Искусственный интеллект проходит тест Тьюринга: где заканчиваются люди и начинаются машины?

Современный искусственный интеллект (ИИ) сегодня не просто соревнуется с людьми — он кое-где их даже превосходит. Новое исследование в академическом журнале Proceedings of the National Academy of Sciences впервые прямо показало: некоторые ИИ-системы уверенно проходят классический тест Тьюринга, обманывая реальных людей и заставляя их думать, что по ту сторону экрана тоже сидит человек. А значит — пора смириться: в онлайн-чатах теперь полно подкованной механической наглости, которая звучит не менее живо, чем сосед по офису.

Чтобы это понять, нужно знать, как устроены современные языковые модели: сложные программы, которых откармливали текстами со всего интернета. Именно такие мозги работают в популярных чат-ботах, которыми мы все время пользуемся, чтобы починить текст письма или «помозговать» вместо себя чудо-кодировкой.

В эксперименте учёных Кэмерона Джонса и Бенджамина Бергена главными героями стали как современные языковые модели — GPT-4.5, LLaMa-3.1-405B, GPT-4o и та самая древняя ELIZA из 60-х, — так и живые люди. Судьи, почти 500 добровольцев, общались с двумя собеседниками: одним человеком и одной машиной — не зная, кто есть кто. После диалога судья должен был угадать, где человек, а где искусственный собеседник, заодно отметив уровень уверенности своей догадки.

Важный нюанс: часть программ просили не просто изображать людей, а «проживать» заданную роль — например, быть молодым интровертом, подкованным в интернет-сленге. И вот тут заиграли настоящие чудеса. GPT-4.5 с такой маской обманывал судей в 73% случаев — гораздо лучше, чем живые участники эксперимента. LLaMa тоже краснела за человечество: при заданной роли её принимали за человека в 56% случаев.

Однако без сценария-брифинга машины моментально оказывались на глубине: тот же GPT-4.5 внезапно сбрасывал результат до 36%, а LLaMa — до 38%. Старая добрая ELIZA вообще не впечатлила никого — её «человечностью» прониклись лишь 23% судей.

Дальше исследователи усложнили задачу: дали судьям больше времени (до 15 минут на диалог) и взяли ещё одну продвинутую версию — GPT-5. Но даже в длинных беседах самые современные ИИ при правильных «персонажных» настройках всё ещё внушали доверие. GPT-5 приняли за человека в 59% случаев.

Судьи пытались разоблачить машины с помощью мелких нюансов: болтали ни о чём, спрашивали про личное, эмоции, даже придирались к опечаткам — просто чтобы поймать чью-то помарку. И, увы, ИИ всё равно продирались через фильтр этих тестов.

Авторы работы признают: то, что ИИ проходит тест Тьюринга, — не значит, что это сознание. Это строго имитация. Без подробного инструкции боты ещё сыпятся. Но и выводы тревожные: сегодня любой может «слепить» убедительного ИИ-собеседника и подставить людям. Бдительность и подозрительность — ваш новый must have в онлайн-жизни.

Авторы исследования — Кэмерон Джонс и Бенджамин Берген. Статья носит название «Large language models pass a standard three-party Turing test».