San Diego Kaliforniya Üniversitesi’nde gerçekleştirilen ve henüz hakem değerlendirmesine sunulmamış olan bir araştırmada, dört büyük dil modeli (LLM), Turing testine tabi tutuldu. Test sonucunda, OpenAI tarafından geliştirilen GPT-4.5 modeli, katılımcılar…
San Diego Kaliforniya Üniversitesi’nde gerçekleştirilen ve henüz hakem değerlendirmesine sunulmamış olan bir araştırmada, dört büyük dil modeli (LLM), Turing testine tabi tutuldu. Test sonucunda, OpenAI tarafından geliştirilen GPT-4.5 modeli, katılımcılar tarafından yüzde 70’in üzerinde bir oranla insanlardan ayırt edilemedi.
Turing testi, İngiliz matematikçi ve bilgisayar bilimci Alan Turing tarafından 1950 yılında ortaya atılan bir deneydir. Bir makinenin insan gibi düşünüp düşünemediğini anlamayı amaçlayan testte, bir insan sorgulayıcı, biri insan diğeri yapay zeka olan iki muhatapla yazılı olarak iletişim kurar ve hangisinin insan olduğunu ayırt etmeye çalışır. Eğer sorgulayıcı bu ayrımı yapamazsa, testten geçen sistemin “insan benzeri zekâya sahip olduğu” kabul edilir.
Mart ayında yayımlanan ön çalışmada, ELIZA, GPT-4o, LLaMa-3.1-405B ve GPT-4.5 adlı dört yapay zekâ modeli test edildi. 284 katılımcıdan oluşan deney grubunda her birey, aynı anda biri insan diğeri yapay zekâ olan iki “tanıkla” beş dakikalık yazışmalar gerçekleştirdi. Sonuçlara göre, katılımcılar GPT-4.5’i insan zannederek yüzde 73 oranında yanıldı. LLaMa-3.1-405B için bu oran yüzde 56 olarak ölçülürken, ELIZA ve GPT-4o modelleri sırasıyla yalnızca yüzde 23 ve yüzde 21 oranında insan sanıldı.
Turing testine yönelik dört temel eleştiri öne çıkıyor. Davranış ile düşünme arasındaki fark, beyin-makine benzetmesi, işleyiş farkı ve testin kapsamı gibi konularda bilim dünyasında farklı görüşler bulunmaktadır. Araştırmanın yazarları, GPT-4.5’in testi geçtiğini belirtse de, bu durumun sistemin gerçek anlamda insan zekâsına sahip olduğu anlamına gelmediğini vurgulamaktadır. Ayrıca, yapay zekânın sadece “insan gibi görünmeyi” başardığı ifade edilmektedir.
