PTSC 4.4

TUGAS PENGANTAR TEKNOLOGI SISTEM CERDAS KE- 4.4

KAMIS, 16 JANUARI 2020

DOSEN PEMBIMBING : DONIE MARGAVIANTO, SKOM.,MMSI

Putri Amalia
17117223 - 3KA20
Sistem Informasi
Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Gunadarma

========================================================

Masalah dengan Tes Turing

Mark Halpern

Dalam edisi Oktober 1950 dari Pikiran triwulanan Inggris, Alan Turing menerbitkan sebuah makalah 28 halaman berjudul "Mesin Komputasi dan Kecerdasan." Itu diakui hampir secara instan sebagai tengara. Pada tahun 1956, kurang dari enam tahun setelah publikasi dalam sebuah bacaan berkala kecil yang hampir secara eksklusif oleh para filsuf akademik, itu dicetak ulang di The World of Mathematics, sebuah antologi tulisan tentang masalah-masalah klasik dan tema-tema matematika dan logika, kebanyakan dari mereka ditulis oleh ahli matematika dan ahli logika terhebat sepanjang masa. (Dalam suatu tindakan yang menimbulkan banyak kebingungan yang mengikuti tentang apa yang benar-benar dikatakan Turing, James Newman, editor antologi, dengan diam-diam menamai ulang makalah “Can a Machine Think?”) Sejak itu, ia telah menjadi salah satu yang paling penting. dicetak ulang, dikutip, dikutip, salah kutip, diparafrasekan, disinggung, dan umumnya direferensikan makalah filosofis yang pernah diterbitkan. Ini telah memengaruhi berbagai disiplin ilmu - kecerdasan buatan (AI), robotika, epistemologi, filsafat pikiran - dan membantu membentuk pemahaman publik, seperti batas kemampuan dan kemungkinan non-manusia, buatan manusia, buatan "intelijen."

Makalah Turing mengklaim bahwa komputer digital terprogram yang sesuai secara umum akan diterima sebagai pemikiran sekitar tahun 2000, mencapai status itu dengan berhasil menanggapi pertanyaan manusia dengan cara yang mirip manusia. Dalam mempersiapkan pembacanya untuk menerima ide ini, ia menjelaskan apa itu komputer digital, menyajikannya sebagai kasus khusus dari "mesin negara diskrit"; dia menawarkan penjelasan kapsul tentang apa yang dimaksud "pemrograman" mesin seperti itu; dan dia menyangkal - setidaknya untuk kepuasannya sendiri - sembilan argumen menentang tesisnya bahwa mesin seperti itu bisa dikatakan berpikir. (Semua dasar ini diperlukan pada tahun 1950, ketika beberapa orang bahkan pernah mendengar tentang komputer.) Tetapi, bagian-bagian dari makalah ini tidak menjadikannya penting secara historis. Bagian yang telah menangkap imajinasi kita, sampai pada titik di mana ribuan orang yang belum pernah melihat makalah itu dengan jelas mengingatnya, adalah tes yang diajukan Turing untuk menentukan apakah sebuah komputer sedang berpikir - sebuah eksperimen yang ia sebut Permainan Imitasi, tetapi yang sekarang dikenal sebagai Tes Turing.

Tes meminta seorang interogator untuk mempertanyakan entitas tersembunyi, yang merupakan komputer atau manusia lain. Penanya kemudian harus memutuskan, hanya berdasarkan jawaban entitas tersembunyi, apakah ia telah menginterogasi seorang pria atau mesin. Jika interogator tidak dapat membedakan komputer dari manusia lebih baik daripada dia dapat membedakan, katakanlah, pria dari wanita dengan cara interogasi yang sama, maka kita tidak memiliki alasan yang baik untuk menyangkal bahwa komputer yang menipu dia sedang berpikir. Dan satu-satunya cara komputer bisa meniru manusia yang berhasil, Turing menyiratkan, akan benar-benar berpikir seperti manusia.

Eksperimen pemikiran Turing sederhana dan kuat, tetapi bermasalah sejak awal. Turing tidak memperdebatkan premis bahwa kemampuan untuk meyakinkan sejumlah pengamat yang tidak ditentukan, kualifikasi yang tidak ditentukan, untuk jangka waktu yang tidak ditentukan, dan pada sejumlah kesempatan yang tidak ditentukan, akan membenarkan kesimpulan bahwa komputer berpikir - ia hanya menegaskan Itu. Beberapa pembela nya telah mencoba untuk memberikan dasar yang Turing sendiri tampaknya berpikir tidak perlu dengan berdebat bahwa Tes hanya meminta kita untuk menilai entitas yang tidak terlihat dengan cara yang sama kita secara teratur menilai sesama manusia: jika mereka menjawab pertanyaan kita dengan cara yang masuk akal, kami katakan mereka berpikir. Mengapa tidak menerapkan kriteria yang sama pada entitas non-manusia lain yang mungkin juga berpikir?

Tetapi pembelaan ini gagal, karena kita tidak benar-benar menilai sesama manusia sebagai makhluk berpikir berdasarkan pada bagaimana mereka menjawab pertanyaan kita - kita umumnya menerima manusia mana pun yang terlihat dan tanpa pertanyaan sebagai makhluk yang berpikir, sama seperti kita membedakan seorang pria dari seorang wanita. dalam pengelihatan. Suatu percakapan mungkin memungkinkan kita untuk menilai kualitas atau kedalaman pemikiran orang lain, tetapi tidak apakah ia benar-benar berpikir; Keanggotaannya dalam spesies Homo sapiens menjawab pertanyaan itu - atau lebih tepatnya, mencegahnya muncul. Jika kata-kata orang seperti itu tidak jelas, kami mungkin menilai dia bodoh, terluka, mabuk, atau mabuk. Jika tanggapannya sepertinya tidak lebih dari perombakan dan gema dari kata-kata yang telah kami tujukan kepadanya, atau jika mereka tampaknya menangkis atau menghindari pertanyaan kami alih-alih mengatasinya, kita mungkin menyimpulkan bahwa dia tidak bertindak dengan itikad baik, atau bahwa dia Otaknya rusak parah dan dengan demikian secara tidak sengaja kehilangan hak kesulungannya untuk berpikir.

Mungkin atribusi otomatis kemampuan berpikir kita kepada siapa pun yang tampak manusia itu dangkal, tidak memiliki ketelitian filosofis atau ilmiah. Tetapi untuk yang lebih baik atau lebih buruk, itulah yang kita lakukan, dan konsep kita tentang makhluk terikat erat, pertama, dengan penampilan manusia, dan kemudian dengan koherensi respons. Jika kita ingin menghargai entitas non-manusia dengan pemikiran, entitas itu sebaiknya merespons dengan cara yang membuat kita melihatnya, di mata pikiran kita, sebagai manusia. Dan Turing, atas pujiannya, menerima kriteria itu.

Turing menyatakan penilaiannya bahwa komputer dapat berpikir dalam bentuk prediksi: yaitu, bahwa masyarakat umum lima puluh tahun karenanya tidak akan memiliki keraguan untuk menggunakan "berpikir" untuk menggambarkan apa yang dilakukan komputer.

Pertanyaan aslinya, “Bisakah mesin berpikir?” Saya percaya terlalu tidak berarti untuk didiskusikan. Namun demikian saya percaya bahwa pada akhir abad ini, penggunaan kata-kata dan pendapat umum yang berpendidikan akan sangat banyak berubah sehingga orang akan dapat berbicara tentang mesin yang berpikir tanpa berharap akan dipertentangkan.

Perhatikan bahwa Turing mendasarkan prediksi itu bukan pada harapan bahwa komputer akan melakukan prestasi matematika, ilmiah, atau logis yang penting, seperti bermain catur tingkat grandmaster atau membuktikan teorema matematika, tetapi dengan harapan bahwa itu akan mampu, dalam dua generasi atau lebih, untuk melakukan pertukaran tanya-jawab yang berkelanjutan dengan cukup baik sehingga sebagian besar orang, pada umumnya, tidak dapat membedakannya dari manusia.

Dan apa yang dipahami Turing lebih baik daripada sebagian besar pengikutnya adalah bahwa tanda karakteristik dari kemampuan untuk berpikir adalah tidak memberikan jawaban yang benar, tetapi jawaban responsif - balasan yang menunjukkan pemahaman tentang komentar yang mendorong mereka. Jika kita menganggap lawan bicara sebagai makhluk berpikir, responsnya perlu otonom; berpikir adalah berpikir untuk diri sendiri. Keyakinan bahwa entitas tersembunyi sedang berpikir sangat bergantung pada kata-kata yang dia sampaikan kepada kita bahwa tidak mengulangi kata-kata yang baru saja kita katakan kepadanya, tetapi kata-kata yang tidak kita gunakan atau pikirkan tentang diri kita sendiri - kata-kata yang bukan turunan tetapi asli. Dengan kriteria ini, tidak ada komputer, betapapun canggihnya, yang mendekati pemikiran nyata.

Fakta-fakta ini telah membuat Tes sangat bermasalah bagi para penggemar AI, yang ingin menjadikan Turing sebagai ayah spiritual dan pelindung filosofis mereka. Sementara mereka telah memprogram komputer untuk melakukan hal-hal yang mungkin mengejutkan bahkan dia, programmer saat ini tidak dapat melakukan apa yang dia yakini akan mereka lakukan - mereka tidak dapat lulus ujiannya. Jadi, hubungan komunitas AI dengan Turing sangat mirip dengan remaja terhadap orang tua mereka: ketergantungan yang hina berganti-ganti dengan penolakan yang memalukan. Untuk pekerja AI, dapat menampilkan diri mereka sebagai "Pria Turing" sangat berharga; statusnya adalah von Neumann, Fermi, atau Gell-Mann, hanya satu langkah di bawah yang abadi seperti Newton dan Einstein. Dia adalah seorang jenius yang tidak diragukan lagi yang namanya dikaitkan dengan proyek AI (meskipun statusnya sebagai seorang jenius tidak didasarkan pada pekerjaan di AI). Penghargaan tertinggi yang diberikan oleh Association for Computing Machinery adalah Turing Award, dan konsep komputernya sebagai contoh dari apa yang sekarang kita sebut Mesin Turing merupakan hal mendasar bagi semua ilmu komputer teoretis. Ketika anggota komunitas AI membutuhkan beberapa leluhur terkenal untuk memberikan martabat pada posisi mereka, nama Turing secara teratur dipanggil, dan makalahnya disebut sebagai tulisan suci. Tetapi ketika spesifik makalah itu diangkat, dan ketika kritik bertanya mengapa Tes belum berhasil dilakukan, ia disingkirkan sebagai penggemar awal dan agak tidak canggih. Ide-idenya, kita kemudian diberitahu, bukan lagi dasar dari pekerjaan AI, dan makalahnya dapat dengan aman dipindahkan ke rak tempat klasik yang belum terbaca mengumpulkan debu, bahkan ketika kita diminta untuk membayar pengarangnya rasa hormat yang paling dalam kepada penulisnya. Turing adalah nama untuk disulap, dan itulah yang dilakukan sebagian besar pekerja AI.

