Khái niệm ChatGPT vượt qua thành công Bài Kiểm Tra Turing ngày càng được xem là một kết quả tất yếu. Thật vậy, một số nhà nghiên cứu đã tin chắc rằng nó đã đạt được kỳ tích này.
Sự phát triển của chatbot, được minh họa bởi ChatGPT, cho thấy sự tăng vọt đáng kể về trí thông minh, tính tự nhiên và các phẩm chất giống con người. Sự tiến triển này là hợp lý, vì con người là kiến trúc sư của các mô hình ngôn ngữ lớn (LLM) tạo thành nền tảng của các chatbot AI này. Khi các công cụ này tinh chỉnh khả năng "lý luận" của chúng và mô phỏng lời nói của con người với độ chính xác cao hơn, một câu hỏi quan trọng đặt ra: Chúng có đủ tiên tiến để vượt qua Bài Kiểm Tra Turing không?
Trong nhiều thập kỷ, Bài Kiểm Tra Turing đã là một chuẩn mực quan trọng trong việc đánh giá trí thông minh của máy móc. Hiện tại, các nhà nghiên cứu đang tích cực đưa các LLM như ChatGPT vào đánh giá nghiêm ngặt này. Một kết quả thành công sẽ đại diện cho một cột mốc quan trọng trong lĩnh vực phát triển AI.
Vậy, ChatGPT có khả năng vượt qua Bài Kiểm Tra Turing không? Một số nhà nghiên cứu khẳng định rằng nó có. Tuy nhiên, kết quả vẫn còn nhiều cách giải thích. Bài Kiểm Tra Turing không đưa ra một kết quả nhị phân đơn giản, khiến các phát hiện có phần mơ hồ. Hơn nữa, ngay cả khi ChatGPT vượt qua Bài Kiểm Tra Turing, nó có thể không cung cấp một dấu hiệu xác định về các phẩm chất "giống con người" vốn có trong một LLM.
Hãy đi sâu vào những điều phức tạp.
Giải Mã Bài Kiểm Tra Turing
Bản chất của Bài Kiểm Tra Turing cực kỳ đơn giản.
Được hình thành bởi nhà toán học người Anh Alan Turing, một nhân vật tiên phong trong khoa học máy tính, Trò Chơi Bắt Chước, như ban đầu được biết đến, đóng vai trò là một bài kiểm tra nhanh về trí thông minh của máy móc. Bài Kiểm Tra Turing bao gồm một người đánh giá tham gia vào các cuộc trò chuyện với cả người và máy, mà không biết cái nào là cái nào. Nếu người đánh giá không thể phân biệt máy với người, thì máy được coi là đã vượt qua Bài Kiểm Tra Turing. Trong môi trường nghiên cứu, thử nghiệm này được thực hiện nhiều lần với nhiều người đánh giá khác nhau.
Điều quan trọng là phải nhận ra rằng thử nghiệm này không xác định chắc chắn liệu một LLM có sở hữu cùng trình độ trí thông minh như một con người hay không. Thay vào đó, nó đánh giá khả năng giả mạo con người một cách thuyết phục của LLM.
Quá Trình Tư Duy Của LLM
LLM, về bản chất, thiếu bộ não vật lý, ý thức hoặc sự hiểu biết toàn diện về thế giới. Chúng không có ý thức về bản thân và không có ý kiến hoặc niềm tin thực sự.
Các mô hình này được đào tạo trên các tập dữ liệu khổng lồ bao gồm một loạt các nguồn thông tin, bao gồm sách, bài viết trực tuyến, tài liệu và bản ghi. Khi người dùng cung cấp đầu vào bằng văn bản, mô hình AI sử dụng khả năng "lý luận" của nó để phân biệt ý nghĩa và ý định có khả năng nhất đằng sau đầu vào. Sau đó, mô hình tạo ra một phản hồi dựa trên cách giải thích này.
Về cốt lõi, LLM hoạt động như các công cụ dự đoán từ ngữ tinh vi. Tận dụng dữ liệu đào tạo mở rộng của chúng, chúng tính toán xác suất cho "token" ban đầu (thường là một từ đơn) của phản hồi, dựa trên vốn từ vựng của chúng. Quá trình lặp đi lặp lại này tiếp tục cho đến khi một phản hồi hoàn chỉnh được xây dựng. Mặc dù lời giải thích này được đơn giản hóa, nhưng nó nắm bắt được bản chất của cách LLM tạo ra phản hồi dựa trên xác suất thống kê hơn là sự hiểu biết thực sự về thế giới.
Do đó, không chính xác khi cho rằng LLM "suy nghĩ" theo nghĩa thông thường.
Bằng Chứng Thực Nghiệm: ChatGPT và Bài Kiểm Tra Turing
Nhiều nghiên cứu đã khám phá hiệu suất của ChatGPT trên Bài Kiểm Tra Turing, với nhiều kết quả tích cực. Điều này đã khiến một số nhà khoa học máy tính khẳng định rằng các LLM như GPT-4 và GPT-4.5 hiện đã vượt qua ngưỡng của Bài Kiểm Tra Turing.
