{"id":196,"date":"2023-12-01T04:03:46","date_gmt":"2023-12-01T04:03:46","guid":{"rendered":"https:\/\/www.techopedia.com\/it\/?post_type=definition&p=196"},"modified":"2024-09-03T15:16:01","modified_gmt":"2024-09-03T15:16:01","slug":"turing-test","status":"publish","type":"definition","link":"https:\/\/www.techopedia.com\/it\/glossario\/turing-test","title":{"rendered":"Turing Test"},"content":{"rendered":"

Cos’\u00e8 il Turing Test?<\/span><\/h2>\n

Il test di Turing \u00e8 uno strumento di valutazione dell’intelligenza artificiale<\/a> (AI) introdotto nel 1950 dal Dr. Alan Turing, matematico e informatico britannico. Turing stava cercando un modo semplice per rispondere alla domanda “Le macchine possono pensare?”.<\/p>\n

Invece di immergersi nella questione filosofica di cosa significhi “pensare”, Turing riformul\u00f2 il problema proponendo un test concreto e operativo: se una macchina poteva imitare le risposte umane in modo abbastanza convincente da ingannare un interrogatore umano, allora, per tutti gli scopi pratici, si poteva dire che “pensava”. La strategia da lui proposta \u00e8 diventata uno dei primi parametri di riferimento per la valutazione dell’intelligenza delle macchine.<\/p>\n

Per raccogliere dati qualitativi sull’intelligenza delle macchine, Turing propose un gioco basato sull’indagine, che in seguito divenne noto come “Gioco dell’imitazione” o, pi\u00f9 comunemente, “Test di Turing”.<\/p>\n

Cos’\u00e8 l’Imitation Game?<\/span><\/h2>\n

Il test di Turing per l’intelligenza delle macchine si basa su un gioco di societ\u00e0 popolare in epoca vittoriana. Il gioco originale richiedeva tre persone: un uomo, una donna e un interrogatore (l’uomo e la donna venivano messi in una stanza e l’interrogatore in un’altra).<\/p>\n

L’interrogatore inizia il gioco ponendo una serie di domande e facendo scrivere ai partecipanti le loro risposte. Per rendere il gioco pi\u00f9 impegnativo, a un partecipante era consentito mentire e inventare le risposte, mentre all’altro era richiesto di dire sempre la verit\u00e0. L’obiettivo del gioco era che l’interrogatore indovinasse quali risposte erano state scritte dall’uomo e quali dalla donna.<\/p>\n

\"The<\/p>\n

Come funziona il Turing Test?<\/span><\/h2>\n

Come descritto nel suo documento del 1950 “Computing Machinery and Intelligence<\/a>“, anche la versione di Turing del gioco dell’imitazione richiedeva un interrogatore e due partecipanti. Nella versione di Turing, tuttavia, uno dei partecipanti sarebbe stato umano e l’altro sarebbe stato una macchina informatica.<\/p>\n

In sostanza, la versione di Turing del gioco era uno sforzo pionieristico per stabilire un punto di riferimento pratico per l’intelligenza delle macchine, evitando la questione filosofica di cosa significhi “pensare”. Turing propose che se l’interrogatore non poteva distinguere in modo affidabile tra le risposte della macchina e quelle dell’uomo, si poteva dire che la macchina dimostrava processi di pensiero e intelligenza simili a quelli umani.<\/p>\n

I criteri esatti per determinare l’intelligenza di una macchina sono sempre stati oggetto di dibattito, ma sulla base del documento di Turing, si \u00e8 spesso sostenuto che se una giuria di interrogatori crede di comunicare con un altro essere umano almeno il 70% delle volte – mentre in realt\u00e0 sta parlando con un programma informatico – i creatori del software possono legittimamente affermare che la loro programmazione AI ha superato il Test di Turing.<\/p>\n

\"The<\/p>\n

Perch\u00e9 il Test di Turing \u00e8 importante?<\/span><\/h2>\n

Il Turing Test \u00e8 storicamente importante perch\u00e9 ha spostato il dibattito dalla capacit\u00e0 delle macchine di pensare alla capacit\u00e0 delle macchine di emulare una conversazione simile a quella umana. Questo cambiamento di focus ha fornito alla comunit\u00e0 emergente dell’informatica un quadro pragmatico per valutare i progressi.<\/p>\n

