'Turing Test' ဆိုတာ ဘာလဲ — ယနေ့ခေတ် AI တွေအတွက် ဒီစမ်းသပ်ချက်က အဓိပ္ပာယ် ရှိသေးရဲ့လား

၁၉၅၀ ပြည့်နှစ်မှာ ကွန်ပျူတာသိပ္ပံရဲ့ ဖခင်ကြီးတစ်ဦးဖြစ်သူ အင်္ဂလိပ်လူမျိုး သင်္ချာပညာရှင် အလန်ကျူးရင်း (Alan Turing) ဟာ “Computing Machinery and Intelligence” ဆိုတဲ့ သမိုင်းဝင် သုတေသနစာတမ်းကို ရေးသားခဲ့ပါတယ်။ အဲဒီစာတမ်းရဲ့ အစမှာ သူက ရိုးရှင်းပေမဲ့ အင်မတန် နက်နဲတဲ့ မေးခွန်းတစ်ခုကို မေးခဲ့ပါတယ် — “စက်တွေဟာ စဉ်းစားတွေးခေါ်နိုင်စွမ်း ရှိသလား (Can machines think?)”

ဒီမေးခွန်းကို လက်တွေ့ အဖြေရှာဖို့အတွက် ကျူးရင်းဟာ နောင်တစ်ချိန်မှာ ကမ္ဘာကျော်လာမယ့် “The Imitation Game” သို့မဟုတ် “Turing Test” (ကျူးရင်း စမ်းသပ်ချက်) ဆိုတဲ့ စိတ်ကူးစမ်းသပ်မှုကို အဆိုပြုခဲ့ပါတယ်။

ဆယ်စုနှစ်ပေါင်းများစွာကြာအောင် Turing Test ဟာ ဉာဏ်ရည်တု (AI) တစ်ခုရဲ့ စွမ်းဆောင်ရည်ကို တိုင်းတာတဲ့ အမြင့်ဆုံး ရွှေရောင်စံနှုန်းတစ်ခုအဖြစ် ရပ်တည်ခဲ့ပါတယ်။ ဒါပေမယ့် ChatGPT၊ Claude နဲ့ Gemini တို့လို စကားကို လူသားတစ်ယောက်လို ချောမောစွာ ပြောဆိုနိုင်တဲ့ Large Language Models (LLMs) တွေ ပေါ်ထွက်လာတဲ့ ယနေ့ခေတ်မှာတော့ မေးခွန်းအသစ်တစ်ခု ပေါ်လာပါတယ် — “Turing Test ဟာ တကယ့် ဉာဏ်ရည်ကို တိုင်းတာဖို့ အဓိပ္ပာယ် ရှိသေးရဲ့လား။”

၁။ Turing Test ဆိုတာ ဘာလဲ၊ ဘယ်လို စမ်းသပ်တာလဲ

Turing Test ရဲ့ အခြေခံ သဘောတရားဟာ အလွန်ရိုးရှင်းပါတယ်။ လူသားတစ်ယောက်က စက်တစ်လုံးနဲ့ အခြား လူသားတစ်ယောက်ကို တစ်ဖက်စီထားပြီး စာသား (Text) သက်သက်နဲ့ စကားပြော စမ်းသပ်တဲ့ စနစ် ဖြစ်ပါတယ်။

ဒီစမ်းသပ်မှုမှာ အခန်း ၃ ခန်း ပါဝင်ပါတယ် -

အခန်း (က) — စမ်းသပ်မေးမြန်းသူ လူသား (Human Evaluator/Judge)
အခန်း (ခ) — အဖြေပေးမည့် သာမန် လူသားတစ်ဦး
အခန်း (ဂ) — စမ်းသပ်ခံမည့် ကွန်ပျူတာ ပရိုဂရမ် (AI System)

