Cos’è il test di Turing? De­fi­ni­zio­ne e funzione

Il test di Turing, svi­lup­pa­to nel 1950 dal ma­te­ma­ti­co Alan Turing, è un espe­ri­men­to che punta a ve­ri­fi­ca­re l’esistenza di un’in­tel­li­gen­za nei computer. Il test si svolge sotto forma di gioco e prevede una serie di domande e risposte. Se la persona che pone le domande non è in grado di di­stin­gue­re se il suo in­ter­lo­cu­to­re sia una macchina o un umano, allora il test con­fer­me­reb­be che i computer pos­sie­do­no un’in­tel­li­gen­za simile a quella dell’uomo. Tuttavia, questo test è fonte di con­tro­ver­sie, perché secondo molti non co­sti­tui­reb­be una prova oggettiva che l’in­tel­li­gen­za dei computer possa essere equi­pa­ra­ta a quella umana.

È un umano o un bot? Chi trascorre molto tempo sui social oppure legge i commenti degli articoli online, si trova spesso davanti a questo dubbio. I co­sid­det­ti social bot sono dei robot che imitano gli utenti in carne e ossa, in­fluen­zan­do di­scus­sio­ni e postando commenti au­to­ma­ti­ci. Spesso in­di­stin­gui­bi­li dalle persone, si basano su algoritmi che sfruttano l’in­tel­li­gen­za ar­ti­fi­cia­le e l’ap­pren­di­men­to au­to­ma­ti­co per imitare la co­mu­ni­ca­zio­ne umana. È proprio qui che entra in gioco il test di Turing: questo espe­ri­men­to aiu­te­reb­be a de­ter­mi­na­re se stiamo avendo a che fare con una persona o con una macchina.

Il test di Turing è stato inventato e svi­lup­pa­to nel 1950 dall’omonimo Alan Turing, ma­te­ma­ti­co, in­for­ma­ti­co e studioso di logica bri­tan­ni­co. Nell’ambito di un progetto di lavoro sui primi computer a valvole Man­che­ster Mark I presso l’Uni­ver­si­tà di Man­che­ster, Turing si è occupato in modo ap­pro­fon­di­to della questione dell’in­tel­li­gen­za ar­ti­fi­cia­le e delle sue ca­rat­te­ri­sti­che.

Nel suo articolo “Computing machinery and in­tel­li­gen­ce”, pub­bli­ca­to sulla rivista spe­cia­liz­za­ta “Mind”, Turing gettò le basi di quello che oggi è co­no­sciu­to come il test di Turing, ma che allora venne chiamato “Imitation Game”. Poiché a quel tempo le reti neurali non ri­co­pri­va­no ancora un ruolo im­por­tan­te nell’in­tel­li­gen­za ar­ti­fi­cia­le, né esisteva ancora una prova oggettiva e scien­ti­fi­ca di come fun­zio­nas­se­ro i processi cognitivi, si puntò ad ana­liz­za­re la co­mu­ni­ca­zio­ne con i computer sulla base di fenomeni os­ser­va­bi­li. Lo scopo di questa analisi era con­fer­ma­re l’esistenza di un’in­tel­li­gen­za ar­ti­fi­cia­le o di un’in­tel­li­gen­za dei computer, qualora la co­mu­ni­ca­zio­ne messa in atto dalla macchina fosse risultata in­di­stin­gui­bi­le da quella dell’uomo.

La strut­tu­ra­zio­ne e lo svol­gi­men­to del test di Turing sono molto basilari: il test consiste in un semplice al­ter­nar­si di domande e risposte fra un in­ter­vi­sta­to­re umano e due in­ter­lo­cu­to­ri anonimi, nascosti alla vista dell’in­ter­vi­sta­to­re. Le domande, che non sono pre­sta­bi­li­te e possono spaziare su qualsiasi argomento, vengono inviate dall’in­ter­vi­sta­to­re ai suoi in­ter­lo­cu­to­ri senza alcun tipo di contatto visivo o uditivo at­tra­ver­so uno strumento di im­mis­sio­ne dati, ad esempio una tastiera. Se al termine dell’espe­ri­men­to l’in­ter­vi­sta­to­re umano non è in grado di stabilire quale dei due in­ter­lo­cu­to­ri sia una macchina in base alle risposte fornite da entrambi, allora l’in­tel­li­gen­za della macchina può essere definita simile o pari a quella umana.

Fino a oggi (marzo 2022) non esistono macchine che abbiano uf­fi­cial­men­te superato il test di Turing. Cio­no­no­stan­te, questo espe­ri­men­to è ancora oggi rilevante per lo sviluppo dell’in­tel­li­gen­za ar­ti­fi­cia­le, ad esempio nel contesto del deep learning, del rein­for­ce­ment learning e del su­per­vi­sed learning oppure dell’un­su­per­vi­sed learning. In futuro, la co­mu­ni­ca­zio­ne tra macchine basata sulle reti neurali svolgerà un ruolo sempre più im­por­tan­te, non solo sui social media e nel servizio clienti. Anche settori come medicina, dia­gno­sti­ca, scienze agrarie, sicurezza e controllo, marketing, trasporti e pro­du­zio­ne saranno sempre più ca­rat­te­riz­za­ti dalla co­mu­ni­ca­zio­ne ar­ti­fi­cia­le in­tel­li­gen­te.

