GPT-4.5 Turing-teszt: amikor a mesterséges intelligencia elhiteti, hogy emberrel beszélsz

Elég ijesztően hangzik: GPT-4.5 Turing-teszt jellegű kísérletben sokszor embernek nézték a chatbotot a beszélgetőpartnerek. Nem csak statikus feladatokban “jól teljesített” — élő csetben győzte le az embert. És ez most tényleg hidegrázós, mert a felismerés helyett a pillanatnyi hitelesség lett a mérce.

Egy UC San Diego vizsgálatban a bírák valós időben beszélgettek egy emberrel és egy AI-modellel, majd ki kellett találniuk, ki kicsoda. A tanulság: a meggyőző emberi beszéd már önmagában elég lehet ahhoz, hogy a szoftver átcsússzon az “embernek tűnik” szűrőn.

GPT-4.5 Turing-teszt eredmény: hogyan nyertek a modellek

A hagyományos Turing-teszt klasszikusan “mennyire hasonlít” kérdés. Itt viszont gyors ítélet született: a bírák beszélgetés közben döntöttek. Ez sokkal nehezebb, mint egy átlagos, egyszeri prompt.

Persona jellegű beállítással a GPT-4.5-et 73%-ban embernek azonosították. A LLaMa-3.1-405B pedig 56%-ban csúszott át ugyanebbe a kategóriába. Szerintem ez azért különösen nagy ügy, mert az AI-nak nem kellett “valódi” embernek kinéznie: elég volt, hogy emberként szólaljon meg.

Miért számít ez mégis: a Turing-teszt szimbolikája

A Turing-teszt mindig is kicsit kulturális mérföldkő volt: nem tökéletes tudományos mérőszám, inkább egy felismerhető próbatétel. Viszont most a kép élesebb lett.

Egy chatbotnak nem kell test, hang vagy életrajz. Elég, ha a rövid interakcióban elhisethető szociális jelzéseket ad. Nekem ettől borul “össze” a bizalom: mert a beszélgetések gyakran pont ilyen gyors benyomásokra épülnek.

Hol találkozunk ezzel a hétköznapokban?

Ügyfélszolgálat, társkeresők, közösségi platformok, oktatás, sőt politikai üzenetek is támaszkodnak arra, hogy rögtön eldöntsük: kivel beszélünk, milyen a szándéka, mennyire hiteles.

Mit érdemes figyelni a következő lépésben?

A kutatás nem állítja, hogy a chatbot “ért” emberi módon. Inkább azt mutatja: egyes modellek meggyőzően tudják utánozni a személyességet rövid csetváltásokban.

Számomra a következő nagy kérdés a transzparencia. Ha egy rendszer bele tud olvadni a hétköznapi beszélgetésbe, akkor erősebb jelzések kellenek — főleg ott, ahol az emberek gyorsan döntenek bizalomról, és az érzelmi sérülékenység is szerepet játszik.

Közben meg ott motoszkál bennem a gondolat: ha a GPT-4.5 Turing-teszt már nem arról szól, hogy “meg tud-e győzni”, hanem arról, hogy “mennyire könnyen teszi”, akkor legközelebb hol lesz a határ a beszélgetés és a manipuláció között?