近期，Jones和Bergen進(jìn)行了一項(xiàng)關(guān)于GPT-4在圖靈測(cè)試中的研究，結(jié)果顯示其成功率超過41%。

　　這一數(shù)字相比于傳統(tǒng)的人工智能模型，如ELIZA的27%和GPT-3.5的14%，表現(xiàn)出明顯的優(yōu)勢(shì)。研究設(shè)計(jì)了25個(gè)不同的語言模型，涵蓋了各種GPT的版本，其中包括GPT-4。這些模型使用類似于手機(jī)消息應(yīng)用的界面，并在拼寫錯(cuò)誤、大小寫、延遲等方面引入了小的隨機(jī)變化。

　　圖靈測(cè)試是通過與人類進(jìn)行對(duì)話，然后判斷對(duì)方是人類還是人工智能的測(cè)試。與原始的圖靈測(cè)試不同，這項(xiàng)研究的測(cè)試設(shè)計(jì)更簡(jiǎn)化，要求參與者在最多5分鐘的時(shí)間內(nèi)進(jìn)行對(duì)話，每條消息不超過300字符。共有652名人類參與者完成了1810次測(cè)試。

　　1950年，艾倫·圖靈曾預(yù)測(cè)，到了他認(rèn)為的未來50年，計(jì)算機(jī)將具備足夠的存儲(chǔ)能力，以70%的概率“欺騙”人類。然而，研究表明，即使到了現(xiàn)在，GPT-4等模型也未達(dá)到這一水平，最高成功率僅為41%。

　　有趣的是，研究指出GPT-4是付費(fèi)版本，而GPT-3.5則是免費(fèi)版本。這表明，付費(fèi)版本在測(cè)試中表現(xiàn)更好，凸顯了技術(shù)進(jìn)步對(duì)結(jié)果質(zhì)量的影響。

　　人工智能在圖靈測(cè)試中取得的進(jìn)展令人印象深刻，但與人類63%的成功率相比，仍有改進(jìn)的空間。這一研究進(jìn)一步探討了人工智能的發(fā)展趨勢(shì)，揭示了技術(shù)的潛在局限性。