Nel corso degli anni, la validit\u00e0 del Test di Turing ha alimentato molti dibattiti tra informatici, filosofi e psicologi cognitivi. La sua resistenza risiede nella capacit\u00e0 di essere sia un punto di riferimento tecnico che uno strumento filosofico per esaminare e discutere se una macchina possa o meno essere veramente intelligente.<\/p>\n

L’uso della conversazione come criterio primario per l’intelligenza, tuttavia, ha involontariamente creato una prospettiva pi\u00f9 ristretta dell’intelligenza e ha negato l’importanza di altri tipi di intelligenza, come l’intelligenza emotiva, l’intelligenza spaziale o l’intelligenza creativa.<\/p>\n

Con i progressi odierni nel campo dell’apprendimento automatico (Machine Learning<\/a>) e nelle reti neurali, \u00e8 sempre pi\u00f9 possibile creare chatbot con architetture in grado di imitare accuratamente i modelli nei dati di formazione. Ad esempio,\u00a0ChatGPT-4<\/a> e Google Bard sono molto abili nel gestire un’ampia gamma di argomenti di conversazione e, in molti casi, possono produrre una risposta indistinguibile da quella di un umano.<\/p>\n

Tuttavia, questo non significa necessariamente che il chatbot sia intelligente. Nelle interazioni prolungate, i grandi modelli linguistici che supportano i chatbot possono avere delle allucinazioni<\/a> e generare risultati incoerenti, contraddittori o illogici.<\/p>\n

Obiezioni iniziali al Turing Test<\/span><\/h2>\n

\u00c8 importante notare che, anche se Turing \u00e8 oggi riconosciuto come un visionario, durante la sua vita era piuttosto controverso<\/a> e il suo lavoro non era sempre apprezzato. Molti accademici e teologi dubitavano che le macchine potessero mai emulare il pensiero umano, e le idee piuttosto radicali di Turing sull’intelligenza delle macchine suscitarono un acceso dibattito filosofico e teologico.<\/p>\n

Tuttavia, Turing anticip\u00f2 le obiezioni alle sue idee e offr\u00ec delle controargomentazioni sul perch\u00e9 credeva che le macchine potessero replicare il pensiero umano. Questa convinzione \u00e8 spiegata nella tesi Church-Turing.<\/p>\n

La tesi Church-Turing<\/a> propone che qualsiasi calcolo o problema matematico che pu\u00f2 essere risolto da un essere umano utilizzando una serie specifica di istruzioni pu\u00f2 essere risolto anche da una macchina. Questo concetto \u00e8 cresciuto fino a diventare la base dell’informatica moderna.<\/p>\n

Turing Machine vs. Universal Turing Machine<\/span><\/h2>\n

Turing introdusse per la prima volta il concetto di intelligenza della macchina nel suo articolo del 1936 “On Computable Numbers, with an Application to the Entscheidung’s Problem<\/em><\/a>“. In questo documento, Turing introdusse un semplice dispositivo teorico che avrebbe potuto, in linea di principio, calcolare qualsiasi sequenza di numeri se gli fossero state fornite le istruzioni adeguate.<\/p>\n

Una Macchina di Turing \u00e8 un modello matematico astratto per la computazione. Nella mente di Turing, la sua macchina immaginaria consisteva in un nastro infinito diviso in celle, una testina del nastro che poteva muoversi a sinistra o a destra e una serie di stati e regole che decidevano il modo in cui la testina del nastro leggeva e scriveva sul nastro. Egli prevedeva che ogni macchina di Turing fosse progettata per eseguire un compito o una computazione specifica.<\/p>\n

Turing propose anche una macchina di Turing universale. Si tratterebbe di un tipo speciale di macchina di Turing che sarebbe in grado di simulare qualsiasi altra macchina di Turing. In teoria, quando a una UTM viene fornita una descrizione di un’altra macchina di Turing (e il suo input), la UTM potrebbe utilizzare quelle informazioni come proprio input.<\/p>\n

Il concetto di Macchina di Turing Universale introdusse l’idea che una macchina di calcolo potesse simulare qualsiasi altra macchina di calcolo, se le venivano forniti gli input giusti. Questo \u00e8 diventato il fondamento dei programmi informatici di oggi e ha rappresentato un passo importante nello sviluppo dei computer generici.<\/p>\n

Il Turing Test \u00e8 ancora uno strumento di valutazione valido?<\/span><\/h2>\n

Il Test di Turing \u00e8 considerato principalmente uno strumento storico per valutare l’IA oggi.<\/p>\n