Hầu hết các đánh giá này tập trung vào mô hình GPT-4 của OpenAI, cung cấp năng lượng cho phần lớn các tương tác ChatGPT. Một nghiên cứu được thực hiện bởi UC San Diego cho thấy rằng những người đánh giá thường không thể phân biệt GPT-4 với một người. Trong nghiên cứu này, GPT-4 đã bị xác định nhầm là người trong 54% trường hợp. Tuy nhiên, hiệu suất này vẫn còn tụt hậu so với hiệu suất của người thực, những người được xác định chính xác là người trong 67% thời gian.
Sau khi phát hành GPT-4.5, các nhà nghiên cứu của UC San Diego đã sao chép nghiên cứu. Lần này, LLM được xác định là người trong 73% trường hợp, vượt qua hiệu suất của người thực. Nghiên cứu cũng chỉ ra rằng LLaMa-3.1-405B của Meta có khả năng vượt qua bài kiểm tra.
Các nghiên cứu tương tự được thực hiện độc lập với UC San Diego cũng đã gán điểm đạt cho GPT. Một nghiên cứu năm 2024 của Đại học Reading liên quan đến GPT-4 tạo ra các phản hồi cho các bài đánh giá mang về nhà cho các khóa học đại học. Những người chấm điểm không biết về thử nghiệm và chỉ đánh dấu một trong số 33 bài nộp. ChatGPT đã nhận được điểm trên trung bình cho 32 mục còn lại.
Những nghiên cứu này có kết luận không? Không hoàn toàn. Một số nhà phê bình cho rằng những phát hiện nghiên cứu này ít ấn tượng hơn vẻ ngoài của chúng. Sự hoài nghi này ngăn cản chúng ta tuyên bố một cách dứt khoát rằng ChatGPT đã vượt qua Bài Kiểm Tra Turing.
Tuy nhiên, rõ ràng là trong khi các thế hệ LLM trước đây, chẳng hạn như GPT-4, đôi khi vượt qua Bài Kiểm Tra Turing, thì kết quả thành công đang trở nên phổ biến hơn khi LLM tiếp tục tiến bộ. Với sự xuất hiện của các mô hình tiên tiến như GPT-4.5, chúng ta đang nhanh chóng tiến đến một điểm mà các mô hình có thể vượt qua Bài Kiểm Tra Turing một cách nhất quán.
OpenAI hình dung một tương lai nơi việc phân biệt giữa người và AI trở nên bất khả thi. Tầm nhìn này được phản ánh trong khoản đầu tư của Giám đốc điều hành OpenAI Sam Altman vào một dự án xác minh con người liên quan đến một thiết bị quét nhãn cầu được gọi là The Orb.
Tự Đánh Giá Của ChatGPT
Khi được hỏi liệu nó có thể vượt qua Bài Kiểm Tra Turing hay không, ChatGPT đã trả lời khẳng định, mặc dù có những cảnh báo đã được thảo luận. Khi được nhắc câu hỏi, "ChatGPT có thể vượt qua Bài Kiểm Tra Turing không?" chatbot AI (sử dụng mô hình 4o) tuyên bố rằng "ChatGPT có thể vượt qua Bài Kiểm Tra Turing trong một số trường hợp, nhưng không đáng tin cậy hoặc phổ quát". Chatbot kết luận rằng "Nó có thể vượt qua Bài Kiểm Tra Turing với một người dùng trung bình trong các điều kiện thông thường, nhưng một người thẩm vấn quyết tâm và chu đáo hầu như luôn có thể vạch mặt nó".
Hạn Chế Của Bài Kiểm Tra Turing
Một số nhà khoa học máy tính hiện coi Bài Kiểm Tra Turing là lỗi thời và có giá trị hạn chế trong việc đánh giá LLM. Gary Marcus, một nhà tâm lý học, nhà khoa học nhận thức, tác giả và nhà bình luận AI người Mỹ, đã tóm tắt ngắn gọn quan điểm này trong một bài đăng trên blog gần đây, nói rằng "như tôi (và nhiều người khác) đã nói trong nhiều năm, Bài Kiểm Tra Turing là một bài kiểm tra về sự cả tin của con người, không phải là một bài kiểm tra về trí thông minh".
Điều quan trọng nữa là phải nhớ rằng Bài Kiểm Tra Turing tập trung vào nhận thức về trí thông minh hơn là trí thông minh thực tế. Sự khác biệt này là rất quan trọng. Một mô hình như ChatGPT 4o có thể vượt qua bài kiểm tra chỉ đơn giản bằng cách bắt chước lời nói của con người. Hơn nữa, sự thành công của một LLM trong bài kiểm tra sẽ phụ thuộc vào chủ đề thảo luận và người đánh giá. ChatGPT có thể vượt trội trong cuộc trò chuyện thông thường nhưng lại gặp khó khăn với các tương tác đòi hỏi trí thông minh cảm xúc thực sự. Hơn nữa, các hệ thống AI hiện đại ngày càng được sử dụng cho các ứng dụng vượt ra ngoài cuộc trò chuyện đơn giản, đặc biệt là khi chúng ta tiến tới một thế giới AI đại lý.
