Оценка производительности GPT-4 в тесте Тьюринга: раскрытие динамики человекоподобного обмана и стратегий коммуникации

Исследователи из UCSD оценивают производительность GPT-4 в тесте Тьюринга: раскрытие динамики  обмана и коммуникационных стратегий. Интересно узнать, насколько сильна искусственная интеллектуальная обманчивость при взаимодействии с людьми.

 Исследователи Университета Калифорнии в Сан-Диего оценивают производительность GPT-4 в эксперименте Тьюринга, раскрывая динамику человекоподобной обмана и стратегий коммуникации. (49 слов)

Исследователи из UCSD провели тестирование GPT-4 с использованием общедоступного теста Тьюринга в интернете. Лучший вариант GPT-4 был успешен в 41% игр, что лучше, чем результаты ELIZA (27%), GPT-3.5 (14%) и случайного выбора (63%), но все же требует доработки. Результаты теста Тьюринга показали, что участники оценивали преимущественно стиль языка (35% от общего числа) и социо-эмоциональные качества (27%). Образование участников и их предыдущий опыт работы с LLM-моделями не предсказывали их способность распознавать обман, что демонстрирует, что даже люди, хорошо разбирающиеся в таких вопросах, могут быть уязвимы для обмана. Тест Тьюринга широко критикуется за его недостатки как меры интеллекта, однако два исследователя из Сан-Диего (Калифорнийский университет) утверждают, что он остается полезным инструментом для оценки спонтанной коммуникации и обмана. Они имеют модели искусственного интеллекта, которые могут проходить за людей, что может иметь далеко идущие социальные последствия. Таким образом, они изучают эффективность различных методологий и критериев определения человекоподобности.

Тест Тьюринга интересен не только из-за споров о его чувствительности к интеллекту. Во-первых, важно проанализировать способность, которая тестируется, а именно, может ли система обмануть собеседника, заставив его думать, что это человек. Тест Тьюринга предлагает надежный метод отслеживания развития таких способностей в моделях. Кроме того, он позволяет узнать о различных аспектах, играющих роль в обмане, таких как размер и производительность модели, стратегии подсказок, вспомогательная инфраструктура, такая как доступ к информации в реальном времени, и уровень компетенции опрашивающего.

Во-вторых, тест Тьюринга может быть использован как инструмент исследования, чтобы исследовать общепринятое восприятие того, что означает, когда машина кажется человеком. Оценивается производительность машин, но также исследуются культурные, этические и психологические предпосылки участников о том, что означает быть человеком и какие из этих качеств труднее всего воссоздать. Предположения опрашивающих о том, какие атрибуты составляют человечность и какие из этих качеств сложнее всего обмануть, раскрываются в процессе формулирования и уточнения вопросов.

Методика теста Тьюринга

Тест Тьюринга изменен так, чтобы использовать одного опрашивающего и одного свидетеля для определения, является ли последний человеком или искусственным интеллектом. Это отличается от оригинальной трехчеловеческой формулировки Тьюринга, но стало довольно стандартным, так как это позволяет обойтись без необходимости иметь несколько человеческих участников онлайн для каждой игры.

С использованием OpenAI API было разработано 25 свидетелей LLM, которые могли отвечать на вопросы пользователей. У каждого свидетеля LLM были установлены параметры температуры (0.2, 0.5 или 1.0), модель (GPT-3.5 или GPT-4) и подсказка. Всплывающее окно объясняло ситуацию и давало агенту конкретные указания о дальнейших действиях.

Интерфейс пользователя чата был создан в виде стандартного сервиса обмена сообщениями. Опрашивающий отправлял первое сообщение, и каждый пользователь мог отправить только одно сообщение одновременно. Каждое сообщение могло содержать не более 300 символов, а общее время обсуждения составляло 5 минут. Пользователям было запрещено вставлять текст в текстовое поле, и был применен фильтр контента, чтобы предотвратить оскорбительные сообщения. В верхнем правом углу экрана находится обратный отсчет времени, кнопки, отображающие инструкции, и форма для сообщения о нарушителях.

Опрашивающий использовал интерфейс принятия решений для предоставления следующей информации:

1) вердикт (машина или человеческий свидетель);

2) насколько уверен он в правильности своего решения (от 0 до 100);

3) обоснование (свободная форма) своего выбора.