Tuttavia, si parla ancora del test per il suo impatto sulla ricerca sull’IA. Essenzialmente, Turing ha spostato la domanda filosofica “Le macchine possono pensare?” su un’altra domanda che poteva effettivamente avere una risposta ed essere supportata dai dati.<\/p>\n

Questo \u00e8 importante, perch\u00e9 alla nuova domanda “Le macchine possono comportarsi in modo indistinguibile dagli esseri umani durante una conversazione?” si poteva rispondere in modo definitivo utilizzando il metodo scientifico.<\/p>\n

Questo sottile (ma profondo) cambiamento di prospettiva ha avuto un impatto enorme e ha incoraggiato i primi ricercatori di intelligenza artificiale a porre maggiore enfasi sullo studio dell’elaborazione del linguaggio naturale (NLP), della comprensione del linguaggio naturale (NLU) e della generazione del linguaggio naturale (NLG).<\/p>\n

IA conversazionale e il Test di Turing<\/span><\/h2>\n

Nei decenni successivi alla sua morte, il ruolo di Turing nel decifrare il Codice Enigma<\/a> \u00e8 diventato di dominio pubblico e i suoi contributi e le sue intuizioni sull’intelligenza delle macchine sono stati riesaminati. Le tecnologie e i concetti seguenti condividono un filo comune con il Test di Turing: tutti cercano di replicare accuratamente il comportamento umano in un contesto macchina.<\/p>\n

Chatbots<\/b>: applicazioni software progettate per simulare la conversazione umana. I primi esempi miravano a simulare interazioni simili a quelle umane ed erano un cenno diretto agli obiettivi del Test di Turing.<\/span><\/p>\n

Voice Assistants<\/b>: tecnologie come Alexa di Amazon, Google Assistant, Siri e Cortana sono progettate per comprendere e rispondere ai comandi degli utenti in modo simile a quello umano, riecheggiando i parametri di conversazione del Test di Turing.<\/span><\/p>\n

Natural Language Processing (NLP)<\/b>: l’attenzione del Test di Turing alla conversazione ha stimolato la ricerca sulla comprensione e la generazione del linguaggio umano, portando allo sviluppo di strumenti e algoritmi NLP per le aziende.<\/span><\/p>\n

Machine Learning<\/b>: sebbene non siano esclusive del Test di Turing, le tecniche di apprendimento automatico, soprattutto in aree come l’apprendimento profondo per i modelli linguistici (ad esempio, la serie GPT di OpenAI), possono essere viste come sforzi per generare output pi\u00f9 simili a quelli umani e superare il Test di Turing.<\/span><\/p>\n

Piattaforme di Conversational AI<\/b>: strumenti e piattaforme, come Dialogflow di Google o Bot Framework di Microsoft, consentono di creare agenti conversazionali e interfacce utente conversazionali (CUI).<\/span><\/p>\n

CAPTCHA<\/b>: questi test, spesso utilizzati sui siti web per distinguere gli esseri umani dai bot, sono una sorta di Test di Turing inverso. Sono progettati per essere facili da completare per gli esseri umani, ma difficili da completare per le macchine.<\/span><\/p>\n

Turing Number<\/b>: si tratta di un altro processo di screening degli utenti umani online e di distinzione dai bot.<\/span><\/p>\n

Strumenti di analisi del sentimento<\/strong>: sebbene questi strumenti si concentrino sulla comprensione delle emozioni nel testo, il loro obiettivo \u00e8 quello di cogliere un aspetto umano della comunicazione che ricorda il Test di Turing.<\/p>\n

Narrazione interattiva e PNG (Personaggi Non Giocanti)<\/strong>: nei videogiochi, i PNG con dialoghi avanzati e alberi decisionali cercano di fornire interazioni simili a quelle umane, riflettendo gli ideali del Test di Turing.<\/p>\n

Bot di assistenza clienti<\/strong>: questi bot, comuni nei siti web e nei canali di assistenza, cercano di rispondere alle domande in modo simile a un essere umano, prima di passare le conversazioni a un vero essere umano, se necessario.<\/p>\n

Generative Adversarial Networks (GAN)<\/strong>: il processo contraddittorio che le GAN utilizzano per generare nuovi dati ricorda in qualche modo il Test di Turing. In entrambi i casi, l’obiettivo \u00e8 produrre un output indistinguibile da una fonte “reale” o “autentica”.<\/span><\/p>\n