စမ်းသပ်သူဟာ တစ်ဖက်က လူလား၊ စက်လားဆိုတာကို မျက်မြင်မတွေ့ရဘဲ ကွန်ပျူတာ စာရိုက်စနစ်ကနေတစ်ဆင့် မေးခွန်းတွေ မေးမြန်းပါတယ်။ နိုင်ငံရေး၊ အနုပညာ၊ ဒဿနိကဗေဒကအစ နေ့စဉ် လူနေမှုဘဝအထိ ကြိုက်တဲ့ မေးခွန်းကို မေးလို့ ရပါတယ်။

စကားပြောဆိုမှု ပြီးဆုံးသွားတဲ့အခါ စမ်းသပ်သူ လူသားက ဘယ်သူဟာ လူအစစ်ဖြစ်ပြီး ဘယ်သူဟာ စက်ဖြစ်တယ်ဆိုတာကို ခွဲခြားရပါတယ်။ အကယ်၍ ကွန်ပျူတာ ပရိုဂရမ်ဟာ စမ်းသပ်သူ မျက်စိလည်သွားအောင် လူသားလို အယောင်ဆောင်နိုင်ခဲ့ပြီး “ဒါဟာ လူသားအစစ် ဖြစ်တယ်” လို့ အကဲဖြတ်သူက မှားယွင်း ဆုံးဖြတ်မိစေခဲ့ရင် အဲဒီ ကွန်ပျူတာဟာ Turing Test ကို အောင်မြင်တယ် လို့ သတ်မှတ်ပါတယ်။

၂။ ခေတ်သစ် AI များနှင့် Turing Test အောင်မြင်သွားပုံ

၁၉၆၆ ခုနှစ်က ပေါ်ခဲ့တဲ့ ELIZA လို စကားလုံးလှည့်ပြန်တဲ့ Chatbot အစောပိုင်းတွေကနေ ၂၀၁၄ ခုနှစ်က Eugene Goostman လို့ခေါ်တဲ့ ယူကရိန်းက အသက် ၁၃ နှစ်အရွယ် ကလေးအဖြစ် အယောင်ဆောင်ခဲ့တဲ့ ပရိုဂရမ်တွေအထိ Turing Test ကို အောင်မြင်ဖို့ ကြိုးစားခဲ့ကြဖူးပါတယ်။

ဒါပေမယ့် တကယ့် အလှည့်အပြောင်းကတော့ ခေတ်သစ် Large Language Models (LLMs) တွေ ပေါ်လာတဲ့အခါမှာ ဖြစ်ပေါ်ခဲ့ပါတယ်။ ဒီနေ့ခေတ် AI မော်ဒယ်တွေဟာ လူသားတွေလို ကဗျာစပ်နိုင်တယ်၊ ဟာသပြောနိုင်တယ်၊ စိတ်ခံစားချက်ရှိသလို စာနာပြနိုင်သလို စာလုံးပေါင်း အမှားလေးတွေတောင် လူသားဟန်ပေါက်အောင် တမင် ထည့်ရေးပြနိုင်စွမ်း ရှိလာပါတယ်။

မျက်မှောက်ခေတ် စမ်းသပ်မှု အများစုမှာ AI မော်ဒယ်တွေဟာ သာမန် စမ်းသပ်သူတွေကို အလွယ်တကူ လှည့်စားနိုင်ပြီး Turing Test စံနှုန်းကို အကြိမ်ကြိမ် ကျော်ဖြတ်ပြသသွားခဲ့ပါပြီ။

၃။ ဒါဆိုရင် ယနေ့ခေတ်မှာ ဒီစမ်းသပ်ချက်က ဘာကြောင့် အဓိပ္ပာယ် မရှိတော့တာလဲ

AI တွေက Turing Test ကို အောင်မြင်သွားပေမဲ့ ကမ္ဘာ့ AI သိပ္ပံပညာရှင် အများစုကတော့ ဒီစမ်းသပ်ချက်ဟာ “စစ်မှန်သော ဉာဏ်ရည်” ကို တိုင်းတာဖို့အတွက် လုံလောက်မှု မရှိတော့ဘူးလို့ ရှုမြင်ကြပါတယ်။ အဓိက အကြောင်းရင်း ၄ ချက် ရှိပါတယ် -