Ограничения и результаты

Из-за характера открытого онлайн-эксперимента у этого исследования есть несколько оговорок, которые могут сделать его результаты менее надежными. Во-первых, выборка может быть менее представительной для сообщества, так как участников набирали через социальные сети. Во-вторых, участникам нужны были стимулы. Таким образом, есть вероятность, что опрашивающие и свидетели могли сделать все возможное. Человеческие свидетели «троллили», выдавая себя за искусственный интеллект. Некоторые исследователи использовали такое поведение в качестве обоснования для человеческих вердиктов. Поэтому результаты могут недооценивать производительность человека и переоценивать производительность ИИ. В-третьих, некоторые опрашивающие признали, что имели предварительные знания о свидетеле.

В заключение, результаты теста Тьюринга могут быть недостаточно точными из-за некоторых ограничений исследования. Однако они все равно предоставляют полезную информацию о производительности GPT-4 и его способности обмануть людей.

Полезные ссылки:

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Itinai.com it company office background blured photography by e4139fc1 862c 4177 9de9 70fb39c5af9e 1

    NovelSeek: Революция в автономных научных исследованиях с помощью ИИ

    Введение в NovelSeek: революция в научных исследованиях Научные исследования требуют высокой экспертизы для генерации гипотез, проектирования экспериментов и анализа результатов. NovelSeek — это система ИИ, которая автономно управляет всем процессом научного открытия. Как…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 2

    WINA: Эффективная активация нейронов для оптимизации вывода больших языковых моделей

    Преобразование Идентификации Нейронов с Помощью WINA Microsoft представила WINA (Weight Informed Neuron Activation) — инновационную структуру, позволяющую эффективно использовать большие языковые модели (LLMs) без необходимости в обучении. Это решение помогает компаниям оптимизировать производительность…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 0

    Трансформация клиентского опыта с помощью агентного ИИ

    Превращение клиентского опыта с помощью агентного ИИ Понимание агентного ИИ Агентный ИИ — это системы с интеллектуальными агентами, которые могут запоминать прошлые взаимодействия, рассуждать о процессах и принимать решения без постоянного вмешательства человека.…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 1

    Адаптивные Модели Рассуждений для Эффективного Решения Проблем в ИИ

    Введение Данная статья обсуждает два инновационных концепта в области искусственного интеллекта: Модели Адаптивного Рассуждения (ARM) и Ada-GRPO. Эти модели помогают повысить эффективность и масштабируемость решения задач в AI, особенно в области рассуждений. Понимание…

  • Itinai.com it company office background blured photography by 48cb21e9 ed8f 4a55 9f5b 4570e52f1cce 2

    Создание масштабируемой системы коммуникации между агентами с использованием ACP в Python

    «`html Практическое руководство по созданию масштабируемой системы коммуникации для агентов Введение Создание эффективной системы коммуникации между агентами важно для бизнеса, стремящегося использовать искусственный интеллект. Этот подход позволяет улучшить бизнес-процессы и повысить качество обслуживания…

  • Itinai.com it company office background blured photography by a4b45723 df9d 4684 b150 bb2c5790acc8 0

    Ограничения многомодальных моделей в физическом рассуждении: результаты PHYX Benchmark

    Понимание Ограничений Мультимодальных Основных Моделей в Физическом Рассуждении Введение в Мультимодальные Основные Модели Недавние достижения в области мультимодальных основных моделей сделали шаги вперед в различных областях, включая математику и логическое рассуждение. Однако они…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 0

    Запуск Yambda: крупнейший набор данных для систем рекомендаций от Яндекса

    Введение в набор данных Yambda от Yandex Yandex недавно запустил Yambda — набор данных, который значительно улучшает возможности рекомендательных систем. Он содержит почти 5 миллиардов анонимизированных взаимодействий пользователей с Yandex Music, что позволяет…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 2

    Биомни: Революция в автоматизации биомедицинских исследований с помощью ИИ

    Biomni: Трансформация биомедицинских исследований с помощью ИИ Проблемы в биомедицинских исследованиях Биомедицинские исследования сталкиваются с рядом серьезных проблем: Перегрузка данными: Огромные объемы данных затрудняют работу исследователей. Интеграция инструментов: Сложности с объединением различных инструментов…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 3

    Улучшение LLM с помощью интерливинг-рассуждений для более быстрых и точных ответов