Belum Tertipu

Turing memberikan contoh terperinci tentang apa yang diinginkannya dan yang diharapkan dilakukan oleh programmer. Setelah memperkenalkan gagasan umum Tes, ia kemudian menawarkan sebuah fragmen perwakilan yang mungkin mewakili dialog yang akan terjadi antara entitas tersembunyi dan interogatornya. Mungkin kunci keberhasilan diskriminasi antara komputer yang diprogram dan manusia adalah dengan bertanya pada entitas yang tak terlihat, pertanyaan-pertanyaan yang menurut manusia mudah dijawab (tidak harus dengan benar), tetapi bahwa seorang programmer AI akan menemukan mustahil untuk diprediksi dan ditangani, dan untuk menggunakan pertanyaan semacam itu untuk membuka kedok jawaban yang mengelak dan hanya kata-juggling. Pertimbangkan garis pertanyaan Turing yang disarankan dengan strategi itu dalam benak:

T: Tolong tuliskan saya soneta tentang masalah Forth Bridge.

A: Hitung saya yang ini. Saya tidak pernah bisa menulis puisi.

T: Tambahkan 34957 hingga 70764.

A: (Diam sekitar 30 detik lalu berikan jawaban) 105621.

T: Apakah Anda bermain catur?

A: Ya.

T: [menjelaskan posisi endgame, lalu bertanya] Apa yang Anda mainkan?

A: (Setelah jeda 15 detik) pasangan R-R8.

Pertanyaan pertama tidak memiliki nilai sebagai pembeda, karena sebagian besar manusia tidak akan mampu seperti komputer untuk memproduksi soneta dalam waktu singkat, jika pernah. Turing memiliki komputer yang menyatakan tidak hanya ketidakmampuan untuk menulis soneta pada subjek yang ditugaskan, tetapi ketidakmampuan untuk menulis puisi dalam bentuk apa pun tentang subjek apa pun. Beberapa pertanyaan lanjutan tentang hal ini mungkin telah diungkapkan, bahkan menentukan untuk tujuan Tes. Tetapi interogator imajiner Turing tidak pernah menindaklanjuti jawaban yang menarik, alih-alih beralih ke topik lain sama sekali.

Pertanyaan kedua juga tanpa nilai diskriminatif, karena baik manusia maupun mesin tidak akan mengalami kesulitan dengan tugas aritmatika ini, diberikan waktu 30 detik untuk melakukannya; tetapi sekali lagi, komputer diasumsikan memahami sesuatu yang belum disebutkan oleh penanya - dalam hal ini, bahwa tidak hanya menambahkan dua angka, tetapi untuk melaporkan jumlah mereka kepada interogator.

Pertukaran pertanyaan-jawaban ketiga dapat diabaikan, tetapi yang keempat, seperti dua yang pertama, menimbulkan masalah. Pertama, itu gagal sebagai diskriminator, karena tidak ada orang yang benar-benar bermain catur akan bingung dengan permainan-akhir yang begitu sederhana sehingga tersedia pasangan; kedua, memperkenalkan asumsi yang tidak dapat secara otomatis diizinkan: yaitu, bahwa komputer bermain untuk menang. Mungkin terlihat agak berlebihan untuk menarik perhatian, dan menolak, asumsi sederhana ini; setelah semua, mereka berjumlah tidak lebih dari akal sehat biasa. Persis. Dialog sampel Turing menghadiahkan komputer hanya properti yang tidak pernah bisa diberikan oleh programmer kepada komputer mereka: akal sehat. Pertanyaan yang diajukan Turing di mulut interogator tampaknya sengaja dirancang untuk mencegahnya memahami apa yang ia hadapi, dan Turing memberi komputer kecerdasan yang cukup untuk menipu si interogator selamanya.

Tetapi jika interogator imajiner Turing tertipu, kebanyakan dari kita tidak. Dan jika kita membacanya dengan hati-hati, kita perhatikan juga kontradiksi yang mencolok dalam posisi Turing: bahwa antara penolakan awalnya untuk menghormati pemahaman umum tentang kata-kata dan konsep-konsep kunci, dan seruannya pada kesimpulan dari argumennya untuk penggunaan umum seperti itu. Di awal makalahnya, Turing mengatakan:

Jika makna kata "mesin" dan "berpikir" dapat ditemukan dengan memeriksa bagaimana mereka biasa digunakan, sulit untuk lolos dari kesimpulan bahwa makna dan jawaban untuk pertanyaan, 'Dapatkah mesin berpikir?' Adalah menjadi dicari dalam survei statistik seperti jajak pendapat Gallup. Tapi ini tidak masuk akal.

Tetapi kemudian ia menyarankan, seperti dikutip di atas, bahwa pada akhir abad kedua puluh pemeriksaan "penggunaan kata-kata dan pendapat umum yang berpendidikan" akan menunjukkan bahwa masyarakat sekarang menerima bahwa komputer dapat berpikir, dan bahwa perubahan sikap ini penting. . Penolakan awal Turing atas penggunaan umum (sekitar tahun 1950) dilupakan begitu ia membayangkan suatu era (sekitar tahun 2000) di mana penggunaan umum mendukung tesisnya.

Namun pemahaman kita tentang berpikir jelas tidak berubah dalam cara yang diprediksi Turing. Jika ada, pemikiran terdidik tampaknya bergerak ke arah yang berlawanan: sementara kami terus merasa nyaman untuk berbicara tentang komputer sebagai "mencoba" untuk melakukan ini atau "ingin" untuk melakukan itu, sama seperti kita mempersonifikasikan semua jenis non-komputer. kekuatan dan entitas manusia dalam pembicaraan informal, semakin banyak dari kita yang sadar bahwa kita berbicara secara kiasan. Tidak seorang pun yang diberitahu bahwa reservasi hotelnya telah hilang karena "komputer yang keliru" cenderung menggunakan istilah "mesin berpikir" kecuali dengan sarkastik. Dan kebanyakan orang di zaman komputer memahami perbedaan antara kecerdasan yang hidup dan alat yang dibuat manusia untuk membantu kecerdasan - alat yang menjaga buah dari kecerdasan manusia yang digunakan untuk membangunnya, tetapi yang sama sekali tidak cerdas sendiri. Bayangan Panjang Turing

Namun Tes tetap menjadi masalah hidup di hampir semua diskusi tentang AI, jika hanya karena Turing memberikan tujuan konkret untuk pekerja AI. Terlepas dari Test-nya, tidak ada yang mengusulkan alternatif menarik untuk menilai keberhasilan atau kegagalan AI, meninggalkan lapangan dalam keadaan kebingungan total. Pelopor komputer Maurice V. Wilkes, yang juga seorang pemenang Penghargaan Turing, menyatakan hal itu pada tahun 1992, dalam sebuah pernyataan yang benar hari ini seperti pada saat itu:

Awalnya, istilah AI digunakan secara eksklusif dalam arti mimpi Turing bahwa komputer mungkin diprogram untuk berperilaku seperti manusia yang cerdas. Namun, dalam beberapa tahun terakhir, AI telah lebih banyak digunakan sebagai label untuk program-program yang, jika tidak muncul dari komunitas AI, mungkin telah dianggap sebagai buah alami dari pekerjaan dengan bahasa seperti COMIT dan SNOBOL, dan dari karya tersebut. dari ET Setrika pada kompiler diarahkan sintaksis perintis. Saya merujuk pada sistem pakar .... Sistem pakar memang merupakan hadiah berharga yang telah dibuat oleh komunitas AI kepada dunia pada umumnya, tetapi mereka tidak ada hubungannya dengan mimpi Turing .... Memang, sulit untuk menghindari kesimpulan bahwa, dalam 40 tahun yang telah berlalu sejak 1950, tidak ada kemajuan nyata yang dicapai dalam mewujudkan kecerdasan mesin dalam arti yang telah dibayangkan Turing.

Tentu saja sangat sedikit pekerja AI yang menerima penilaian negatif atas kemajuan mereka. Pengamatan Wilkes membangkitkan beberapa surat penolakan, termasuk satu dari Patrick J. Hayes, yang saat itu presiden American Association for Artificial Intelligence. Tetapi seperti tradisional dalam hal-hal seperti itu, surat-surat ini kuat pada kemarahan dan lemah dalam mengutip prestasi spesifik yang menunjukkan mengapa Wilkes salah. Hayes bahkan tidak menyebut Tes sebagai tujuan bagi pekerja AI, tetapi menyimpulkan dengan kutipan penuh hormat dari Turing, dengan demikian mencontohkan sikap ganda terhadap tuan: abaikan proposal spesifiknya bahkan ketika mengenakan mantelnya untuk menutupi ketelanjangan Anda sendiri.

Dengan tidak adanya tujuan alternatif yang diterima secara umum, praktis tidak mungkin untuk mengatakan apa itu AI dan apa yang bukan. Setiap perangkat lunak baru yang keluar dari lembaga dengan "AI" dalam judulnya, atau yang dikembangkan oleh mahasiswa pascasarjana yang penasihat tesisnya mengajarkan kursus dengan "AI" dalam judulnya, biasanya disebut AI ketika pertama kali muncul - dan siapa dapat bertentangan dengan klaim seperti itu? Tetapi "perkembangan menarik" dan "terobosan" ini selalu diturunkan ke aplikasi lama yang sederhana ketika kebaruannya telah hilang. Hasilnya, seperti yang sering dikeluhkan oleh pekerja AI, adalah bahwa tesis AI yang kuat gagal mendapatkan manfaat dari apa pun yang mereka lakukan - semua kemenangan mereka segera dianggap hanya sebagai lebih banyak perangkat lunak. "Ini posisi gila untuk berada di sini," keluh Martha Pollack, profesor di Laboratorium AI Universitas Michigan dan editor eksekutif Journal of Artificial Intelligence Research. "Segera setelah kami memecahkan masalah, alih-alih melihat solusi sebagai AI, kami melihatnya sebagai sistem komputer lain," katanya kepada Wired News. Namun sejauh ini, tidak ada yang muncul dari laboratorium AI yang benar-benar layak disebut "kecerdasan buatan".