က။ “လူလို အယောင်ဆောင်နိုင်ခြင်း” သည် “တကယ် စဉ်းစားတတ်ခြင်း” မဟုတ်ပါ

Turing Test ရဲ့ အကြီးမားဆုံး အားနည်းချက်ကတော့ သူဟာ စက်ရဲ့ အသိဉာဏ်ကို တိုင်းတာတာ မဟုတ်ဘဲ “လူသားကို ဘယ်လောက် လှည့်စားနိုင်သလဲ” ဆိုတဲ့ အချက်ကိုသာ တိုင်းတာတာ ဖြစ်ပါတယ်။ LLM တွေဟာ ဘီလီယံနဲ့ချီတဲ့ စာသားဒေတာတွေထဲက စကားလုံးတွေရဲ့ ဖြစ်နိုင်ခြေ (Statistical Probability) ကို တွက်ချက်ပြီး စကားပြောနေတာသာ ဖြစ်ပြီး၊ သူတို့ ပြောနေတဲ့ စကားရဲ့ အဓိပ္ပာယ်ကို အတွင်းထဲကနေ တကယ် နားလည်ခံစားနေတာ (Consciousness or True Understanding) မဟုတ်ပါဘူး။

ခ။ လူသားစရိုက် အားနည်းချက်များကို အတုခိုးရခြင်း

အလွန်ထက်မြက်တဲ့ AI တစ်ခုဟာ သင်္ချာပုစ္ဆာ အကြီးကြီးတစ်ခုကို တစ်စက္ကန့်အတွင်း အဖြေမှန် ထုတ်ပေးလိုက်ရင် စမ်းသပ်သူက “ဒါ လူ မဟုတ်ဘူး၊ ကွန်ပျူတာပဲ” လို့ ချက်ချင်း ရိပ်မိသွားပါလိမ့်မယ်။ ဒါကြောင့် Turing Test ကို အောင်ဖို့ဆိုရင် AI ဟာ တမင်တကာ တွက်ချက်မှု နှေးပြတာ၊ စာလုံးပေါင်း မှားရိုက်ပြတာ ဒါမှမဟုတ် မသိချင်ယောင်ဆောင်တာ စတဲ့ လူသားတွေရဲ့ အားနည်းချက်တွေကို အတုခိုး ပြသရပါတယ်။ ဒါဟာ ဉာဏ်ရည်မြင့်မားမှုကို တိုင်းတာတာထက် သရုပ်ဆောင်စွမ်းရည်ကို စစ်ဆေးသလို ဖြစ်နေပါတယ်။

ဂ။ စမ်းသပ်သူ လူသား၏ အကဲဖြတ်မှုအပေါ် မှီခိုနေရခြင်း

စမ်းသပ်သူ လူသားရဲ့ အသိပညာ၊ နည်းပညာ နားလည်မှုနဲ့ စိတ်ခံစားချက်အပေါ် မူတည်ပြီး ရလဒ်တွေ ပြောင်းလဲနိုင်ပါတယ်။ နည်းပညာ အတွေ့အကြုံ နည်းတဲ့ လူတစ်ယောက်ကို လှည့်စားဖို့ဟာ အတွေ့အကြုံရင့် ကျွမ်းကျင်သူတစ်ယောက်ကို လှည့်စားတာထက် အဆပေါင်းများစွာ ပိုမိုလွယ်ကူပါတယ်။

ဃ။ ဘာသာစကား အသုံးပြုနိုင်မှု သက်သက်သာ ဖြစ်ခြင်း

Turing Test ဟာ စာသားနဲ့ အပြန်အလှန် စကားပြောနိုင်မှုကိုသာ အဓိက ကြည့်တာ ဖြစ်ပါတယ်။ လက်တွေ့ကမ္ဘာမှာ လိုအပ်တဲ့ ရုပ်ပိုင်းဆိုင်ရာ ဆင်ခြင်တုံတရား၊ ပုံရိပ်နားလည်မှု၊ စက်ရုပ်လှုပ်ရှားမှု (Robotics) နဲ့ သိပ္ပံဆိုင်ရာ ပြဿနာ အသစ်အဆန်းတွေကို လက်တွေ့ ဖြေရှင်းနိုင်စွမ်း စတဲ့ ဘက်စုံ ဉာဏ်ရည်တွေကို Turing Test က မတိုင်းတာနိုင်ပါဘူး။