Điều này không có nghĩa là Bài Kiểm Tra Turing hoàn toàn không liên quan. Nó vẫn là một chuẩn mực lịch sử quan trọng, và điều đáng chú ý là LLM có khả năng vượt qua nó. Tuy nhiên, Bài Kiểm Tra Turing không phải là thước đo cuối cùng của trí thông minh của máy móc.
Vượt Qua Bài Kiểm Tra Turing: Tìm Kiếm Một Chuẩn Mực Tốt Hơn
Bài Kiểm Tra Turing, mặc dù có ý nghĩa lịch sử, nhưng ngày càng được xem là một thước đo không đầy đủ về trí tuệ nhân tạo thực sự. Việc nó tập trung vào việc bắt chước cuộc trò chuyện của con người bỏ qua các khía cạnh quan trọng của trí thông minh, chẳng hạn như giải quyết vấn đề, khả năng sáng tạo và khả năng thích ứng. Việc thử nghiệm dựa vào sự lừa dối cũng làm dấy lên những lo ngại về đạo đức, vì nó khuyến khích các hệ thống AI giả vờ có những phẩm chất giống con người thay vì phát triển trí thông minh thực sự.
Sự Cần Thiết Của Các Số Liệu Mới
Khi công nghệ AI tiến bộ, nhu cầu về các chuẩn mực toàn diện và phù hợp hơn ngày càng trở nên rõ ràng. Các số liệu mới này sẽ giải quyết những thiếu sót của Bài Kiểm Tra Turing và cung cấp một đánh giá chính xác hơn về khả năng của AI. Một số hướng tiềm năng cho các chuẩn mực trong tương lai bao gồm:
- Giải quyết vấn đề trong thế giới thực: Các bài kiểm tra yêu cầu các hệ thống AI giải quyết các vấn đề phức tạp trong thế giới thực, chẳng hạn như thiết kế một mạng lưới năng lượng bền vững hoặc phát triển một phương pháp chữa trị cho một căn bệnh.
- Các nhiệm vụ sáng tạo: Các đánh giá đánh giá khả năng của AI để tạo ra nội dung độc đáo và giàu trí tưởng tượng, chẳng hạn như viết một cuốn tiểu thuyết, sáng tác âm nhạc hoặc tạo ra tác phẩm nghệ thuật.
- Khả năng thích ứng và học hỏi: Các số liệu đo lường khả năng của AI để học hỏi từ những kinh nghiệm mới và thích ứng với môi trường thay đổi.
- Các cân nhắc về đạo đức: Các đánh giá đánh giá khả năng của AI để đưa ra các quyết định đạo đức và tránh những thành kiến.
Ví Dụ Về Các Chuẩn Mực Mới Nổi
Một số chuẩn mực mới đang nổi lên để giải quyết những hạn chế của Bài Kiểm Tra Turing. Chúng bao gồm:
- Thử Thách Winograd Schema: Bài kiểm tra này tập trung vào khả năng của AI để hiểu các đại từ mơ hồ trong câu.
- Thử Thách Lý Luận AI2: Chuẩn mực này đánh giá khả năng lý luận và trả lời các câu hỏi dựa trên các văn bản phức tạp của AI.
- Thử Thách Lý Luận Thông Thường: Bài kiểm tra này đánh giá sự hiểu biết của AI về kiến thức thông thường và khả năng đưa ra suy luận của nó.
Tương Lai Của Đánh Giá AI
Tương lai của đánh giá AI có thể sẽ liên quan đến sự kết hợp của các chuẩn mực khác nhau, mỗi chuẩn mực được thiết kế để đánh giá các khía cạnh cụ thể của trí thông minh. Các chuẩn mực này nên liên tục phát triển để theo kịp những tiến bộ nhanh chóng trong công nghệ AI. Hơn nữa, điều quan trọng là phải thu hút nhiều bên liên quan khác nhau, bao gồm các nhà nghiên cứu, nhà hoạch định chính sách và công chúng, vào việc phát triển và đánh giá các chuẩn mực AI.
Vượt Ra Khỏi Sự Bắt Chước
Cuối cùng, mục tiêu của nghiên cứu AI là phát triển các hệ thống không chỉ thông minh mà còn có lợi cho nhân loại. Điều này đòi hỏi phải vượt ra ngoài việc theo đuổi sự bắt chước giống con người và tập trung vào việc phát triển các hệ thống AI có thể giải quyết các vấn đề trong thế giới thực, nâng cao khả năng sáng tạo và thúc đẩy việc ra quyết định có đạo đức. Bằng cách áp dụng các chuẩn mực mới và tập trung vào các mục tiêu rộng lớn hơn này, chúng ta có thể mở khóa toàn bộ tiềm năng của AI và tạo ra một tương lai nơi AI và con người làm việc cùng nhau để tạo ra một thế giới tốt đẹp hơn.