Hubungan rumit antara bidang AI dan warisan Turing kembali ke awal. Profesor Marvin Minsky dari M.I.T. dan John McCarthy dari Stanford dianggap sebagai pendiri Intelegensi Buatan sebagai disiplin formal atau program penelitian, dan keduanya masih aktif pada tulisan ini. Dalam sebuah artikel survei dalam Prosiding IRE pada tahun 1961, Minsky membela gagasan bahwa komputer mungkin berpikir dengan mengatakan bahwa “kita tidak dapat memberikan semua kredit kepada programmer-nya jika operasi suatu sistem muncul untuk mengungkapkan struktur yang tidak dapat dikenali atau tidak diantisipasi oleh programmer, ”menyiratkan bahwa setidaknya beberapa bagian dari hasil yang mengejutkan harus disebabkan oleh pemikiran oleh mesin. Dia menutup argumennya dengan kata-kata: "Turing memberikan diskusi yang sangat luas tentang hal-hal seperti itu." Tetapi pada tahun 2003, Minsky menyatakan kekecewaan dan frustrasinya pada kurangnya kemajuan yang dibuat oleh AI untuk mencapai tujuan Turing: “AI telah mati otak sejak tahun 1970-an .... Untuk setiap jenis masalah yang berbeda, pembangunan sistem pakar memiliki untuk memulai dari awal lagi, karena mereka tidak mengumpulkan pengetahuan yang masuk akal .... Mahasiswa pascasarjana menyia-nyiakan tiga tahun hidupnya menyolder dan memperbaiki robot, bukannya membuat mereka pintar. Ini sangat mengejutkan. "

Raj Reddy, pemenang lain dari Penghargaan Turing dan mantan presiden Asosiasi Amerika untuk Kecerdasan Buatan, mengambil pandangan yang jauh lebih menarik tentang masalah ini. Dalam sebuah makalah tahun 1996, Reddy memulai dengan haluan biasa untuk Turing, kemudian berkata, "Sejak awal, AI telah membuat kemajuan yang stabil." Sebagai ilustrasi, ia menyebutkan berbagai prestasi, seperti bermain catur tingkat tinggi, membimbing sebuah mobil di jalan, dan memungkinkan "buku elektronik." Tapi dia tidak menyebutkan upaya untuk lulus Tes atau melakukan apa pun yang seperti itu. Sebagai gantinya, ia menyerang mereka yang meminimalkan pencapaian AI, seperti Hubert Dreyfus, penulis buku What Computers Can'tt Do:

Masalah dengan orang-orang yang berpikir bahwa kecerdasan komputer di masa depan adalah bahwa mereka tidak pernah melakukan penelitian yang serius tentang kecerdasan manusia. Haruskah kita menulis buku tentang 'Apa yang Tidak Dapat Manusia Lakukan'? Setidaknya akan sepanjang buku Dreyfus.

Pernyataan meremehkan ini adalah contoh kecenderungan lain yang ditunjukkan oleh pembela AI: ketika mereka menemukan "kecerdasan komputer" dibandingkan dengan kecerdasan manusia, mereka kadang-kadang mencoba untuk mempromosikan kecerdasan komputer dengan merendahkan bahwa manusia. Dengan kata lain, jika mereka tidak dapat membuat komputer lebih pintar, mereka dapat mencoba meningkatkan rasio dengan membuat orang tampak bodoh. Seperti yang dikatakan Jaron Lanier kepada New York Times: "Turing berasumsi bahwa komputer dalam kasus ini [yaitu, setelah lulus Tes] telah menjadi lebih pintar atau lebih mirip manusia, tetapi kesimpulan yang kemungkinannya sama adalah bahwa orang tersebut menjadi lebih bodoh dan lebih seperti komputer."

Satu juara AI, Yorick Wilks, melangkah lebih jauh: dia telah mempertanyakan bagaimana kita bahkan dapat yakin bahwa manusia lain berpikir, dan menyarankan bahwa sesuatu seperti Tes adalah apa yang sebenarnya kita, jika secara tidak sadar, gunakan untuk meyakinkan diri kita sendiri bahwa mereka melakukannya. Wilks (jangan dikelirukan dengan Maurice Wilkes, yang dikutip sebelumnya) menawarkan kepada kami di sini reductio ad absurdum: Tes Turing meminta kami untuk mengevaluasi entitas yang tidak dikenal dengan membandingkan kinerjanya, setidaknya secara implisit, dengan kuantitas yang diketahui, manusia. . Tetapi jika Wilks harus dipercaya, kita memiliki yang tidak diketahui di kedua sisi perbandingan; dengan apa kita membandingkan manusia untuk belajar jika dia berpikir?

Untuk Raj Reddy, pertanyaan tentang mendefinisikan kecerdasan telah dijawab oleh almarhum Herbert Simon, dan dia menggunakan definisi Simon sebagai dasar untuk klaimnya yang luas tentang keberhasilan AI:

Bisakah komputer menunjukkan kecerdasan sebenarnya? Simon memberikan jawaban yang tajam: "Saya tahu hanya satu makna operasional untuk 'kecerdasan.' Suatu tindakan (mental) atau serangkaian tindakan adalah cerdas jika itu mencapai sesuatu yang, jika dicapai oleh manusia, akan disebut kecerdasan. Saya tahu teman saya cerdas karena dia bermain catur yang cukup bagus (dapat menjaga mobil di jalan, dapat mendiagnosis gejala penyakit, dapat memecahkan masalah para Misionaris dan Kanibal, dll.). Saya tahu bahwa komputer A cerdas karena dapat memainkan catur yang sangat baik (lebih baik dari semua kecuali sekitar 200 manusia di seluruh dunia). Saya tahu bahwa Navlab cerdas karena dapat tetap di jalan, dll, dll ... Mari kita berhenti menggunakan bentuk masa depan ketika berbicara tentang kecerdasan komputer. "

Namun, dengan definisi ini, mesin, alat, atau alat apa pun yang melakukan fungsi yang cukup kompleks - fungsi yang akan disebut cerdas jika dilakukan oleh manusia - harus dianggap cerdas. Itu membela klaim AI untuk sukses dengan secara radikal menurunkan bilah.

Salah satu pekerja AI yang percaya bahwa ia telah menghindari masalah yang ditimbulkan oleh Tes adalah Douglas Lenat, seorang mantan profesor ilmu komputer di Stanford, dan pendiri dan presiden Cycorp. "Tes Turing adalah herring merah," ia menyatakan pada tahun 2001. "Antropomorfisasi program komputer bukanlah tujuan yang berguna." Lenat didedikasikan untuk membangun sistem komputasi dengan fakta-fakta yang cukup tentang dunia, dan kekuatan yang cukup menarik kesimpulan dari fakta-fakta itu, untuk dapat sampai pada kesimpulan yang masuk akal tentang hal-hal yang belum diinformasikan secara eksplisit. Namun tujuan ini menunjukkan bahwa proyeknya, bahkan lebih dari Turing, secara tepat digambarkan sebagai "antropomorfisasi" komputer. Lenat berbeda dari Turing hanya karena tujuannya bukan untuk membuat komputer menipu seorang interogator untuk berpikir bahwa itu adalah manusia; dia ingin itu benar-benar memiliki akal sehat bahwa komputer Turing hanya berpura-pura memilikinya.

Yang lain lagi akan menghindari masalah yang ditimbulkan oleh Tes - atau kriteria alternatif apa pun - dengan mengambil pandangan praktis yang menyegarkan daripada teoretis tentang masalah tersebut. Pada tahun 1987, Peter Wegner, seorang ilmuwan komputer di Brown University, menyatakan dengan keterbukaan:

Intinya adalah bahwa kita dapat menjawab pertanyaan [apakah komputer mengerti] atau tidak, tergantung pada interpretasi kita terhadap istilah "pemahaman." Tetapi posisi afirmatif tampaknya jauh lebih menarik sebagai titik awal untuk penelitian konstruktif daripada posisi negatif. Jadi kami memilih posisi afirmatif untuk alasan pragmatis daripada karena itu dapat dibuktikan secara logis. Tes Turing harus dipandang sebagai tantangan pragmatis daripada sebagai pernyataan metafisik tentang sifat pemikiran atau pemahaman. Dalam menjawab pertanyaan metafisik seperti "Can Machines Think?", Lebih penting untuk menjawabnya dengan cara yang berguna daripada menyulap makna konsep fuzzy untuk membuktikan kebenaran atau kepalsuannya.

Argumen ini mengesampingkan Turing dan para pengritiknya: Pendekatan operasional Turing terhadap AI diperlakukan hanya sebagai penggambaran wol metafisik yang berpikiran fuzzy, dan para pengkritiknya ditolak karena, benar atau salah, kenegatifan mereka mengurangi antusiasme pekerja AI , dan dengan demikian menghambat kemajuan ilmu komputer. Bagi Wegner, tujuan utamanya bukan untuk memutuskan apa sebenarnya pemikiran itu; itu untuk membuat anak laki-laki di lab bahagia dan produktif.

Tetapi pendekatan manipulatif semacam ini jarang berhasil, paling tidak ketika dipaksakan pada orang secerdas manipulator. Para pekerja AI yang masih berharap untuk menciptakan kecerdasan mesin melakukannya karena mereka percaya bahwa pencapaian ambisius seperti itu mungkin dalam arti penuh "kecerdasan." Jika mereka percaya bahwa doktrin yang dapat dipikirkan mesin hanyalah wortel yang digantungkan pada di depan mereka untuk membuat mereka menarik kereta, dan bahwa bahkan jika mereka lulus Tes wortel akan tetap di luar jangkauan - yaitu, tidak akan secara umum diberikan bahwa mereka telah mencapai pemahaman mesin - mereka mungkin merasa bahwa mereka telah telah dibohongi, dan bereaksi dengan cara yang salah dari sudut pandang "pragmatis" Wegner. Jika Anda akan memberi pasien plasebo, Anda tidak memberi tahu dia bahwa Anda melakukannya, dan jika Anda akan mengambil posisi yang tidak benar-benar Anda percayai, berharap itu akan memotivasi orang lain, Anda tidak menerbitkan surat yang mengumumkan rencana Anda.