Il Test di Turing e l’IA generativa<\/span><\/h2>\n

Il Test di Turing viene spesso citato negli articoli sull’IA generativa,<\/a> e questo perch\u00e9 il Test di Turing \u00e8 intrinsecamente generativo. Quando un modello linguistico genera una storia, un articolo o una poesia, non si tratta semplicemente di mettere insieme delle parole; sta cercando di creare un contenuto che sembri creato da un essere umano.<\/p>\n

Uno dei primi programmi informatici a tentare una conversazione interattiva \u00e8 stato ELIZA<\/a>, un chatterbot creato negli anni ’60 da Joseph Weizenbaum al MIT. ELIZA viene spesso citato nelle discussioni sul Test di Turing, perch\u00e9 \u00e8 stato uno dei primi programmi informatici in grado di imitare una conversazione simile a quella umana e di ingannare le persone facendogli credere che stavano interagendo con una persona reale.<\/p>\n

Nel contesto dell’epoca, ELIZA poteva essere considerato un programma generativo, perch\u00e9 produceva risposte diverse senza che uno sceneggiatore umano specificasse ogni possibile svolta della conversazione.<\/p>\n

Tentativi famosi di superare il di Turing<\/span><\/h2>\n

Sebbene ELIZA non sia stata progettata specificamente per superare il Test di Turing, la capacit\u00e0 del chatbot di emulare alcuni tipi di interazioni umane lo ha reso una pietra miliare significativa nella storia dell’intelligenza artificiale e dell’interazione uomo-computer.<\/p>\n

Ironicamente, le risposte e le reazioni delle persone a ELIZA hanno anche evidenziato la tendenza umana ad attribuire alle macchine altre qualit\u00e0 umane. Questo fenomeno, noto come Effetto Eliza, pu\u00f2 essere utilizzato come sinonimo di personificazione nel contesto della tecnologia informatica.<\/p>\n

Oltre a ELIZA, altri chatbot degni di nota associati all’AI conversazionale e al Test di Turing sono:<\/p>\n

PARRY (1972)<\/strong>: Progettato dallo psichiatra Kenneth Colby, PARRY simulava un paziente affetto da schizofrenia paranoide. Quando PARRY usava la telescrivente per “parlare” con una serie di psichiatri, alcuni medici credevano di comunicare con un vero essere umano.<\/p>\n

Racter (1980):<\/b> I suoi creatori hanno affermato che Racter \u00e8 stato il primo programma di intelligenza artificiale ad aver scritto un libro intitolato “La barba del poliziotto \u00e8 costruita a met\u00e0<\/a>“. C’\u00e8 stato un dibattito significativo, tuttavia, su quanto sia stato coinvolto l’intervento umano nella creazione del libro.<\/span><\/p>\n

Jabberwacky (1990):<\/b> <\/span>Creato dal programmatore britannico Rollo Carpenter, Jabberwacky<\/a> \u00e8 stato progettato per imitare una conversazione di tipo umano e imparare dalle sue interazioni. \u00c8 stato seguito da Cleverbot, che ha partecipato a un test di Turing formale al festival Techniche 2011 in India.<\/span><\/p>\n

Eugene Goostman (2014):<\/b> <\/span>Questo chatbot, che \u00e8 stato progettato per simulare la conversazione di un ragazzo ucraino di 13 anni, sostiene di aver superato il Test di Turing durante una competizione presso la Royal Society di Londra. Il bot Goostman ha partecipato a diversi concorsi di test di Turing sin dalla sua creazione, e si \u00e8 classificato al secondo posto nei concorsi del 2005 e del 2008 del Premio Loebner.<\/span><\/p>\n

Google Duplex (2018):<\/b> Google Duplex \u00e8 stato progettato per effettuare prenotazioni di ristoranti, appuntamenti in salone e compiti simili per gli utenti. Sebbene il bot non sia mai stato un concorrente del Test di Turing in senso tradizionale, la programmazione si distingue per la sua capacit\u00e0 di condurre conversazioni naturali al telefono, includendo anche suoni di riempimento come “umm” e “ahh”.<\/span><\/p>\n

OpenAI GPT-3 (2020):<\/b> La terza iterazione del chatbot OpenAI Generative Pre-trained Transformer ha suscitato un rinnovato interesse e dibattito sulla natura dei contenuti generati dalle macchine e sui limiti del Test di Turing.<\/span><\/p>\n

Competizioni famose di Turing Test<\/span><\/h2>\n

Nel corso degli anni, diverse competizioni hanno utilizzato il controverso Test di Turing per valutare la programmazione dell’intelligenza artificiale. Tra gli esempi storici pi\u00f9 noti vi sono:<\/p>\n