Le test de Turing est-il dépassé ? 5 alternatives au test de Turing

Il y a plus de 70 ans, lorsque l’intelligence artificielle a été conceptualisée, Alan Turing a publié un article décrivant comment l’identifier. Ce test, connu par la suite sous le nom de test de Turing, est utilisé depuis des décennies pour distinguer un humain d’une IA.

Cependant, avec l’introduction de chatbots avancés comme ChatGPT et Google Bard, il devient de plus en plus difficile de savoir si l’on parle à une IA. La question se pose donc : le test de Turing est-il dépassé ? Et si c’est le cas, quelles sont les alternatives ?

Le test de Turing est-il dépassé ?

Crédit photo : Jesus Sanz/Shutterstock

Pour déterminer si le test de Turing est dépassé, il faut d’abord comprendre comment il fonctionne. Pour qu’une IA réussisse le test de Turing, elle doit convaincre un interrogateur humain qu’elle est un être humain. Mais il y a un hic : l’IA est évaluée en même temps qu’un humain, et elle doit répondre en utilisant du texte.

Imaginez que vous soyez l’interrogateur et que vous posiez des questions à deux participants en ligne en utilisant du texte, mais que l’un d’entre eux soit un modèle d’IA : pourriez-vous les distinguer au bout de cinq minutes ? Gardez à l’esprit que l’objectif du test de Turing n’est pas d’identifier le modèle d’IA sur la base des réponses correctes, mais d’évaluer si l’IA peut penser ou se comporter comme un humain.

Le problème de l’approche du test de Turing, qui consiste à n’identifier que les réponses de type humain, est qu’elle ne prend pas en compte d’autres facteurs. Par exemple, l’intelligence du modèle d’IA ou les connaissances de l’interrogateur. En outre, le test de Turing est limité au texte, et il devient de plus en plus difficile d’identifier une IA qui génère une voix humaine ou des vidéos « deepfake » qui imitent le comportement humain.

Cependant, les modèles d’IA actuels tels que ChatGPT-4 et Google Bard n’ont pas encore progressé au point de pouvoir passer le test de Turing de manière cohérente. En fait, si vous êtes familier avec l’IA, vous pouvez repérer un texte généré par l’IA.

Les 5 meilleures alternatives au test de Turing

Il est possible que de futurs modèles d’IA comme ChatGPT-5 réussissent le test de Turing. Dans ce cas, nous aurions besoin d’autres tests combinés au test de Turing pour déterminer si nous parlons à une IA ou à un être humain. Voici les meilleures alternatives au test de Turing :

1. Le test de Marcus

Gary Marcus, scientifique cognitif renommé et chercheur en IA, a proposé une alternative au test de Turing qui a été publiée dans le New Yorker pour identifier les capacités cognitives d’une IA. Le test est simple : vous jugez un modèle d’IA en fonction de sa capacité à regarder et à comprendre des vidéos YouTube et des émissions de télévision sans sous-titres ni texte. Pour réussir le test de Marcus, l’IA doit comprendre le sarcasme, l’humour, l’ironie et l’intrigue lorsqu’elle regarde les vidéos et l’expliquer comme un humain.

Pour l’instant, GPT-4 peut décrire des images, mais il n’existe pas encore de modèle d’IA capable de comprendre des vidéos comme un humain. Les véhicules auto-conduits s’en rapprochent, mais ils ne sont pas complètement autonomes et ont besoin de capteurs car ils ne peuvent pas comprendre tout ce qui se passe dans leur environnement.

2. Le test visuel de Turing

Selon un document de recherche publié le PNAS le test de Turing visuel peut être utilisé pour déterminer si vous parlez à un humain ou à une IA à l’aide de questionnaires sous forme d’images. Il fonctionne comme le test de Turing, mais au lieu de répondre à des questions à l’aide de textes, les participants voient des images et doivent répondre à des questions simples en pensant comme un humain. Cependant, le test de Turing visuel est différent des CAPTCHA car toutes les réponses sont correctes, mais pour réussir le test, l’IA doit traiter les images de la même manière qu’un humain.