Akhirnya, banyak pekerja AI meminta Tes tanpa menyadarinya, dengan fokus pada kejutan sebagai pertimbangan yang menentukan dalam menentukan apakah sebuah komputer berpikir. Berkali-kali, juara AI menunjukkan bahwa komputer telah melakukan sesuatu yang tidak terduga, dan bahwa karena melakukannya, kita hampir tidak dapat menyangkal apa yang dipikirkan. Untuk mengajukan klaim ini hanya dengan menjalankan Tes tanpa menyebutkannya. Kejutan pengamat ketika mengetahui bahwa lawan bicaranya yang ia pikir manusia sebenarnya adalah komputer, atau keterkejutannya ketika mengetahui bahwa komputer telah melakukan sesuatu yang menurutnya hanya dapat dilakukan manusia, adalah inti dari Tes ini. Pengaruhnya begitu meresap sehingga banyak orang yang belum pernah membaca Turing, dan berpikir mereka bekerja dengan cara pemikiran yang sama sekali berbeda dan orisinal, tetap merupakan epigone-nya.

Kamar China

Pada tahun 1980, John Searle, profesor filsafat di UC Berkeley, menerbitkan sebuah makalah di mana ia berusaha untuk mendiskreditkan tidak hanya Tes tetapi seluruh program yang ia sebut "AI yang kuat" - gagasan bahwa benda yang memanipulasi simbol seperti komputer dapat pernah dikatakan berpikir. Dia merangkum argumennya dalam eksperimen pemikiran berikut ini: Bayangkan sebuah ruangan yang disegel kecuali untuk celah-celah di mana secarik kertas dapat dibagikan masuk dan keluar. Penghuni satu-satunya di ruangan ini adalah seorang pria yang berbicara dan tidak membaca bahasa Cina, dan yang disediakan dengan leksikon sepenuhnya dalam bahasa Cina. Dia telah diberitahu (dalam bahasa Inggris) bahwa secarik kertas bertuliskan karakter Cina akan diteruskan melalui slot, dan diinstruksikan untuk menemukan karakter tersebut dalam leksikonnya. Ketika dia menemukan mereka, dia akan menemukan beberapa karakter China lain yang terkait dengannya yang akan dia salin ke selembar kertas lain, dan pingsan melalui slot. Karakter pada setiap slip yang diterimanya merupakan, tanpa sepengetahuannya, sebuah pertanyaan; karakter yang ia salin dari leksikon dan diteruskan ke orang-orang di luar ruangan, juga tanpa sepengetahuannya, jawaban untuk pertanyaan itu.

Untuk pengamat yang tidak tahu apa-apa tentang apa yang terjadi di dalam kotak hitam yaitu Kamar Cina, tampaknya ruangan itu harus berisi seseorang yang mengerti bahasa Cina. Tapi kita tahu dengan hipotesis bahwa pria di ruangan itu tidak mengenal orang Cina. Eksperimen pemikiran ini menunjukkan, klaim Searle, bahwa kemampuan untuk mengganti satu rangkaian simbol dengan simbol lain, betapapun bermakna dan responsifnya keluaran itu bagi pengamat manusia, dapat dilakukan tanpa memahami simbol-simbol itu. Implikasi untuk Tes Turing jelas: Kemampuan untuk memberikan jawaban yang baik untuk pertanyaan manusia tidak selalu menyiratkan bahwa penyedia jawaban itu berpikir; lulus Tes bukanlah bukti kecerdasan aktif.

Kamar China

Pada tahun 1980, John Searle, profesor filsafat di UC Berkeley, menerbitkan sebuah makalah di mana ia berusaha untuk mendiskreditkan tidak hanya Tes tetapi seluruh program yang ia sebut "AI yang kuat" - gagasan bahwa benda yang memanipulasi simbol seperti komputer dapat pernah dikatakan berpikir. Dia merangkum argumennya dalam eksperimen pemikiran berikut ini: Bayangkan sebuah ruangan yang disegel kecuali untuk celah-celah di mana secarik kertas dapat dibagikan masuk dan keluar. Penghuni satu-satunya di ruangan ini adalah seorang pria yang berbicara dan tidak membaca bahasa Cina, dan yang disediakan dengan leksikon sepenuhnya dalam bahasa Cina. Dia telah diberitahu (dalam bahasa Inggris) bahwa secarik kertas bertuliskan karakter Cina akan diteruskan melalui slot, dan diinstruksikan untuk menemukan karakter tersebut dalam leksikonnya. Ketika dia menemukan mereka, dia akan menemukan beberapa karakter China lain yang terkait dengannya yang akan dia salin ke selembar kertas lain, dan pingsan melalui slot. Karakter pada setiap slip yang diterimanya merupakan, tanpa sepengetahuannya, sebuah pertanyaan; karakter yang ia salin dari leksikon dan diteruskan ke orang-orang di luar ruangan, juga tanpa sepengetahuannya, jawaban untuk pertanyaan itu.

Untuk pengamat yang tidak tahu apa-apa tentang apa yang terjadi di dalam kotak hitam yaitu Kamar Cina, tampaknya ruangan itu harus berisi seseorang yang mengerti bahasa Cina. Tapi kita tahu dengan hipotesis bahwa pria di ruangan itu tidak mengenal orang Cina. Eksperimen pemikiran ini menunjukkan, klaim Searle, bahwa kemampuan untuk mengganti satu rangkaian simbol dengan simbol lain, betapapun bermakna dan responsifnya keluaran itu bagi pengamat manusia, dapat dilakukan tanpa memahami simbol-simbol itu. Implikasi untuk Tes Turing jelas: Kemampuan untuk memberikan jawaban yang baik untuk pertanyaan manusia tidak selalu menyiratkan bahwa penyedia jawaban itu berpikir; lulus Tes bukanlah bukti kecerdasan aktif.

Ruang Cina telah mengilhami banyak kritik, elaborasi, dan argumen, tetapi sangat sedikit yang mengklarifikasi masalah yang terlibat, atau menyebabkan perbedaan pendapat. Beberapa debat ini, memang, hanya berhasil mengaburkan titik eksperimen pemikiran Searle yang nyaris tidak dapat dikenali. Misalnya, kritikus Searle - dan yang mengejutkan, kadang-kadang Searle sendiri - memperkenalkan kepribadian lebih lanjut ke dalam Ruang Cina: mereka berpendapat bahwa penghuni ruangan itu adalah seorang wanita (tanpa alasan yang diberikan); bahwa ada karakter lain ("setan") yang selalu - lagi, tanpa alasan yang jelas - laki-laki; bahwa seluruh Kamar Cina harus diletakkan di dalam robot; dan, agak lebih serius, bahwa kumpulan unsur-unsur dalam eksperimen pemikiran (ruangan, penghuninya, lembaran kertas di mana simbol-simbol diserahkan dan dikeluarkan, dll.) merupakan suatu "sistem" dengan sifat-sifat yang tidak dimiliki oleh semua properti. elemen. Bagi mereka yang mencurigai bahwa saya mengada-ada, inilah contoh yang representatif dari Douglas Hofstadter, yang ditemukan di buku The Mind's I milik Daniel Dennett miliknya:

Mari kita tambahkan sedikit warna pada percobaan menjemukan ini dan mengatakan bahwa penutur bahasa Mandarin yang disimulasikan yang terlibat adalah wanita dan bahwa setan (jika bernyawa) selalu laki-laki. Sekarang kita memiliki pilihan antara tampilan mata-iblis dan tampilan mata-sistem. Ingat bahwa dengan hipotesis, baik iblis maupun perempuan yang disimulasikan sama-sama mampu mengartikulasikan pandangan mereka tentang apakah mereka memahami atau tidak, dan pada apa yang mereka alami. Searle bersikeras bahwa kami memandang eksperimen ini hanya dari sudut pandang iblis .... Klaim Searle sama dengan anggapan bahwa itu hanya satu sudut pandang, bukan dua.

Hofstadter tidak menawarkan alasan mengapa kita harus mengikutinya dalam menugaskan fitur dan properti yang sepenuhnya serampangan ke Kamar Cina. Dalam eksperimen pemikiran bahkan lebih daripada di sebagian besar konstruksi intelektual, entitas tidak boleh dikalikan tanpa keharusan, tetapi Hofstadter menunjukkan tidak ada kebutuhan seperti itu. Dan jika kita harus mengakui pemain baru yang dia panggil, mengapa berhenti di situ? Mengapa tidak memperkenalkan seluruh pasukan Latvia, Radio City Music Hall Rockettes, dan Worshipful Company of Fishmongers? Lalu dia bisa mengklaim bahwa Searle bersikeras bahwa kita mengabaikan pandangan ribuan orang, bukan hanya satu.

Dan Searle sendiri sering tampak senang memainkan game ini, menyarankan variasi yang lebih jauh; pada satu titik dalam menyiapkan eksperimen pemikirannya, dia berkata, "Sekarang hanya untuk sedikit menyulitkan cerita, bayangkan itu ...." Dia cukup terbawa oleh roh curah pendapat, dan cukup ceroboh dengan fakta bahwa kekuatan dari eksperimen pemikiran aslinya dilarutkan oleh setiap variasi dan elaborasi yang dia hibur. Apa yang dibutuhkan adalah eksperimen pemikiran paling sederhana yang akan menetapkan proposisi dasarnya: yaitu, bahwa beberapa hasil biasanya diperoleh hanya dengan latihan pemikiran dan pemahaman dapat diperoleh tanpa mereka. Proposisi ini valid, tetapi Kamar Cina berpikir eksperimen bukan kendaraan yang ideal untuk itu; unsur-unsurnya yang eksotis - seorang lelaki yang terkurung di ruang terkunci, pesan-pesan dalam bahasa yang hanya sedikit dari kita yang tahu - cocok untuk romantisasi, dan banyak komentar yang dibawanya sekarang mungkin telah mengkompromikannya sehingga tidak berguna.

Pertimbangkan contoh lain: anggaplah bahwa tabel fungsi sinus pertama baru saja dikembangkan dan hanya ada satu salinan. Pria yang diam-diam memiliki satu-satunya salinan itu, meskipun dirinya sendiri sepenuhnya tidak matematis, dapat membuat kehidupan yang tampan dengan menjual nilai-nilai sinus instan kepada semua orang yang membutuhkannya. Klien-kliennya, yang tidak sadar memiliki meja, akan menganggapnya sebagai ahli matematika, jika bukan pesulap positif.

Pria di Kamar Cina itu seperti pria yang baru saja dijelaskan. Tabelnya tidak mengandung sudut dan nilai sinus yang sesuai, tetapi deretan grafik lainnya - sebut saja tabel Chinese-questions / Chinese-Answers, atau hanya tabel input-grafik / output-grafik. Fakta bahwa mereka adalah karakter Cina tidak ada artinya bagi pria di Kamar Cina. Dan sama seperti seorang pria memperoleh reputasi yang tidak patut sebagai ahli matematika dengan menanggapi secara instan setiap permintaan nilai sinus, maka yang lain akan dipandang sebagai seorang Sinolog yang brilian dengan menjawab dalam bahasa Mandarin yang sempurna untuk pertanyaan-pertanyaan berbahasa Cina - dengan asumsi, tentu saja, bahwa leksikonnya adalah karya seorang jenius daripada orang gila atau buta huruf. Untuk kinerja orang yang tidak mengerti bahasa Cina hanya sebaik mereka yang mengerti bahasa Mandarin dengan baik untuk menciptakan leksikon pada awalnya, dan dengan demikian menciptakan ilusi pemahaman di Ruang Cina.

