర్తించగలదా?’ కు మారుతుంది.
చారిత్రక సందర్భం మరియు మునుపటి ప్రయత్నాలు
ట్యూరింగ్ టెస్ట్‌లో ఉత్తీర్ణత సాధించగల యంత్రాన్ని సృష్టించాలనే తపన దశాబ్దాలుగా కంప్యూటర్ శాస్త్రవేత్తలను మరియు ప్రజలను ఆకర్షించింది. ఈ ఇటీవలి అధ్యయనం విజయం యొక్క వాదనలు ఉద్భవించిన మొదటిసారి కాదు, అయినప్పటికీ మునుపటి సందర్భాలు తరచుగా సంశయవాదం లేదా అర్హతతో ఎదుర్కొనబడ్డాయి.
బహుశా అత్యంత ప్రసిద్ధ పూర్వ వాదన Eugene Goostman చాట్‌బాట్ 2014 లో జరిగింది. ఈ ప్రోగ్రామ్ 13 ఏళ్ల ఉక్రేనియన్ బాలుడిని అనుకరించాలని లక్ష్యంగా పెట్టుకుంది. Alan Turing మరణం యొక్క 60వ వార్షికోత్సవాన్ని పురస్కరించుకుని జరిగిన పోటీలో, Goostman ఐదు నిమిషాల సంభాషణల సమయంలో 33% న్యాయమూర్తులను అది మానవుడని ఒప్పించగలిగింది. ట్యూరింగ్ టెస్ట్‌లో ‘ఉత్తీర్ణత సాధించింది’ అని విస్తృతంగా నివేదించబడినప్పటికీ, ఈ వాదన వివాదాస్పదమైంది. చాలామంది వాదించారు, 33% విజయ రేటు తరచుగా అవసరమని భావించే 50% థ్రెషోల్డ్‌కు తక్కువగా ఉందని (అయినప్పటికీ ట్యూరింగ్ స్వయంగా ఖచ్చితమైన శాతాన్ని ఎప్పుడూ పేర్కొనలేదు). ఇంకా, విమర్శకులు ఎత్తి చూపారు, స్థానికేతర ఆంగ్ల-మాట్లాడే యువకుడిని అనుకరించడం వ్యాకరణ లోపాలు మరియు జ్ఞాన అంతరాలను మరింత క్షమించదగినదిగా చేసి ఉండవచ్చు, మోసం కోసం బార్‌ను సంభావ్యంగా తగ్గించి ఉండవచ్చు.
Jones మరియు Bergen అధ్యయనంలో ELIZA చేరిక విలువైన చారిత్రక ఆధారాన్ని అందిస్తుంది. 1960లలో MIT లో Joseph Weizenbaum చే అభివృద్ధి చేయబడిన, ELIZA సాధారణ నమూనా సరిపోలిక మరియు కీవర్డ్ ప్రత్యామ్నాయాన్ని ఉపయోగించి పనిచేసింది, తరచుగా వినియోగదారు యొక్క ప్రకటనలను ప్రశ్నలుగా ప్రతిబింబిస్తుంది (ఉదా., వినియోగదారు: ‘నేను విచారంగా ఉన్నాను.’ ELIZA: ‘మీరు ఎందుకు విచారంగా ఉన్నారు?’). దాని సరళత ఉన్నప్పటికీ, కొంతమంది వినియోగదారులు ప్రసిద్ధంగా దానికి మానవ-వంటి అవగాహనను ఆపాదించారు. ఇటీవలి, మరింత కఠినమైన మూడు-పార్టీ పరీక్షలో దాని పేలవమైన పనితీరు (23% గెలుపు రేటు) ప్రయోగాత్మక రూపకల్పన ప్రాథమిక అనుకరణ మరియు ఆధునిక LLMల యొక్క అధునాతన సంభాషణ సామర్థ్యాల మధ్య తేడాను గుర్తించడానికి తగినంత సున్నితంగా ఉందని నిర్ధారిస్తుంది. ELIZA నుండి GPT-4.5 వరకు ప్రయాణం గణన శక్తి, అల్గారిథమిక్ అధునాతనత మరియు డేటా లభ్యతలో అపారమైన లీపును సూచిస్తుంది.