    Введение в Интерливинг Резонанс Исследователи из Apple и Университета Дьюка разработали инновационный подход, называемый Интерливинг Резонанс, который улучшает производительность больших языковых моделей (LLMs), позволяя им предоставлять промежуточные ответы во время сложного решения задач.…

  • Itinai.com it company office background blured photography by 93e48de1 e0a4 4327 bf1a 5249ee257f75 2

    DeepSeek R1-0528: Революция в открытом ИИ

    Решения для бизнеса с применением DeepSeek R1-0528 Модель DeepSeek R1-0528 представляет собой значительный шаг вперед в области открытого ИИ. Ниже приведены практические бизнес-решения на основе её возможностей. Преимущества для бизнеса и реальной жизни…

  • Itinai.com it company office background blured photography by d266ecb7 1141 4fd8 a45e d7242fbf1e9e 1

    Создание самообучающегося ИИ-агента с помощью API Gemini от Google

    Практическое руководство по созданию самообучающегося AI-агента с использованием Google’s Gemini API Введение В современном деловом мире внедрение искусственного интеллекта (AI) становится ключевым фактором успеха. Этот гайд поможет вам разработать самообучающегося AI-агента, который будет…

  • Itinai.com it company office background blured photography by 342dc52c d1e8 48a5 a450 02825b0d4c2b 2

    Samsung представляет ANSE: Улучшение моделей текст-в-видео с активным выбором шума

    Практические бизнес-решения на основе ANSE Исследования Samsung представили ANSE — революционный фреймворк для улучшения моделей текст-видео. Вот как это можно применить в бизнесе для повышения эффективности и качества. Преимущества ANSE для бизнеса Улучшение…

  • Itinai.com it company office background blured photography by 12fe5e49 d0a5 47b8 a36f 0071089d22c3 1

    WEB-SHEPHERD: Инновационная модель вознаграждений для эффективной навигации в сети

    Решения для бизнеса с использованием WEB-SHEPHERD WEB-SHEPHERD предлагает практические решения для бизнеса, которые могут значительно улучшить эффективность работы и повысить качество обслуживания клиентов. Вот как это можно реализовать: 1. Повышение эффективности WEB-SHEPHERD предоставляет…

  • Itinai.com it company office background blured photography by 724d9f47 b65a 445e b4b5 b5939a7eba28 1

    Dimple: Новый Модель Языкового Генератора для Бизнеса

    Введение в Dimple Исследователи Национального университета Сингапура разработали Dimple, новую модель, которая улучшает генерацию текста с помощью инновационных технологий. Эта модель, известная как Дискретная Диффузионная Мультимодальная Языковая Модель (DMLLM), сочетает визуальные и текстовые…

  • Itinai.com it company office background blured photography by 342dc52c d1e8 48a5 a450 02825b0d4c2b 2

    Улучшение математического мышления с помощью обучения с подкреплением

    Улучшение математического мышления с помощью обучения с подкреплением Введение Недавние достижения в области искусственного интеллекта (ИИ) привели к инновационным методам улучшения математического мышления в моделях. Одним из таких подходов является обучение с подкреплением…

  • Itinai.com it company office background blured photography by 0b545732 d29f 4839 a448 751a77ba1563 0

    Интерактивный анализ видео с помощью AI и Lyzr Chatbot Framework

    Преобразование видео-контента в действенные инсайты с помощью ИИ В современном цифровом мире компаниям необходимо эффективно извлекать ценную информацию из мультимедийных ресурсов. Использование искусственного интеллекта может значительно улучшить этот процесс, особенно при анализе транскриптов…

  • Itinai.com it company office background blured photography by 431ba571 009a 4ead 8847 7d3b7a613a24 0

    MMaDA: Унифицированная Модель Мультимодального Диффузии для Бизнеса

    Унифицированная многомодальная диффузионная модель для бизнес-приложений Преимущества MMaDA для бизнеса MMaDA (Многомодальная диффузионная модель для текстового анализа, визуального понимания и генерации изображений) значительно упрощает интеграцию различных типов данных, что приводит к более эффективным…

  • Itinai.com it company office background blured photography by 2f4c6499 6d9f 413b 8dd8 10c4ad53e96c 3

    Мягкое мышление: новое слово в рассуждениях ИИ

    Понимание изменений в рассуждении ИИ Большие языковые модели (LLM) традиционно полагаются на дискретные языковые токены для обработки информации. Этот метод, хотя и эффективен для простых задач, ограничивает способность модели рассуждать в сложных или…