Beberapa partisan AI telah berusaha untuk membantah eksperimen Kamar Cina dengan berargumen bahwa meskipun tidak ada bagian dari ruang Cina yang mengerti bahasa Cina, keseluruhan - atau "sistem" - yang melakukannya. Para pengguna argumen "sistem" mencoba untuk mendukungnya dengan analogi: tidak ada satu bagian pun dari otak manusia yang menunjukkan pemikiran, hanya otak sebagai keseluruhan yang melakukannya. Demikian juga, mereka mengklaim, bagian-bagian ruangan Cina mungkin tidak ada artinya, tetapi keseluruhan berpikir. Tetapi ada elemen penting yang hilang dari analogi otak, yang mengungkapkan masalah dengan seluruh garis argumen ini. Kita tahu bahwa otak adalah organ fisik pikiran; satu-satunya pertanyaan adalah apakah ia menghasilkan pemikiran dalam beberapa bagian terbatas - suatu "departemen pemikiran" khusus - atau tindakan en blok. Ini membuatnya sah untuk menyimpulkan, jika pencarian yang lengkap tidak mengungkapkan bagian seperti itu, bahwa seluruh otak terlibat dalam berpikir. Tetapi kita tidak dapat menyimpulkan dengan analogi bahwa seluruh Kamar Cina sedang berpikir, karena pertanyaan apakah pikiran terlibat sama sekali dalam "sistem" itu adalah persis apa yang dipertanyakan. Ini bukan untuk mengatakan bahwa pemikiran tidak pernah terlibat dalam sejarah Kamar Cina (mungkin penulis leksikon bisa berpikir), hanya pemikiran aktif sudah selesai sebelum Ruang Cina terbuka untuk bisnis. Yang tersisa adalah produk pemikiran acar atau beku, yang hanya cukup untuk menghasilkan efek pemikir (atau programmer) yang dimaksudkan.

Dalam pembelaannya atas pencapaian AI, yang dikutip di atas, Raj Reddy mengatakan bahwa, "Masalah dengan orang-orang yang berpikir bahwa kecerdasan komputer di masa depan adalah bahwa mereka tidak pernah melakukan penelitian yang serius tentang kecerdasan manusia .... Mari kita berhenti menggunakan masa depan tegang ketika berbicara tentang kecerdasan komputer. "Mereka yang mengatakan bahwa kecerdasan mesin ada di masa depan memang memiliki kesalahan tegang, tetapi tidak dengan cara yang Reddy sarankan: Kecerdasan mesin benar-benar di masa lalu; ketika sebuah mesin melakukan sesuatu yang "cerdas," itu karena beberapa orang atau orang-orang yang luar biasa brilian, kadang-kadang di masa lalu, menemukan cara untuk melestarikan beberapa fragmen tindakan cerdas dalam bentuk artefak. Komputer adalah pelaksana algoritma untuk tujuan umum, dan aktivitas cerdas mereka yang tampak jelas hanyalah ilusi yang diderita oleh mereka yang tidak sepenuhnya menghargai cara algoritma menangkap dan melestarikan bukan kecerdasan itu sendiri, tetapi buah dari kecerdasan.

Dalam hal ini, mereka yang mengklaim bahwa "sistem" Kamar Cina memahami bahasa Cina meskipun tidak ada elemen yang terlihat, benar. Tetapi mereka sangat meremehkan ukuran sistem, meninggalkan semua bagian yang tidak terlihat, yang jauh melebihi yang terlihat. Apa yang terjadi di Kamar Cina atau di ruang penjualan fungsi sinus pada akhirnya tergantung pada kejeniusan asli, linguistik atau matematika, yang darinya kita adalah pewarisnya. Begitu diperbesar, sistem dapat dikatakan “mengerti,” tetapi ini hampir tidak membantu para penggemar AI. Bagaimanapun, tidak seorang pun akan terkesan dengan diyakinkan bahwa bahkan jika tidak ada bagian dari "mesin cerdas" yang benar-benar memahami apa yang dilakukannya, sistem yang lengkap, yang mencakup semua ahli logika dan ahli matematika sejauh orang Babilonia, mengerti. Dan nampaknya mesin yang paling mengesankan sekalipun tidak akan pernah mendapatkan kemerdekaan sejati dari kejeniusan pencipta mereka - dan kemandirian seperti itu adalah syarat utama untuk menang dan pantas diberi label "cerdas."

Kompetisi Loebner

Mungkin absurditas mencoba membuat komputer yang dapat "berpikir" paling baik ditunjukkan dengan meninjau serangkaian upaya untuk melakukan hal itu - dengan bertujuan secara eksplisit untuk lulus tes Turing. Pada tahun 1991, seorang pengusaha New Jersey bernama Hugh Loebner mendirikan dan mensubsidi kompetisi tahunan, Kompetisi Hadiah Loebner dalam Kecerdasan Buatan, untuk mengidentifikasi dan menghargai program komputer yang paling mendekati kecerdasan buatan sebagaimana didefinisikan oleh Turing. Beberapa Kompetisi pertama diadakan di Boston di bawah naungan Pusat Studi Perilaku Cambridge; sejak itu mereka telah diadakan di berbagai lokasi akademik dan semi-akademik. Tetapi hanya yang pertama, yang diadakan pada tahun 1991, yang didokumentasikan dengan baik dan dilaporkan secara luas di media, menjadikan acara perdana itu sebagai studi kasus terbaik kami.

Para pejabat yang memimpin kompetisi harus menyelesaikan sejumlah detail yang diabaikan dalam makalah Turing, seperti seberapa sering hakim harus menebak bahwa komputer adalah manusia sebelum kita menerima hasilnya sebagai hal yang penting, dan berapa lama seorang hakim dapat berinteraksi dengan entitas tersembunyi. sebelum dia harus memutuskan. Untuk kompetisi awal, tuan rumah menyelesaikan pertanyaan seperti itu dengan keputusan yang sewenang-wenang - termasuk jumlah hakim, metode pemilihan mereka, dan instruksi yang diberikan.

Di luar masalah-masalah praktis ini, ada pertanyaan yang lebih dalam tentang bagaimana menginterpretasikan berbagai kemungkinan hasil: Kesimpulan apa yang kami jangkau dalam mencapai jika para hakim umumnya berhasil mengidentifikasi manusia sebagai manusia dan komputer sebagai komputer? Apakah ada titik di mana kita dapat menyimpulkan bahwa Turing salah, atau apakah kita terus berusaha sampai hasilnya mendukung tesisnya? Dan bagaimana jika hakim menilai manusia sebagai komputer - kebalikan dari apa yang diharapkan Turing? (Kemungkinan terakhir ini bukan hanya hipotetis; tiga juri kompetisi membuat kesalahan ini, seperti dibahas di bawah ini.)

Selain itu, Tes ini menyerukan agar mempekerjakan hakim yang naif terhadap komputer, yang nyaris tidak tahu apa-apa tentang AI dan klaimnya, dan yang mendengarkan entitas tersembunyi tanpa prasangka. Tetapi hakim seperti itu mungkin tidak tersedia hari ini di dunia industri, setidaknya di antara mereka yang cukup berpendidikan untuk memenuhi kriteria Turing dan cukup berani untuk berpartisipasi dalam Tes. Di mana orang menemukan hakim yang mewakili "pendapat umum yang berpendidikan," namun yang tidak berinteraksi dengan komputer yang diprogram dengan cerdik dan tidak menemukan gagasan "mesin berpikir"?

Akhirnya, ada masalah untuk membuat para hakim mengambil tugas mereka dengan serius, melihat ini lebih dari sekadar permainan teknologi tinggi. Ketika transkrip resmi dan laporan pers dari peristiwa 1991 memperjelas, suasana di kompetisi itu santai, ramah, ramah - tidak ada hal buruk di pertemuan sosial, tetapi bukan suasana di mana orang melakukan yang terbaik untuk mencapai dipertimbangkan, pertimbangan yang bijaksana . Membaca transkrip acara yang sebenarnya agak membuat frustrasi. Itu tidak berpura-pura menjadi lebih dari sekadar catatan verbatim tentang pertukaran antara para hakim dan terminal, tetapi seringkali gagal menjadi dapat diandalkan bahkan pada saat itu: sejumlah bagian tidak mungkin untuk diikuti karena transkripsi yang salah, cetakan buruk, dan sejenisnya. masalah mekanik asing. Selain itu, ada inkonsistensi dalam laporan tentang bagaimana berbagai hakim benar-benar memberikan suara.

Dengan peringatan ini dinyatakan, fakta-fakta penting dari kompetisi 1991 adalah ini: ada delapan terminal, yang enam di antaranya kemudian diturunkan untuk digerakkan oleh komputer, dua oleh manusia. Ada sepuluh hakim, semuanya dari wilayah Boston, semua “tanpa pelatihan komputer yang luas.” Setiap terminal diberikan empat belas menit untuk meyakinkan para hakim bahwa itu digerakkan oleh manusia; masing-masing diinterogasi, atau setidaknya mengobrol dengan, oleh beberapa hakim. Pada akhir kompetisi, setiap juri mengklasifikasikan masing-masing terminal sebagai manusia atau komputer.

Dalam menentukan urutan penyelesaian, masing-masing terminal yang digerakkan oleh komputer diberikan, berdasarkan jumlah suara "itu manusia!" Yang diterima, dua peringkat: di mana ditempatkan di antara enam terminal yang digerakkan komputer dan di mana itu ditempatkan di antara delapan terminal. Secara signifikan, para perancang kompetisi tidak berpikir untuk membuat peringkat terminal yang digerakkan manusia di antara kedelapannya; rupanya tidak diperkirakan bahwa beberapa terminal yang digerakkan oleh komputer dapat dinilai sebagai manusia, tetapi beberapa terminal yang digerakkan oleh manusia mungkin dinilai sebagai komputer - dan bahkan tidak termasuk di antara yang terbaik di antara mereka. ”Mungkin bahkan lebih luar biasa,” tulis Robert Epstein yang terkejut, yang saat itu menjadi direktur pusat dan ketua penyelenggara acara tersebut, “Cynthia Clay ... disalahartikan sebagai komputer oleh tiga hakim."