၄။ Turing Test အစား ခေတ်သစ် AI တွေကို ဘယ်လို တိုင်းတာနေကြသလဲ

ယနေ့ခေတ် AI သုတေသန နယ်ပယ်မှာ Turing Test အစား ပိုမို တိကျပြီး ဘက်စုံလွှမ်းခြုံတဲ့ Benchmark စစ်ဆေးမှုများ ကို ပြောင်းလဲ အသုံးပြုလာကြပါတယ် -

MMLU (Massive Multitask Language Understanding) — မူလတန်းအဆင့်ကနေ ပရော်ဖက်ရှင်နယ် အဆင့်အထိ သင်္ချာ၊ သမိုင်း၊ ဆေးပညာ၊ ဥပဒေ စတဲ့ ဘာသာရပ် ၅၇ ခုကျော်ကို ဖြေဆိုနိုင်စွမ်း ရှိ/မရှိ တိုင်းတာခြင်း။
GSM8K & MATH — အဆင့်မြင့် သင်္ချာပုစ္ဆာများနှင့် ဆင်ခြင်တုံတရားဆိုင်ရာ တွက်ချက်မှုများကို အဆင့်ဆင့် ဖြေရှင်းနိုင်စွမ်း စစ်ဆေးခြင်း။
HumanEval — ကွန်ပျူတာ ပရိုဂရမ် ကုဒ်များကို အမှားအယွင်းကင်းစွာ ရေးသားနိုင်စွမ်း တိုင်းတာခြင်း။
ARC (Abstraction and Reasoning Corpus) — ကြိုတင် သင်ကြားမထားတဲ့ အခြေအနေသစ် ပုစ္ဆာများကို ကိုယ်ပိုင် ဉာဏ်ရည်ဖြင့် ပုံစံဖော် ဖြေရှင်းနိုင်စွမ်း စစ်ဆေးခြင်း။

နိဂုံး

အလန်ကျူးရင်း ချမှတ်ခဲ့တဲ့ Turing Test ဟာ ကွန်ပျူတာသိပ္ပံ သမိုင်းမှာ AI ဆိုတဲ့ စိတ်ကူးကို စတင် အသက်သွင်းပေးခဲ့တဲ့ မဟာ အုတ်မြစ်တစ်ခု ဖြစ်ခဲ့တာ ငြင်းမရပါဘူး။

ဒါပေမယ့် နည်းပညာတွေ အဆမတန် တိုးတက်လာတဲ့ ယနေ့ခေတ်မှာတော့ စက်တစ်လုံးက “လူသားလို စကားပြောတတ်ရုံ”၊ “လူကို လှည့်စားနိုင်ရုံ” နဲ့ ဉာဏ်ရည်ရှိတယ်လို့ သတ်မှတ်ဖို့ မလုံလောက်တော့ပါဘူး။

Turing Test ရဲ့ ခေတ်ဟာ သမိုင်းစာမျက်နှာတစ်ခုအဖြစ် ပြီးဆုံးသွားခဲ့ပြီဖြစ်ပြီး ယနေ့ခေတ် AI လောကရဲ့ စစ်မှန်တဲ့ စိန်ခေါ်မှုကတော့ — လူလို ဟန်ဆောင်နိုင်ဖို့ထက် လူသားတွေ မဖြေရှင်းနိုင်သေးတဲ့ ရှုပ်ထွေးနက်နဲတဲ့ ပြဿနာတွေကို အမှန်တကယ် နားလည်ပြီး ဘေးကင်းစွာ ဖြေရှင်းပေးနိုင်မယ့် General AI (AGI) စနစ်တွေကို တည်ဆောက်နိုင်ဖို့သာ ဖြစ်ပါတော့တယ်။