Ancora oggi non è chiaro se con il test di Turing sia possibile ottenere una prova credibile e oggettiva dell’in­tel­li­gen­za ar­ti­fi­cia­le. La maggior parte delle critiche mosse al test nascono so­prat­tut­to da questa domanda: “Una macchina che imita la co­mu­ni­ca­zio­ne umana è realmente dotata di un in­tel­li­gen­za ar­ti­fi­cia­le in­di­pen­den­te oppure si limita solo a imitare in modo perfetto l’uomo?” L’os­ser­va­zio­ne del com­por­ta­men­to di una macchina che potrebbe suggerire o pre­sup­po­ne un’in­tel­li­gen­za ar­ti­fi­cia­le non è equi­pa­ra­bi­le all’esistenza oggettiva dell’in­tel­li­gen­za ar­ti­fi­cia­le stessa. La dinamica domanda-risposta del test di Turing non sarebbe quindi adatta a rap­pre­sen­ta­re né a di­mo­stra­re l’esistenza di in­ten­zio­ne né in­tel­let­to.

Il test di machine learning Winograd Schema Challenge (WSC) è spesso citato come un’al­ter­na­ti­va migliore rispetto al test di Turing. Questo espe­ri­men­to si basa su uno schema di domande pre­de­ter­mi­na­to che richiede l’ap­pli­ca­zio­ne attiva di co­no­scen­ze, cultura generale e pensiero razionale per ottenere risposte corrette. Per ri­spon­de­re alle domande dello Schema di Winograd dell’omonimo Terry Winograd sono necessari com­pren­sio­ne del contesto, del com­por­ta­men­to umano, un back­ground culturale e l’uso della logica. Un altro espe­ri­men­to noto è il test Marcus, che consiste nel far “guardare” a una macchina un programma te­le­vi­si­vo, per poi ve­ri­fi­ca­re il suo grado di com­pren­sio­ne dei contenuti con una serie di domande. Il Lovelace Test 2.0, invece, esamina fino a che punto l’in­tel­li­gen­za ar­ti­fi­cia­le possa essere creativa.

No­no­stan­te le critiche sollevate, l’idea alla base del test di Turing (ovvero l’imi­ta­zio­ne perfetta della co­mu­ni­ca­zio­ne umana) svolge tutt’oggi un ruolo im­por­tan­te nella di­gi­ta­liz­za­zio­ne.

Tre esempi mostrano l’im­por­tan­za tuttora invariata del test di Turing:

• Human In­te­rac­tion Proof (HIP): la co­sid­det­ta au­ten­ti­ca­zio­ne CAPTCHA è definita anche test di Turing negativo. La Human In­te­rac­tion Proof serve a di­stin­gue­re il più ra­pi­da­men­te possibile le macchine dall’uomo, fungendo da filtro in grado di bloccare i bot mediante quiz con­te­nen­ti test e immagini vi­sua­liz­za­ti prima di visitare un sito web. Il nome CAPTCHA fa ri­fe­ri­men­to al test di Turing: Completely Automated Public Turing test to tell Computers and Humans Apart.
• Bot: i bot sono strumenti digitali la cui funzione può essere positiva o negativa a seconda dell’uso che se ne fa. Ad esempio, vengono impiegati sotto forma di chatbot per au­to­ma­tiz­za­re in modo ef­fi­cien­te l’as­si­sten­za clienti, ma spesso vengono anche usati come social bot o spam bot, per veicolare notizie false o virus in­for­ma­ti­ci. In entrambi i casi, il test di Turing nelle sue diverse versioni serve a in­cen­ti­va­re lo sviluppo dei bot, ren­den­do­li il più possibile uguali agli umani.
• As­si­sten­ti vocali: gli as­si­sten­ti vocali sono forse una delle in­no­va­zio­ni che più si avvicina all’idea originale di Alan Turing. Gli as­si­sten­ti digitali a comando vocale, come Alexa o Siri, si basano sul principio domanda-risposta e sono destinati ad au­to­ma­tiz­za­re varie funzioni ed esigenze quo­ti­dia­ne degli utenti. Sebbene nessuna di queste ap­pli­ca­zio­ni sia at­tual­men­te in grado di superare il test di Turing, le funzioni vocali smart vengono co­stan­te­men­te ot­ti­miz­za­te at­tra­ver­so l’ap­pren­di­men­to au­to­ma­ti­co e l’analisi del com­por­ta­men­to degli utenti, ren­den­do­le più simili a quelle umane.