Topik yang ditugaskan ke terminal semakin memperkuat kesan bahwa suasana kompetisi lebih menyenangkan daripada serius: Pakaian Wanita, Bincang-Bincang Kecil, Topik Sekolah Menengah, Shakespeare's Plays, Whimsical Conversation, Conversation Aneh, Masalah dalam Hubungan Romantis, Anggur Burgundy, dan Dry Martinis. Orang yang dianggap oleh tiga hakim sebagai komputer, Cynthia Clay, juga, baik karena kecelakaan atau desain, mengendarai salah satu dari beberapa terminal - mungkin satu-satunya - ditugaskan topik yang sepenuhnya serius, berdasarkan fakta: drama Shakespeare. Beberapa hakim menganggapnya komputer karena dia tahu banyak tentang topiknya sehingga dia melebihi harapan mereka untuk manusia biasa. Namun dalam kenyataannya, jawaban Ms. Clay, meskipun memang menunjukkan pengetahuan luas dan terperinci tentang teks dan kereta kuda Shakespeare, bahkan lebih terkenal karena responsif dan kewaspadaannya daripada konten faktual belaka mereka. Dia terlibat dalam percakapan yang tulus, cara yang hanya bisa dilakukan oleh manusia. Berikut ini adalah pertukaran yang representatif antara Terminal 4 (seperti Ms. Clay dikenal selama persidangan) dan salah satu hakim:

Hakim 9: Apakah Anda kenal Hamlet?

Terminal 4: Bocah kuliah yang pulang dan mendapati ibunya menikahi pria yang membunuh ayahnya beberapa bulan sebelumnya? Anda mungkin berkata begitu.

Perhatikan bahwa T4 tidak mengulangi kata kunci tunggal yang digunakan dalam pertanyaan, bahkan nama permainan; dia berurusan dengan pemikiran dalam pertanyaan, bukan bentuknya. Dan perhatikan terutama pakaiannya yang kering, “Anda bisa bilang begitu,” sarkasme ringan yang sesuai dari seorang pakar Shakespeare bertanya apakah dia akrab dengan drama paling terkenal yang pernah dia, atau siapa pun, tulis. Namun tiga hakim memilih bahwa T4 digerakkan oleh komputer; dua di antaranya memiliki peringkat yang lebih rendah pada skala manusia / komputer daripada dua terminal yang benar-benar digerakkan oleh komputer! Kita dibiarkan bertanya-tanya: Bagaimana mungkin hakim yang penuh perhatian dan serius gagal melihat perbedaan antara pertukaran manusia yang hidup dan fragmen-fragmen kata-kata yang hampir acak yang dipancarkan oleh terminal yang digerakkan komputer, yang hubungannya dengan pertanyaan-pertanyaan yang memunculkannya, di terbaik, gema dari beberapa kata penanya?

Dalam pertukaran lain, ini dengan Hakim 1, T4 mencoba untuk memperbesar dan memperdalam percakapan, tetapi hakim tidak siap untuk membahas kereta Shakespeare secara detail, dan memotong upaya T4 untuk memperkaya pertukaran:

Hakim 1: Apa pendapat Anda tentang drama Shakespeare?

Terminal 4: Itu sangat umum; apakah Anda akan lebih spesifik? Kalau tidak, aku akan bilang aku suka mereka.

Hakim 1: Mempelajari bahwa Anda menyukai mereka menjawab pertanyaan saya. Manakah dari permainannya yang menjadi favorit Anda?

Terminal 4: Baiklah, mari kita lihat ... Pericles.

Hakim 1: Mengapa ini favorit Anda?

Terminal 4: Karena dia jelas dipanggil untuk memainkan naskah mengerikan milik dokter seseorang. Itu adalah salah satu dari beberapa (mungkin hanya dua?) Drama yang ditulis dengan orang lain. Ini benar-benar permainan yang buruk. Permainan apa yang kamu suka?

Hakim 1: Saya tidak mengerti tanggapan Anda. Namun, untuk menjawab pertanyaan Anda, saya tidak punya favorit.

T4 mencoba membuat percakapan menjadi konkret dan spesifik; J1 bersikeras menjaganya agar tetap umum agar sama sekali sepele. T4 membuka pertanyaan menarik tentang Shakespeare sebagai kolaborator dan dokter bermain; J1 tidak mengerti, dan tidak berusaha untuk mempelajari apa yang T4 bicarakan. Kadang-kadang, seorang pembaca transkrip menemukan dirinya memeriksa pertukaran lagi untuk memastikan terminal mana dan mana yang merupakan hakim, karena seringkali hakimlah yang tampaknya menghindari jenis percakapan yang berkaitan erat dengan program komputer. tidak mampu.

Salah satu masalah yang lebih besar yang diangkat oleh pertukaran semacam itu adalah kompetensi subyek masalah para hakim. Seberapa bergunakah seorang hakim yang, seperti dalam kasus ini, begitu bodoh dan tidak tertarik pada Shakespeare sehingga dia tidak dapat membantu menyepelekan percakapan tentang penulis naskah? Agaknya seorang hakim Turing Test harus cukup akrab dengan topik percakapan yang ditugaskan ke terminalnya untuk menahan akhir dari percakapan yang cerdas. Ketidaktahuan komparatif seperti itu dapat membuat hakim tidak efektif - tidak dapat menggunakan pengetahuan ahli terminal atau terlalu bersedia untuk berasumsi bahwa terminal adalah komputer karena tahu lebih banyak tentang subjek daripada yang bisa diketahui oleh orang biasa. Komputer yang membodohi orang bodoh bukanlah bukti dari kecerdasan buatan.

Tentu saja, siapa pun yang memiliki pemahaman tentang bagaimana komputer dibuat untuk meniru respons manusia tidak memerlukan keahlian subjek apa pun untuk mendeteksi komputer yang menyamar sebagai manusia. Hakim seperti itu hanya akan menuntut agar entitas tersembunyi merespons ide-ide yang diwakili oleh pertanyaan-pertanyaannya, memperingatkan bahwa itu akan dihukum berat karena mengulangi salah satu kata kunci dalam pertanyaan itu. Dengan menggunakan teknik interogatif ini, kemampuan diskriminatif hakim harus meningkat jauh lebih cepat daripada kemampuan pemrogram untuk meniru respons manusia, dan Tes seharusnya menjadi lebih sulit dan karenanya menjadi lebih serius.

Tetapi teknik ini jelas tidak dipikirkan oleh hakim mana pun. Ini pertukaran yang representatif antara Terminal 2 dan hakim:

Hakim 3: Topik yang sepele!

Terminal 2: Itu berasal dari kebakaran hutan di Virginia Barat.

Hakim 3: Mengapa Anda mengatakan itu?

Terminal 2: Siapa penyanyi favorit Anda?

Dan seterusnya, tanpa henti. T2 tampaknya diprogram untuk merespons secara acak, dan dari repertoar tanggapan yang sangat terbatas. Selama empat belas menit ketenarannya, T2 membuat masing-masing pernyataan berikut setidaknya enam kali: "Saya ingin punya anak suatu hari nanti," "Dia adalah seorang teknisi sonar, dia berburu kapal selam Rusia," "Itu berasal dari hutan Kebakaran di Virginia Barat, "dan" Maksudku, sudahkah aku meyakinkanmu aku komputer? "Pernyataan ini dibuat secara acak, tanpa relevansi yang jelas dengan apa pun yang dikatakan sebelumnya oleh hakim atau terminal itu sendiri. Namun dua hakim mengklaim menemukan terminal ini lebih cenderung menjadi manusia daripada T4, yang melakukan (atau mencoba melakukan) percakapan yang lucu dan informatif tentang Shakespeare. Pada satu titik, pernyataan T2 sangat tidak jelas sehingga Hakim 1 mengumumkan bahwa ia menembus penyamarannya: "Oke, Anda tertangkap! Anda bukan mesin. Anda berusaha terlalu keras, dan itu menjadi jelas. "Dengan kata lain, hakim tampaknya berpikir bahwa T2 harus menjadi manusia yang berusaha membuatnya berpikir bahwa dia adalah mesin, dan bahwa tidak ada mesin yang bisa begitu membingungkan atau membingungkan.

Salah satu momen paling luar biasa dalam Kompetisi datang ketika Terminal 3, yang topik yang ditugaskan adalah "Topik Sekolah Menengah," tiba-tiba menjadi filosofis:

Hakim 9: Bisakah Anda mengajukan pertanyaan kepada saya?

Terminal 3: Mesin hanya dapat melakukan apa yang kita miliki keterampilan untuk mengatakan kepada mereka untuk melakukannya.

Hakim 9: Apakah Anda ingin saya memberi tahu Anda ketika saya di kelas 2 SD?

Pernyataan T3 tentang sifat mesin seharusnya berasal dari seorang anak berusia delapan tahun, yang kinerjanya hingga saat ini menunjukkan bahwa, jika nyata, dia luar biasa bertabur otak dan bodoh bahkan untuk usianya. Tetapi pengamatannya yang mengejutkan tentang orang dewasa dan pengamatannya yang ceroboh tentang kecerdasan buatan - sebuah kutipan, pada kenyataannya, dari perintis komputer abad ke-19, Lady Lovelace - tiba-tiba terjatuh dalam pertukaran, tidak dipermasalahkan oleh hakim, yang hanya mengembalikan percakapan itu ke kebiasaan yang membosankan. .

Akan menarik untuk mengetahui, secara kebetulan, mengapa terminal ini diberi tugas untuk meniru tidak hanya seorang manusia, tetapi seorang gadis berusia delapan tahun - yang diprogram untuk memberi tahu para hakim bahwa ia adalah seorang pesenam dan seorang Baptis, tetapi diberikan tidak ada yang masuk akal untuk dikatakan ketika ditanya pertanyaan yang paling jelas tentang karakteristik tersebut. Jika para perencana Kompetisi percaya bahwa meniru anak delapan tahun lebih mudah daripada meniru orang dewasa, mereka salah. Sementara seorang anak berusia delapan tahun akan dimaafkan karena tidak mengetahui sebanyak mungkin tentang dunia sebagai orang dewasa, ia akan memiliki kebiasaan mental yang akan lebih sulit bagi seorang programmer dewasa untuk ramalkan dan tiru daripada reaksi orang dewasa yang matang.