మానవ అంశం: విచారణ వ్యూహాలు మరియు అవగాహనలు
UC శాన్ డియాగో అధ్యయనం సంభాషణలో కృత్రిమత్వాన్ని మానవులు ఎలా గుర్తించడానికి ప్రయత్నిస్తారనే దానిపై ఆసక్తికరమైన అంతర్దృష్టులను కూడా అందిస్తుంది. విచారణకర్తల వ్యూహాల విశ్లేషణ సాధారణ విధానాలను వెల్లడించింది:
- చిన్న చర్చలో పాల్గొనడం (61% ఆటలు): రోజువారీ కార్యకలాపాలు, అభిరుచులు లేదా ప్రాపంచిక వ్యక్తిగత వివరాలను చర్చించడం తరచుగా ఉపయోగించే వ్యూహం, బహుశా AI రోజువారీ మానవ అనుభవం యొక్క సూక్ష్మ నైపుణ్యాలతో పోరాడవచ్చు లేదా ఒప్పించే వ్యక్తిగత చరిత్ర లేకపోవచ్చు అనే ఊహ ఆధారంగా.
- సామాజిక మరియు భావోద్వేగ లక్షణాల కోసం పరిశోధించడం (50%): విచారణకర్తలు తరచుగా భావాలు, అభిప్రాయాలు, సానుభూతి లేదా సామాజిక అవగాహనకు సంబంధించిన ప్రతిస్పందనలను రాబట్టడానికి ప్రయత్నించారు, ఇవి సాంప్రదాయకంగా ప్రత్యేకంగా మానవ లక్షణాలుగా పరిగణించబడతాయి.
- విచిత్రతతో పరీక్షించడం: కొన్ని అత్యంత ప్రభావవంతమైన వ్యూహాలలో సాధారణ సంభాషణ నుండి వైదొలగడం జరిగింది. ప్రతిచర్యను అంచనా వేయడానికి విచిత్రమైన లేదా ఊహించనిది చెప్పడం, కొత్తదనం లేదా అసంబద్ధతను సునాయాసంగా నిర్వహించగల AI యొక్క సామర్థ్యాన్ని పరీక్షించడం ఇందులో ఉన్నాయి.
- ‘జైల్‌బ్రేకింగ్’ ప్రయత్నించడం: మరింత సాంకేతికంగా అవగాహన ఉన్న విచారణకర్తలు AI యొక్క భద్రతా ప్రోటోకాల్‌లను దాటవేయడానికి లేదా యంత్రంగా దాని అంతర్లీన స్వభావాన్ని వెల్లడించడానికి రూపొందించిన నిర్దిష్ట ప్రాంప్ట్‌లు లేదా ప్రశ్నలను ఉపయోగించడానికి ప్రయత్నించారు.
ఈ వ్యూహాలు సూచిస్తున్నాయి, మానవులు తరచుగా గ్రహించిన భావోద్వేగ లోతు, వ్యక్తిగత కథనంలో స్థిరత్వం మరియు సంభాషణ కర్వ్‌బాల్‌లను నిర్వహించగల సామర్థ్యంపై మానవత్వానికి గుర్తులుగా ఆధారపడతారు.
ఆసక్తికరంగా, GPT-4.5 యొక్క విజయం, ముఖ్యంగా వాస్తవ మానవులతో పోలిస్తే కూడా దాని అధిక రేటింగ్, ఆవిష్కరణ ఆలోచనాపరుడు John Nosta ను ఇలా వ్యాఖ్యానించడానికి దారితీసింది, ‘మేము కృత్రిమ మేధస్సుకు ఓడిపోవడం లేదు. మేము కృత్రిమ సానుభూతికి ఓడిపోతున్నాము.’ ఈ వ్యాఖ్య భాషా నమూనాలను అనుకరించడంలో మాత్రమే కాకుండా, మానవ పరస్పర చర్య యొక్క ప్రభావిత లక్షణాలను అనుకరించడంలో కూడా AI యొక్క పెరుగుతున్న నైపుణ్యం వైపు చూపుతుంది - స్పష్టమైన అవగాహన, ఆందోళన లేదా భాగస్వామ్య భావనను వ్యక్తం చేయడం, ఇవి నిజంగా అనుభూతి చెందడం కంటే అల్గారిథమిక్‌గా ఉత్పత్తి చేయబడినప్పటికీ. సానుభూతితో కూడిన ప్రతిస్పందనలను రూపొందించగల సామర్థ్యం AI యొక్క ప్రామాణికత గురించి మానవులను ఒప్పించడంలో శక్తివంతమైన సాధనంగా కనిపిస్తుంది.
