Alexa的首席科學(xué)家認(rèn)為，舊的計算基準(zhǔn)與當(dāng)今的AI時代不再相關(guān)。自艾倫·圖靈（Alan Turing）發(fā)表論文介紹圖靈測試的概念以回應(yīng)“機(jī)器可以思考嗎？”這一問題以來，今年已經(jīng)是70年了。該測試的目的是確定一臺機(jī)器是否可以表現(xiàn)出與人類沒有區(qū)別的對話行為。Turing預(yù)測，到2000年，在模擬游戲中，從評估者中隱藏了正在做出響應(yīng)的人（人類或AI），普通人將AI與人類區(qū)分開的機(jī)會不到70％。

作為一個行業(yè)，為什么我們不能在實現(xiàn)這一目標(biāo)的20年后實現(xiàn)這一目標(biāo)？我相信Turing提出的目標(biāo)對于像我這樣的AI科學(xué)家來說并不是一個有用的目標(biāo)。圖靈測試充滿局限性，其中一些圖靈本人在開創(chuàng)性論文中對此進(jìn)行了辯論。如今，人工智能已無處不在地集成到我們的電話，汽車和房屋中，人們越來越在乎與計算機(jī)的交互是有用，無縫和透明的，并且人們無法區(qū)分機(jī)器這一概念。因此，是時候退役已經(jīng)成為過去七年靈感的絕殺了，并提出了一個新的挑戰(zhàn)，這一挑戰(zhàn)同樣會激發(fā)研究人員和從業(yè)人員。

圖靈測試和大眾的想象力
在引入圖靈測試之后的幾年中，圖靈測試成為了學(xué)術(shù)界的AI北極星。60年代和70年代最早的聊天機(jī)器人ELIZA和PARRY以通過測試為中心。就在2014年，聊天機(jī)器人Eugene Goostman宣稱它通過了圖靈測試，并欺騙了33％的判斷是人類。但是，正如其他人指出的那樣，愚弄30％的法官的門檻是任意的，即使到那時，勝利對某些人還是過時的。

盡管如此，圖靈測試仍在繼續(xù)引起人們的想象。OpenAI的剖成預(yù)先訓(xùn)練變壓器3（GPT-3）語言模型已經(jīng)掀起頭條了解其潛在擊敗圖靈測試。同樣，記者，商業(yè)領(lǐng)袖和其他觀察員仍然問我：“ Alexa何時通過圖靈測試？” 當(dāng)然，圖靈測試是衡量Alexa智力的一種方法，但是以這種方式衡量Alexa的智力是否必然且相關(guān)？

為了回答這個問題，讓我們回到圖靈第一次提出論文的時候。1950年，第一臺商用計算機(jī)尚未售出，光纜的基礎(chǔ)工作再也不會發(fā)布四年了，并且AI領(lǐng)域還沒有正式建立，那就是1956年。與Apollo 11相比，我們手機(jī)上的計算能力高出100,000倍，再加上云計算和高帶寬連接，人工智能現(xiàn)在可以在幾秒鐘內(nèi)根據(jù)大量數(shù)據(jù)做出決策。

盡管Turing的最初愿景繼續(xù)鼓舞人心，但將其測試解釋為AI進(jìn)步的終極標(biāo)志受到其引入時代的限制。首先，圖靈測試幾乎不考慮AI的類似計算機(jī)的快速計算和信息查找屬性，這是現(xiàn)代AI最有效的功能。對欺騙人類的強(qiáng)調(diào)意味著，要使AI通過圖靈的測試，它必須在回答“諸如您知道3434756的立方根是什么？”之類的問題時注入停頓。或者，“西雅圖到波士頓有多遠(yuǎn)？” 實際上，AI會立即知道這些答案，而暫停使其答案聽起來更人性化并不是最佳地運用其技能。此外，圖靈測試沒有考慮到AI使用傳感器來聽，看和感覺外界的能力日益增強(qiáng)。相反，它僅限于文本。

為了使AI在今天變得更加有用，這些系統(tǒng)需要有效地完成我們的日常任務(wù)。如果您要讓AI助手關(guān)閉車庫燈，則不需要對話。相反，您希望它滿足該請求并通過簡單的確認(rèn)（“確定”或“完成”）通知您。即使您與AI助手就某個熱門話題進(jìn)行了廣泛的對話，或者向您的孩子朗讀了一個故事，您仍然想知道它是AI而不是人類。實際上，假裝為人類來“欺騙”用戶會構(gòu)成真正的風(fēng)險。想象一下反烏托邦的可能性，就像我們已經(jīng)開始看到的那樣，機(jī)器人在播撒錯誤信息和出現(xiàn)大量假貨。