Pemenang Kompetisi 1991 adalah program yang diajukan oleh Thinking Software, Inc., yang penanganannya atas topik "Percakapan Aneh" cukup baik untuk meyakinkan lima dari sepuluh hakim bahwa itu adalah manusia. Program, yang dikenal selama uji coba sebagai Terminal 5, mengeluarkan komentar yang lebih lucu daripada kebanyakan yang dibuat oleh terminal yang digerakkan komputer (ini bukan pujian tinggi), tetapi sebaliknya standar sempurna untuk program semacam itu. Ini bersandar terutama pada strategi "terapi tidak-diarahkan", diperkenalkan bertahun-tahun yang lalu oleh Joseph Weizenbaum dan (secara terpisah) Kenneth Colby, di mana program mengambil sebuah fragmen dari input (misalnya, X dalam "Saya berharap saya tahu lebih banyak tentang X "), dan memasukkannya ke dalam respons kalengan (" Mengapa Anda tertarik pada X? "). Pada satu titik, Hakim 2, mendapatkan jawaban "terapeutik", memperhatikan bahwa T5 bahkan mereproduksi kesalahan ketik dan kesalahan tata bahasa yang menjadi bagian dari pertanyaannya, tetapi ia menganggap bahwa T5 hanya mengolok-oloknya:

Hakim 2: Saya mulai lelah dan ya bagaimana hidup adalah yang paling top.

Terminal 5: ... Mengapa Anda perlu memberi tahu saya bahwa Anda lelah dan ya bagaimana hidup itu yang paling top? Apa yang Anda pikirkan tentang itu?

Hakim 2: ... Maaf saya membuat begitu banyak kesalahan ketik tapi tolong jangan melemparkannya kembali ke saya.

Tidak terpikir oleh J2 bahwa pemutaran surat-sempurna dari sebagian dari pertanyaannya paling tidak lebih mungkin untuk menunjukkan kecerobohan mekanik sebagai kecerdasan manusia tingkat rendah. Ketika T5 tidak dapat menemukan fragmen yang dapat digunakan dalam inputnya untuk dimasukkan dalam jawaban terapeutik, ia jatuh kembali pada mengeluarkan beberapa komentar yang tidak responsif, namun satu dengan cukup daging di dalamnya untuk memiliki kesempatan mengalihkan perhatian para hakim dari memperhatikan totalnya tidak relevan. . Dan langkah pertama biasanya berhasil, karena sebagian besar hakim hanya mengikuti T5 ke mana pun generator respons acaknya membawanya, tidak pernah menuntut agar urutan pertukaran yang rasional dan berurutan dikembangkan.

Terminal 5: ... Saya dulu mengendarai Caddy, tapi sekarang saya sering menggunakan Mercedes ....

Hakim 9: Mercedes jenis apa?

Terminal 5: Apa yang diinginkan seorang wanita? Apakah Anda selalu kalah? Apa yang sebenarnya ingin kamu ketahui?

Hebatnya, lima hakim menemukan T5 sebagai manusia, termasuk dua yang juga membuat kesalahan besar dalam mengambil manusia untuk komputer. Secara keseluruhan, kinerja para hakim membuat kami menarik beberapa kesimpulan yang menyedihkan tentang ketidakmampuan mereka untuk terlibat dalam percakapan yang berkelanjutan, kurangnya pengetahuan mereka tentang subyek manusia secara umum, dan kebutuhan mereka untuk berbagi keprihatinan pribadi mereka bahkan dengan entitas yang berkontribusi lebih sedikit pada “ percakapan ”daripada cermin untuk menghilangkan kesepian.

Distorsi Ideologi

Kompetisi Loebner telah diadakan setiap tahun sejak 1991, di berbagai lokasi dan di bawah berbagai naungan. Tetapi yang jelas dari catatan minim yang tersedia bagi kita tentang peristiwa-peristiwa ini adalah bahwa tidak banyak yang berubah, meningkat, atau berkembang: “program AI” tetap luar biasa sederhana, dan seiring berjalannya waktu hakim yang bodoh semakin sedikit, yang memercayai prediksi Epstein tahun 1993 bahwa "Konfederasi tidak akan pernah menjadi jauh lebih baik dalam tugas itu, tetapi komputer akan menjadi lebih baik setiap tahun."

Menariknya, Epstein melihat pertanyaan apakah komputer melakukan, atau bisa, atau akan berpikir sebagai salah satu teknologi - posisi yang aneh bagi seorang psikolog. Dalam meringkas prospek untuk kecerdasan atau kesanggupan komputer, ia memberikan bahwa masih banyak yang harus dilakukan, tetapi berakhir dengan catatan optimis, bahkan gembira, dengan mengatakan, “... komputer yang hidup tidak dapat dihindari. Bagaimanapun, kami adalah komputer yang hidup, dan mereka yang skeptis tentang kemajuan teknologi biasanya tertinggal dalam debu. ”Tetapi Epstein telah melupakan Turing, nabi yang mengilhami persaingan dan yang mendefinisikan kesuksesan untuk Tes, bukan dalam hal komputer apa akan dapat melakukan, tetapi dalam hal bagaimana kita akan memikirkan pencapaian mereka. Akankah kita menyebut mesin kita yang luar biasa "cerdas," atau menyamakan aktivitas komputer dengan aktivitas pikiran? Sejauh ini, jika para juri di Kompetisi Hadiah Loebner berturut-turut adalah indikasi, jawaban yang masuk akal tampaknya tidak.

Tentu saja, kegagalan untuk lulus Turing Test adalah fakta empiris, yang pada prinsipnya bisa dibalikkan besok; yang lebih penting adalah semakin jelas bagi semakin banyak pengamat bahwa bahkan jika itu harus direalisasikan, keberhasilannya tidak akan menandakan apa yang diasumsikan Turing dan para pengikutnya: bahkan memberikan jawaban yang masuk akal untuk pertanyaan seorang interogator tidak membuktikan keberadaan kecerdasan aktif dalam perangkat yang melaluinya jawaban disalurkan. Kami telah menyingkirkan tirai, dan mengekspos tukang kebun tua yang menyebut dirinya Oz besar dan kuat.

Dalam membahas argumen “sistem” terhadap eksperimen pemikiran Kamar Cina, Searle pernah berkata, “Tidak mudah bagi saya untuk membayangkan bagaimana seseorang yang tidak berada dalam cengkeraman ideologi akan menemukan ide yang masuk akal.” Juara AI , dalam perjuangan putus asa mereka untuk menyelamatkan gagasan bahwa komputer dapat atau akan berpikir, memang dalam cengkeraman ideologi: mereka, seperti yang mereka lihat, mempertahankan rasionalitas itu sendiri. Jika ditolak bahwa komputer dapat, bahkan pada prinsipnya, berpikir, maka suatu klaim secara diam-diam dibuat bahwa manusia memiliki beberapa sifat khusus yang tidak akan pernah dipahami oleh sains - “jiwa” atau entitas mistis yang serupa. Ini tentu saja tidak dapat diterima oleh banyak ilmuwan.

Menguji Kecerdasan Buatan menggunakan Turing Test

untuk menguji kepintaran mesin yang menyerupai manusia. Alan Turing mendefinisikan perilaku kepintaran sebagai kemampuan untuk mencapai level kepintaran manusia selama percakapaan berlangsung. Performa ini harus cukup untuk menipu seorang interrogrator untuk berpikir apakah jawaban tersebut dari manusia.

turing test

untuk melihat jika sebuah mesin dapat melakukan hal diatas, dia mengusulkan sebuah metode: dia mengatakan bahwa manusia harus menginterogasi mesin lewat tampilan teks. batasan lain adalah manusia tidak bisa mengetahui siapa lawan bicaranya, yang mana itu bisa mesin atau manusia. untuk membuat serangkaian proses ini, manusia akan berinteraksi dengan 2 entitas lewat tampilan teks. dua entitas ini disebut reponden, salah satu dari mereka adalah manusia dan sisanya mesin.

mesin akan lulus test jika interrogrator tidak bisa membedakan apakah jawaban yang datang dari mesin atau manusia.

seperti yang anda bisa banyangkan, rangkaian ini sangat sulit untuk mesin. dalam rangkaian itu bisa banyak hal yang terjadi. biasanya mesin harus fasih dengan syarat syarat sebagai berikut:

1. Natural Language Processing, mesin harus bisa berkomunikasi dengan interrogrator. mesin harus bisa mengurai kalimat, mengekstrak konteksnya, dan memberikan jawaban yang sesuai.

2. Knowledge Representation, mesin harus bisa menyimpan informasi yang disediakan sebelum tes. mesin juga harus tetap pada informasi yang disediakan selama percakapan berlangsung sehingga mesin dapat merespon dengan tepat jika pertanyaannya datang lagi.

3. Reasoning, menjadi penting bagi mesin mengerti bagaimana menginterpretasi informasi yang sudah disimpan. manusia cenderung melakukan ini secara otomatis untuk menggambarkan kesimpulan secara real time.

4. Machine Learning, hal ini sangat diperlukan sehingga mesin bisa beradaptasi dengan kondisi baru secara real time. mesin harus bisa menganalisas dan mendeteksi pola-pola sehingga mesin dapat menyimpulkan.

mungkin bertanya tanya mengapa manusia berkomunikasi lewat text interface. menurut turing, simulasi fisik dari manusia tidak diperlukan untuk kecerdasan. itulah mengapa turing test menghindari kontak fisik secara langsung antara manusia dan mesin. ada hal lain namanya Total Turing Test yang mana mesin menghadapi task yang lebih sulit dengan pengelihatan dan pergerakan. untuk lulus dari tes ini, mesin harus melihat objek menggunakan computer vision dan bergerak menggunakan robotics. dikutip dari bukunya Prateek Joshi, Artificial Intelligence with Python

Sudah ada mesin yang berhasil melewati turing test ini pada tahun 2014, selengkapnya bisa lihat di http://www.bbc.com/news/technology-27762088

Secara sederhana, AI dapat diterjemahkan sebagai kemampuan mesin untuk mereplikasi cara berpikir manusia. Mesin dapat berpikir cerdas dan mampu melakukan analisis berdasarkan data. Mesin malah dianggap dapat berpikir lebih cerdas dari manusia, karena AI terus belajar dan berkembang.

Dalam tulisan SAS Insights bertajuk “Artificial Intelligence: What It Is and Why It Matters?”, AI memungkinkan mesin untuk belajar dari pengalaman, menyesuaikan dengan input baru, dan menyelesaikan tugas layaknya manusia.

Sementara dikutip dari literatur berjudul “Kecerdasan Buatan, Kini dan Akan Datang”, Guru Besar Kecerdasan Buatan Binus University Widodo Budiharto menyebutkan, AI menjadi bidang ilmu komputer yang sangat penting di era kini dan masa akan datang untuk mewujudkan sistem komputer yang cerdas.