విస్తృత ప్రభావాలు: ఆర్థిక వ్యవస్థ, సమాజం మరియు భవిష్యత్తు
GPT-4.5 మరియు Llama-3.1 వంటి నమూనాల ద్వారా ట్యూరింగ్ టెస్ట్ బెంచ్‌మార్క్‌ను విజయవంతంగా నావిగేట్ చేయడం, ప్రాంప్టింగ్ యొక్క హెచ్చరికతో కూడా, విద్యా లేదా సాంకేతిక రంగాలకు మించిన ప్రభావాలను కలిగి ఉంటుంది. ఇది AI లో సంభాషణ పటిమ మరియు ప్రవర్తనా అనుకూలత యొక్క స్థాయిని సూచిస్తుంది, ఇది జీవితంలోని వివిధ అంశాలను గణనీయంగా పునర్నిర్మించగలదు.
ఆర్థిక అంతరాయం: మానవ-వంటి మార్గాల్లో సంభాషించగల AI యొక్క సామర్థ్యం ఉద్యోగ స్థానభ్రంశం గురించి మరిన్ని ఆందోళనలను లేవనెత్తుతుంది. కమ్యూనికేషన్, కస్టమర్ సర్వీస్, కంటెంట్ క్రియేషన్ మరియు సహచర్యం లేదా కోచింగ్ యొక్క కొన్ని రూపాలపై ఎక్కువగా ఆధారపడే పాత్రలు సహజంగా మరియు సమర్థవంతంగా సంభాషించగల AI వ్యవస్థల ద్వారా సంభావ్యంగా స్వయంచాలకంగా లేదా గణనీయంగా మార్చబడవచ్చు.
సామాజిక ఆందోళనలు: AI అనుకరణ యొక్క పెరుగుతున్న అధునాతనత మానవ సంబంధాలు మరియు సామాజిక విశ్వాసానికి సవాళ్లను విసురుతుంది.
- అత్యంత ఒప్పించే AI చాట్‌బాట్‌లతో విస్తృతమైన పరస్పర చర్య నిజమైన మానవ సంబంధం యొక్క విలువ తగ్గింపుకు దారితీస్తుందా?
- మద్దతు సేవలు లేదా ఆన్‌లైన్ సంబంధాలు వంటి సున్నితమైన సందర్భాలలో, ముఖ్యంగా, వారు మానవుడితో లేదా AI తో సంభాషిస్తున్నారో ప్రజలకు తెలిసేలా పారదర్శకతను ఎలా నిర్ధారిస్తాము?
- మోసాలు, తప్పుడు సమాచార ప్రచారాలు లేదా హానికరమైన సామాజిక ఇంజనీరింగ్ కోసం అత్యంత నమ్మదగిన ‘డీప్‌ఫేక్’ వ్యక్తిత్వాలను సృష్టించడంలో దుర్వినియోగం యొక్క సంభావ్యత గణనీయంగా పెరుగుతుంది.
ఏజెంటిక్ AI యొక్క పెరుగుదల: ఈ పరిణామాలు ఏజెంటిక్ AI వైపు విస్తృత ధోరణితో సమలేఖనం చేయబడ్డాయి - కేవలం ప్రాంప్ట్‌లకు ప్రతిస్పందించడానికి మాత్రమే కాకుండా, స్వయంప్రతిపత్తితో లక్ష్యాలను అనుసరించడానికి, పనులను నిర్వహించడానికి మరియు డిజిటల్ వాతావరణాలతో సంభాషించడానికి రూపొందించబడిన వ్యవస్థలు. Microsoft, Adobe, Zoom, మరియు Slack వంటి కంపెనీలు సమావేశాలను షెడ్యూల్ చేయడం మరియు పత్రాలను సంగ్రహించడం నుండి ప్రాజెక్ట్‌లను నిర్వహించడం మరియు కస్టమర్‌లతో సంభాషించడం వరకు పనులను స్వయంచాలకంగా చేసే వర్చువల్ సహోద్యోగులుగా పనిచేయడానికి ఉద్దేశించిన AI ఏజెంట్‌లను చురుకుగా అభివృద్ధి చేస్తున్నాయి. సంభాషణలో మానవుడిగా ఒప్పించగల AI సమర్థవంతమైన మరియు సమగ్ర AI ఏజెంట్‌లను సృష్టించడానికి పునాది అంశం.