人工智能面臨的新挑戰(zhàn)
我們的抱負(fù)應(yīng)該不是建立使AI與人類難以區(qū)分的迷戀，而是要建立以公平和包容的方式增強(qiáng)人類智力并改善我們?nèi)粘Ｉ畹腁I。一個有價值的基本目標(biāo)是使AI展現(xiàn)類似于人類的智力屬性（包括常識，自我監(jiān)督和語言能力），并結(jié)合諸如快速搜索，記憶調(diào)用和代表您完成任務(wù)之類的機(jī)器效率。最終結(jié)果是學(xué)習(xí)和完成各種任務(wù)，并適應(yīng)新的情況，這遠(yuǎn)遠(yuǎn)超出了普通人的能力。

該重點為當(dāng)前對真正重要的AI領(lǐng)域的研究提供了信息-感官理解，交談，廣泛而深入的知識，有效的學(xué)習(xí)，決策推理以及消除任何不當(dāng)偏見或偏見（即公平）。這些領(lǐng)域的進(jìn)展可以通過多種方式衡量。一種方法是將挑戰(zhàn)分解為組成任務(wù)。例如，Kaggle的“抽象與推理挑戰(zhàn)”專注于解決AI以前從未見過的推理任務(wù)。另一種方法是為人機(jī)交互設(shè)計大規(guī)模的現(xiàn)實世界挑戰(zhàn)，例如Alexa Prize Socialbot Grand Challenge，這是一項針對大學(xué)生對話式AI的競賽。

實際上，當(dāng)我們在2016年啟動Alexa獎時，我們就如何評估競爭性“社交機(jī)器人”進(jìn)行了激烈的辯論。我們是否在試圖說服人們，這個社交機(jī)器人是人，所以部署了圖靈測試的一個版本？或者，我們是否在努力使AI值得自然交流，以促進(jìn)學(xué)習(xí)，提供娛樂或只是分散注意力呢？

我們發(fā)現(xiàn)了一個要求社交機(jī)器人與人類進(jìn)行20分鐘的連貫對話的主題，涉及娛樂，體育，政治和技術(shù)等廣泛的熱門話題。在進(jìn)入決賽之前的開發(fā)階段，客戶會根據(jù)是否希望再次與機(jī)器人對話對機(jī)器人進(jìn)行評分。在決賽中，獨立的人類裁判會評估連貫性和自然性，并以5分制評分。如果有任何社交機(jī)器人在平均20分鐘的時間內(nèi)進(jìn)行交流并且得分達(dá)到4.0或更高，那么它將滿足挑戰(zhàn)。盡管尚未解決嚴(yán)峻的挑戰(zhàn)，但這種方法正在指導(dǎo)AI開發(fā)，該開發(fā)具有基于深度學(xué)習(xí)的神經(jīng)方法所具有的類似于人的對話能力。

像Alexa這樣的AI在我們的日常生活中被廣泛采用，這是衡量AI進(jìn)步的另一個難得的機(jī)會。盡管這些AI服務(wù)依賴于類人的會話技能來完成簡單的交易（例如設(shè)置警報）和復(fù)雜的任務(wù)（例如計劃一個周末），但要最大限度地發(fā)揮效用，它們會從會話式AI轉(zhuǎn)變?yōu)?ldquo;環(huán)境式AI”在需要時回答您的請求，預(yù)測您的需求，在不需要時淡入背景。例如，Alexa可以檢測到玻璃破碎的聲音，并提醒您采取措施。如果您在睡覺時設(shè)置了鬧鐘，則建議您關(guān)閉樓下已連接的連接燈。此類AI的另一個方面是，它們需要成為大量不斷增加的任務(wù)的專家，這只有在具有更廣泛的學(xué)習(xí)能力而非特定于任務(wù)的智能的情況下才有可能。因此，在接下來的十年及以后的時間里，AI服務(wù)的實用性以及在環(huán)境設(shè)備上的對話和主動幫助功能是一項值得測試的測試。

這些都不是to毀圖靈的最初愿景的-圖靈的“模仿游戲”被設(shè)計為一種思想實驗，而不是作為有用AI的最終測試。但是，現(xiàn)在是時候消除圖靈測試，并從艾倫·圖靈的大膽愿景中獲得啟發(fā)，以加快構(gòu)建旨在幫助人類的AI的進(jìn)展。