En outre, si l’on montre à une IA et à un être humain plusieurs images côte à côte et qu’on leur demande d’identifier des images réalistes, l’être humain aura les capacités cognitives nécessaires pour réussir le test. En effet, les modèles d’IA ont du mal à distinguer les images qui ne semblent pas avoir été prises dans le monde réel. En fait, c’est la raison pour laquelle vous pouvez identifier des images générées par l’IA à l’aide d’anomalies qui n’ont pas de sens.

3. Le test Lovelace 2.0

La théorie selon laquelle un ordinateur ne peut pas créer d’idées originales au-delà de ce pour quoi il a été programmé a été conceptualisée pour la première fois par Ada Lovelace avant le test de Turing. Cependant, Alan Turing s’est opposé à cette théorie, arguant que l’IA peut toujours surprendre les humains. Ce n’est qu’en 2001 que les lignes directrices du test de Lovelace ont été élaborées pour distinguer une IA d’un être humain. thekurzweillibrary les règles ont été révisées en 2014.

Pour qu’une IA passe le test de Lovelace, elle doit démontrer qu’elle peut générer des idées originales qui dépassent sa formation. Les modèles d’IA actuels, comme GPT-4, n’ont pas la capacité de proposer de nouvelles inventions allant au-delà de nos connaissances actuelles. Cependant, l’intelligence générale artificielle peut atteindre cette capacité et passer le test de Lovelace.

4. Le test de Turing inversé

Que diriez-vous d’un test de Turing inversé ? Au lieu d’essayer de savoir si vous parlez à un être humain, l’objectif du test de Turing inversé est de savoir si vous parlez à un être humain. test de Turing inversé consiste à faire croire à l’IA que vous êtes une IA. Cependant, vous avez également besoin d’un autre modèle d’IA pour répondre aux mêmes questions à l’aide d’un texte.

Par exemple, si ChatGPT-4 est l’interrogateur, vous pouvez inscrire Google Bard et un autre humain comme participants. Si le modèle d’IA peut identifier correctement le participant humain sur la base des réponses, il a réussi le test.

L’inconvénient du test de Turing inversé est qu’il n’est pas fiable, surtout si l’on considère que l’IA ne peut parfois pas différencier un contenu généré par l’IA d’un contenu écrit par un humain.

5. Cadre de classification de l’IA

Selon le cadre de classification de l’IA développé par Chris Saad le test de Turing n’est qu’une méthode d’évaluation permettant de savoir si l’on parle à une IA. Plus succinctement, le cadre de classification de l’IA est basé sur la théorie de l’intelligence multiple, qui exige que l’intelligence humaine satisfasse à au moins huit critères différents, à savoir : le rythme musical, l’intelligence logico-mathématique, l’identification visuelle, l’intelligence émotionnelle, l’intelligence autoréflexive, la capacité de réflexion existentielle et le mouvement corporel.

L’IA étant évaluée en fonction de huit paramètres différents, il est peu probable qu’elle passe pour un humain, même si ses performances sont supérieures à la moyenne dans certains domaines de référence. Par exemple, ChatGPT peut résoudre des problèmes mathématiques, décrire des images et converser dans une langue naturelle comme un humain, mais il échouerait dans d’autres catégories définies dans le cadre de classification de l’IA.

Le test de Turing n’est pas concluant

Le test de Turing devait être davantage une expérience de pensée qu’un test concluant permettant de différencier les humains des IA. Lorsqu’il a été proposé pour la première fois, il constituait la référence essentielle pour mesurer l’intelligence des machines.

Cependant, avec le développement récent de modèles d’IA dotés de capacités interactives vocales, visuelles et auditives, le test de Turing n’est pas à la hauteur puisqu’il se limite à une conversation textuelle. La solution la plus efficace serait d’introduire des alternatives au test de Turing qui différencient davantage les modèles d’IA des humains.