హెచ్చరిక స్వరాలు: సమలేఖనం మరియు ఊహించని పరిణామాలు
AI పురోగతి చుట్టూ ఉన్న ఉత్సాహం మధ్య, ప్రముఖ స్వరాలు భద్రత మరియు నైతిక పరిగణనల యొక్క కీలక ప్రాముఖ్యతను నొక్కిచెబుతూ, హెచ్చరికను కోరుతున్నాయి. ఫ్లోరిడా అట్లాంటిక్ విశ్వవిద్యాలయంలోని సెంటర్ ఫర్ ది ఫ్యూచర్ మైండ్ వ్యవస్థాపక డైరెక్టర్ Susan Schneider, ఈ శక్తివంతమైన చాట్‌బాట్‌ల సమలేఖనం గురించి ఆందోళన వ్యక్తం చేశారు. ‘ఈ AI చాట్‌బాట్‌లు సరిగ్గా సమలేఖనం చేయబడకపోవడం చాలా దురదృష్టకరం,’ అని ఆమె హెచ్చరించారు, AI అభివృద్ధి ఈ వ్యవస్థలు సురక్షితంగా మరియు మానవ విలువలకు అనుగుణంగా పనిచేస్తాయని నిర్ధారించే మన సామర్థ్యాన్ని అధిగమిస్తే సంభావ్య ప్రమాదాలను హైలైట్ చేశారు.
సమలేఖనానికి ప్రాధాన్యత ఇవ్వకపోతే సవాళ్లతో నిండిన భవిష్యత్తును Schneider అంచనా వేస్తున్నారు: ‘అయినప్పటికీ, నేను అంచనా వేస్తున్నాను: అవి సామర్థ్యాలలో పెరుగుతూనే ఉంటాయి మరియు అది ఒక పీడకల అవుతుంది - ఆకస్మిక లక్షణాలు, ‘లోతైన నకిలీలు’, చాట్‌బాట్ సైబర్‌వార్స్.’
- ఆకస్మిక లక్షణాలు అధునాతన AI వంటి సంక్లిష్ట వ్యవస్థలలో తలెత్తగల ఊహించని ప్రవర్తనలు లేదా సామర్థ్యాలను సూచిస్తాయి, ఇవి వాటి సృష్టికర్తలచే స్పష్టంగా ప్రోగ్రామ్ చేయబడకపోవచ్చు లేదా ఊహించబడకపోవచ్చు.
- ‘లోతైన నకిలీలు’ తారుమారు చేయబడిన చిత్రాలు లేదా వీడియోలకు మించి విస్తరించి, పెద్ద ఎత్తున మోసం కోసం పూర్తిగా కల్పిత, ఇంటరాక్టివ్ వ్యక్తిత్వాలను సంభావ్యంగా కలిగి ఉంటాయి.
- ‘చాట్‌బాట్ సైబర్‌వార్స్’ పెద్ద ఎత్తున తప్పుడు సమాచారం లేదా స్వయంచాలక సామాజిక తారుమారు వంటి హానికరమైన ప్రయోజనాల కోసం AI వ్యవస్థలు ఒకదానికొకటి లేదా మానవ వ్యవస్థలకు వ్యతిరేకంగా మోహరించబడిన దృశ్యాలను ఊహించింది.
ఈ హెచ్చరిక దృక్పథం Ray Kurzweil (Schneider సూచించిన) వంటి భవిష్యత్తువాదులతో తరచుగా అనుబంధించబడిన మరింత ఆశాజనక దర్శనాలతో తీవ్రంగా విభేదిస్తుంది, అతను సాంకేతిక ఏకత్వానికి దారితీసే విపరీతంగా అభివృద్ధి చెందుతున్న AI ద్వారా ఎక్కువగా సానుకూలంగా రూపాంతరం చెందిన భవిష్యత్తును ప్రసిద్ధంగా అంచనా వేస్తాడు. చర్చ కృత్రిమ మేధస్సు అభివృద్ధి యొక్క తదుపరి దశలను నావిగేట్ చేయడంలో ఉన్న తీవ్ర అనిశ్చితిని మరియు అధిక వాటాలను నొక్కి చెబుతుంది. మానవ సంభాషణను ఒప్పించే విధంగా అనుకరించగల సామర్థ్యం ఒక అద్భుతమైన సాంకేతిక ఘనత, కానీ మనం ఈ కొత్త శకంలోకి మరింత అడుగుపెడుతున్నప్పుడు జాగ్రత్తగా పరిశీలించాల్సిన నైతిక, సామాజిక మరియు అస్తిత్వ ప్రశ్నల పాండోరా పెట్టెను కూడా ఇది తెరుస్తుంది.