Der Turing-Test ist ein Kriterium zur Bewertung, ob eine Maschine ein Gesprächsverhalten zeigen kann, das von dem eines Menschen nicht zu unterscheiden ist. Er wurde vom Mathematiker Alan Turing in einem 1950 erschienenen Artikel mit dem Titel „Computing Machinery and Intelligence“ vorgeschlagen und formuliert die Frage „Können Maschinen denken?“ als empirisches „Nachahmungsspiel“ um: Ein menschlicher Richter führt ein textbasiertes Gespräch mit zwei verborgenen Teilnehmern, einem Menschen und einer Maschine, und muss bestimmen, wer wer ist. Wenn der Richter die Maschine nicht zuverlässig vom Menschen unterscheiden kann, gilt die Maschine als bestanden.
Turing beabsichtigte den Test als praktischen Ersatz für eine philosophisch belastete Frage nach maschinellem Bewusstsein oder Denken, wobei er metaphysische Debatten zugunsten eines beobachtbaren Verhaltensstandards umging. Der Test geht der Gründung des Feldes der künstlichen Intelligenz um sechs Jahre voraus; der Begriff „künstliche Intelligenz“ selbst wurde 1956 auf dem Dartmouth-Workshop geprägt, der von John McCarthy und Marvin Minsky unter anderem organisiert wurde, die von Turings Rahmenwerk beeinflusst waren.
Ursprünge und Format
Turings ursprüngliche Formulierung umfasste drei Teilnehmer: einen menschlichen Fragesteller, einen menschlichen Befragten und eine Maschine, die nur über getippten Text kommunizierten, um Hinweise aus Stimme oder Erscheinung zu entfernen. Seitdem entwickelte Varianten umfassen die „Standard“-Version mit zwei Teilnehmern, bei der der Richter einfach mit einer Entität chattet und rät, ob sie menschlich ist, sowie formelle Wettbewerbe wie den Loebner-Preis, der von 1990 bis 2019 jährlich vergeben wurde und Preise an Chatbots vergab, die als am überzeugendsten menschlich bewertet wurden, obwohl keiner eine uneingeschränkte Bestehensleistung erreichte.
Frühe Versuche und Kritik
Programme wie ELIZA, das 1966 von Joseph Weizenbaum erstellt wurde, um einen rogerianischen Psychotherapeuten zu simulieren, täuschten einige Nutzer, die glaubten, mit einer Person zu sprechen, obwohl es einfache Mustererkennung statt Verständnis verwendete. Weizenbaum wurde später ein prominenter Kritiker der Überbewertung maschineller Intelligenz, und die Tendenz von Menschen, Systemen, die lediglich Gesprächsform nachahmen, Verständnis zuzuschreiben, wird heute oft als „Eliza-Effekt“ bezeichnet.
Kritiker haben lange argumentiert, dass der Test Täuschung statt Intelligenz misst. Das Gedankenexperiment „Chinesisches Zimmer“ des Philosophen John Searle aus dem Jahr 1980 behauptet, dass ein System Symbole überzeugend manipulieren könnte, ohne echtes Verständnis zu haben, und stellt damit die Gültigkeit des Tests als Marker für Denken in Frage. Andere weisen darauf hin, dass der Test anthropozentrisch ist, menschliche Eigenheiten und Fehler über genaues oder fähiges Verhalten belohnt, und dass ein eng trainierter Chatbot durch Gesprächstricks statt allgemeinem Denken bestehen könnte.
Moderne Relevanz
Der Aufstieg großer Sprachmodell-Systeme seit dem Start von ChatGPT im November 2022 hat die Debatte über die Relevanz des Tests neu entfacht. Mehrere informelle und akademische Studien seit 2023 berichten, dass moderne Konversationsmodelle menschliche Richter in kurzen Austauschen mit Raten täuschen können, die mit menschlichen Verbündeten vergleichbar oder höher sind, obwohl Methodik und Behauptungen eines endgültigen „Bestehens“ umstritten bleiben. Viele Forscher betrachten den Turing-Test heute als interessanten historischen Maßstab und nicht als sinnvolles Maß für maschinelle Intelligenz oder allgemeine künstliche Intelligenz, da fließende Konversation nicht mehr das breite Denken, Planen und fundierte Verständnis impliziert, das das Feld heute mit allgemeiner Intelligenz verbindet. Gezieltere Benchmarks in natürlicher Sprachverarbeitung und Denken, einschließlich Tests wie ARC-AGI, haben ihn als Forschungsinstrument weitgehend ersetzt, auch wenn der Turing-Test in der Populärkultur als Kurzform für „Scheint die Maschine menschlich?“ fortbesteht.