AI telah melalui beragam fase pengembangan. Butuh waktu berpuluh tahun lamanya untuk membawa AI sebagai disiplin ilmu menjadi implementasi nyata sebagaimana yang kita lihat pada kehidupan di era digital.

Kami tidak dapat menentukan konsep pemikiran AI yang pertama kali muncul. Meskipun demikian, ada sejumlah momen signifikan yang menandai kemunculan AI di dunia. Sebagaimana yang kami rangkum dari berbagai sumber, AI lahir dari banyak pemikiran, penelitian, dan penemuan para matematikawan dan ilmuwan komputer jenius di awal abad ke-20.

Cikal bakal dasar pengembangan AI disebut-sebut pertama kali lahir dari kemunculan Z3, mesin automasi pertama yang mampu menyimpan dan memproses informasi pada 1941 oleh pionir bidang ilmu komputer Konrad Zuse.

AI juga tak lepas dari konsep jaringan saraf tiruan atau Artificial Neural Network (ANN) yang bermula dari makalah Warren McCulloch dan Walter Pitts tentang bagaimana saraf bekerja pada 1943. Dalam kaitannya dengan AI, jaringan saraf tiruan berfungsi sebagai algoritma berpikir agar dapat menyerupai manusia.

Kita pun tak bisa lepas dari Alan Turing, yang pada masanya dianggap sebagai pionir kecerdasan buatan dunia. Ialah yang pertama kali memperkenalkan konsep “Apakah mesin dapat berpikir?” dalam karya ilmiahnya bertajuk “Computing Machinery and Intelligence”pada tahun 1948.

Pemikiran tersebut kemudian berbuah menjadi sebuah eksperimen bernama Turing Test yang diperkenalkan ke publik. Turing Test merupakan sebuah percobaan untuk menentukan apakah mesin dapat berperilaku cerdas. Mesin tidak harus memberikan jawaban benar, tetapi seberapa mirip jawabannya dengan manusia.

Berlanjut ke era 1950-an, saat itu belum ada terminologi yang cocok untuk mendeskripsikan kecerdasan buatan. Ada beberapa nama yang sempat diusulkan untuk menamai "mesin berpikir", antara lain sibernetik, teori automata, dan pemrosesan informasi kompleks.

Pada akhirnya, kecerdasan buatan menjadi sebuah terminologi yang pas ketika ilmuwan komputer John McCarthy bersama Marvin Minsky, Nathaniel Rochester, dan Claude Shannon mengadakan workshop tentang mesin berpikir di Dartmouth College pada 1956. Barulah AI menjadi sebuah disiplin ilmu.

Pengembangan AI sebetulnya tidak berhenti sampai di sini. Masih banyak rentetan momen historis lain yang menunjukkan pengembangan AI dari waktu ke waktu. Sama seperti teknologi baru pada umumnya, pengembangan AI sempat melambat selama hampir satu dekade.

Ada sejumlah program atau eksperimen yang gagal karena dinilai tidak terlalu menghasilkan pengetahuan. Ada juga yang gagal karena biaya pengembangan besar dan keterbatasan teknologi saat itu. Yang tak patut kita lewatkan dari seluruh penjelasan di atas adalah bagaimana membuat mesin dapat berpikir dan melakukan pekerjaan seperti manusia?

Sebetulnya, banyak sekali elemen, teknologi, atau model turunannya yang krusial terhadap pengembangan AI. Semuanya tidak mungkin kami bahas satu-persatu.

Dalam pengaplikasiannya, jaringan saraf tiruan adalah salah satu metodologi pada AI yang berfungsi untuk memproses informasi dengan menirukan cara kerja otak manusia. Kemudian, Machine Learning yang berfungsi untuk melakukan pembelajaran dari data.

Proses pembelajaran ini dapat dicapai dengan dua pendekatan, yakni melatih mesin dengan data serta mesin belajar sendiri dari pengalaman. Tanpa data, mesin tidak dapat melakukan pembelajaran, sementara tanpa Machine Learning, AI tidak dapat diaplikasikan.

Kecerdasan Buatan 

di Era Digital

---

Sebelum memulai aktivitas, Anda ingin mencari tempat ngopi terenak untuk kerja di sekitar Kemang. Anda mencarinya di mesin pencari Google dengan kata kunci "Rekomendasi coffee shop di Kemang". Anda belum selesai mengetiknya, tetapi Google sudah menampilkan rentetan "Rekomendasi coffee shop..." dengan sejumlah pilihan berbaris ke bawah.

Lalu ketika Anda ingin menggunakan ojek online untuk pergi ke tempat tujuan, Anda tidak lagi repot menuliskan tempat penjemputan karena sudah tercatat pada urutan teratas riwayat bepergian. Anda pasti sering mengalaminya bukan? Apalagi jika Anda termasuk yang mengandalkan ponsel dan internet dalam berkegiatan sehari-hari.

Begitulah beberapa contoh kecil dari implementasi Machine Learning dalam kehidupan manusia di era digital. Seluruh kerja keras dan kontribusi para matematikawan dan ilmuwan di masa dulu, telah membuka jalan begitu besar terhadap bagaimana AI bekerja di masa sekarang.

Dalam lingkup yang lebih besar, kemajuan teknologi telah mendorong AI melahirkan cabang ilmu yang berujung pada implementasi yang kompleks dan tidak terbatas. AI bukanlah sekadar diidentifikasi sebagai robot dan mobil otonom, sebagaimana yang ramai diberitakan media.

AI tidak lagi dipandang sebagai karya ilmiah dan penelitian, tetapi teknologi yang banyak memberikan nilai tambah dalam kehidupan. Di negara-negara maju, AI telah digunakan untuk menyelesaikan masalah yang kompleks pada sektor besar, seperti kesehatan, manufaktur, dan keamanan siber.

Di Indonesia, implementasi AI masih terbatas pada beberapa use case, seperti chatbot dan Intelligent Video Analytics (IVA). Kendati demikian, kemajuan teknologi mendorong pengembang Indonesia untuk mengembangkan AI di beberapa cabang ilmu.

Berikut adalah dua cabang ilmu AI yang cukup banyak mendapat sorotan di ekosistem AI Indonesia:

Natural Language Process (NLP): Evolusi Layanan Pesan Instan

---

Guru Besar Kecerdasan Buatan Binus University Widodo Budiharto dalam literaturnya mendefinisikan Pemrosesan Bahasa Alami atau Natural Language Process (NLP) sebagai cabang ilmu yang mempelajari bagaimana bahasa alami diolah sedemikian rupa agar manusia dapat berkomunikasi dengan komputer.

"Konsentrasi ilmu ini adalah interaksi antara komputer dengan bahasa alami yang digunakan manusia, yakni bagaimana komputer mengekstraksi informasi dari input berupa bahasa alami dan atau menghasilkan output berupa bahasa alami," ungkap Widodo.

Bahasa alami umumnya digunakan manusia untuk berkomunikasi satu sama lain. Dengan Machine Learning, NLP dapat menerima, menganalisis, dan memahami percakapan manusia secara cerdas.

Dewasa ini, kemajuan teknologi mendorong pengembangan AI lebih luas dan tak terbatas pada penyelesaian suatu pekerjaan. Dalam pengaplikasiannya saat ini, NLP sering dikaitkan dengan penggunaan chatbot sebagai alat pemasaran dan peningkatan customer experiencebisnis.

Chatbot adalah program yang dirancang untuk menyimulasikan percakapan dengan manusia melalui website atau aplikasi pesan instan. Sebetulnya chatbot bisa saja dibangun tanpa NLP, namun chatbot berbasis NLP dapat membuat percakapan dengan manusia menjadi lebih alami.

Perlu digarisbawahi, hasil pengembangan NLP tidak terbatas pada pengolahan teks saja, tetapi juga suara (voice recognition, virtual assistant, dan lain sebagainya). Jarvis dan Samantha adalah contoh tepat untuk mendeskripsikan hasil pengembangan NLP.

Dalam arti terdalam, juara AI melihat kritik mereka sebagai mencoba untuk membalikkan kemenangan Pencerahan, dengan janjinya bahwa pikiran manusia dapat memahami segalanya, dan sebagai mundur ke pandangan agama yang obskurantis dan religius di dunia. Mereka melihat manusia harus memilih, saat ini, antara menerima kemungkinan, jika bukan keberadaan yang sebenarnya, dari mesin berpikir dan tenggelam kembali ke Zaman Kegelapan. Tetapi ini bukan satu-satunya alternatif kami; ada jalan ketiga, jalan agnostisisme, yang berarti menerima kenyataan bahwa kita belum mencapai kecerdasan buatan, dan tidak tahu apakah kita mau. Fakta itu sama sekali tidak mengutuk kita untuk kembali ke mode berpikir pra-rasional - semua itu berarti mengakui bahwa ada banyak hal yang tidak kita ketahui, dan bahwa kita harus belajar untuk menunda penilaian. Mungkin tidak nyaman untuk hidup dengan ketidakpastian, tetapi jauh lebih baik daripada bersikeras, melawan semua bukti, bahwa kita telah menyelesaikan tugas yang sebenarnya baru saja kita mulai.

Mark Halpern telah bekerja di dan dengan perangkat lunak komputer selama lima puluh tahun, dimulai dengan Departemen Riset Pemrograman IBM tepat setelah rilis Fortran, dan mulai bekerja untuk beberapa perusahaan lain, termasuk Lockheed Missiles & Space Company, perusahaan rintisan kecil Silicon Valley, dan kemudian IBM lagi. Dia tinggal di perbukitan Oakland, California, bersama istri dan putrinya. Alamat surelnya adalah markhalpern@iname.com. Artikel ini adalah versi singkat dari makalah yang lebih rinci dan sepenuhnya didokumentasikan yang dapat ditemukan di situs webnya, http://www.rules-of-the-game.com/.

Demikianlah yang dapat saya sampaikan mengenai materi yang menjadi bahasan ini, tentunya banyak kekurangan dan kelemahan kerena terbatasnya pengetahuan kurangnya rujukan atau referensi yang kami peroleh hubungannya dengan ini. Penulis banyak berharap kepada para pembaca yang budiman memberikan kritik saran yang membangun. Semoga tulisan ini dapat bermanfaat bagi para pembaca khususnya pada penulis.

Referensi

https://medium.com/@andreaschandra/menguji-kecerdasan-buatan-menggunakan-turing-test-9553ff521f0f
https://dailysocial.id/longform/kecerdasan-buatan-tak-lagi-sekadar-cerita-fiksi-ilmiah
https://www.thenewatlantis.com/publications/the-trouble-with-the-turing-test