チューリングテスト

チューリングテストは、1950年にアラン・チューリングによって模倣ゲームと呼ばれていました^[2] 。機械が人間と同等か、人間と区別がつかない知的行動を示す能力をテストするものです。チューリングは、人間のような応答を生成するように設計された機械と人間との自然言語による会話を、人間の評価者が審査することを提案しました。評価者は、会話のパートナーのうち1人が機械であることを認識しており、すべての参加者は互いに離れています。会話はコンピューターのキーボードと画面などのテキストのみのチャネルに限定されているため、結果は機械が言葉を音声としてレンダリングする能力に依存しません。^{[3]評価者が機械と人間を確実に区別できない場合、機械はテストに合格したと見なされます。テストの結果は、}質問に対して機械が正しい答えを出す能力ではなく、その答えが人間の答えにどれだけ似ているかによって決まります。チューリングテストはパフォーマンス能力の区別のつかないテストであるため、言語バージョンは、言語的および非言語的（ロボット的）な人間のパフォーマンス能力すべてに自然に一般化されます。^[4]

このテストは、マンチェスター大学で働いていたチューリングが 1950 年に発表した論文「計算機械と知能」で紹介されました。^[5]この論文は、「私は『機械は考えることができるか』という疑問について考えてみることにする」という言葉で始まっています。「考える」という概念を定義するのは難しいため、チューリングは「この疑問を、それに密接に関連し、比較的明確な言葉で表現される別の疑問に置き換える」ことを選択しました。^[6]チューリングは、この問題の新しい形式を「模倣ゲーム」と呼ばれる 3 人用ゲームで説明します。このゲームでは、質問者が別の部屋にいる男性と女性に質問し、2 人のプレーヤーの性別を判定します。チューリングの新しい疑問は、「模倣ゲームでうまく機能するデジタル コンピューターは想像できますか」です。 ^[2]この疑問は、実際に答えられるものであるとチューリングは信じていました。論文の残りの部分では、「機械は考えることができる」という命題に対するすべての主要な反論に対して反論しました。^[7]

チューリングがテストを導入して以来、それは大きな影響力と幅広い批判を受け、人工知能の哲学における重要な概念となっている。^{[8] [9] [10]}哲学者のジョン・サールは、中国語の部屋議論の中でチューリングテストについてコメントしている。中国語の部屋議論は、プログラムがコンピューターをどれほど知的に、あるいは人間らしく動作させたとしても、機械は「心」「理解力」「意識」を持つことはできないとする思考実験である。サールはチューリングのテストを批判し、意識の存在を検出するには不十分だと主張している。

チューリングテストは後に「チャットボット」の開発につながった。これは、人とテキストチャットセッションを行うことを唯一の目的として開発されたAIソフトウェアエンティティである。現在、チャットボットはより包括的な定義を持っている。通常はインターネットを介して人と会話できるコンピュータプログラムである。OED ^{[11] [12]}

1966年、ジョセフ・ワイゼンバウムはELIZAと呼ばれるプログラムを作成した。このプログラムは、ユーザーが入力したコメントをキーワードとして調べることで機能した。キーワードが見つかった場合、ユーザーのコメントを変換するルールが適用され、結果の文章が返される。キーワードが見つからない場合、ELIZAは一般的な返答を返すか、以前のコメントのいずれかを繰り返して応答する。^[13]さらに、ワイゼンバウムはロジャーズ派の心理療法士の行動を再現するようにELIZAを開発し、ELIZAが「現実世界についてほとんど何も知らないというポーズを自由にとれる」ようにした。^[14]これらの技術により、ワイゼンバウムのプログラムは、一部の人々を騙して本物の人間と話していると信じ込ませることができ、一部の被験者は「ELIZAが人間ではないと納得させるのが非常に困難」であった。^[14]そのため、ELIZAはチューリングテストに合格できるプログラムの一つ（おそらく最初のもの）であると主張する人もいますが、^{[14] [15]}この見解は非常に議論の余地があります（下記の「尋問者のナイーブさ」を参照）。

ケネス・コルビーは1972年に「態度のあるエリザ」と評されるPARRYを作成した。 ^{[16]このプログラムは、}偏執性統合 失調症患者の行動をモデル化しようとしたもので、ワイゼンバウムが採用したものと類似した（ただしより先進的）アプローチを採用している。この研究を検証するため、PARRYは1970年代初頭にチューリングテストの一種を使用してテストされた。経験豊富な精神科医のグループが、実際の患者とテレプリンターを介してPARRYを実行するコンピュータの組み合わせを分析した。別の33人の精神科医のグループには、会話の記録が示された。次に、2つのグループは「患者」のうちのどれが人間でどれがコンピュータプログラムであるかを識別するように求められた。^[17]精神科医が正しい識別をできたのはわずか52パーセントで、これはランダムな推測と一致する数字である。^[17]

2001年、ロシアのサンクトペテルブルクで、ロシア生まれのウラジミール・ヴェセロフ、ウクライナ生まれのユージン・デムチェンコ、ロシア生まれのセルゲイ・ウラセンの3人のプログラマーのグループが、「ユージン・グーストマン」と呼ばれるチャットボットを開発した。2014年7月7日、レディング大学で行われたアラン・チューリングの没後60周年を記念するイベントで、チューリングテストに合格したと思われる最初のチャットボットとなり、イベントの審査員の33%がグーストマンを人間だと考え、イベント主催者のケビン・ワーウィックは、グーストマンがチューリングテストに合格したとみなした。グーストマンは、ウクライナのオデッサ出身の13歳の少年として描かれ、ペットのモルモットと産婦人科医の父親がいる。年齢の選択は意図的なものであり、彼と「会話」する人々が彼の返答の小さな文法上の誤りを許すように誘導するものである。^{[11] [18] [19]}

2022年6月、GoogleのLaMDA（対話アプリケーション向け言語モデル）チャットボットは、知覚を獲得したという主張に関して広く報道された。当初、エコノミスト誌の記事で、Googleリサーチフェローのブレーズ・アグエラ・イ・アルカスは、チャットボットが社会的関係をある程度理解していることを示したと述べた。^{[20]数日後、Googleエンジニアのブレイク・ルモワンは、}ワシントンポスト紙のインタビューで、LaMDAが知覚を獲得したと主張した。ルモワンは、この件に関する社内主張のためにGoogleから休職処分を受けていた。アグエラ・イ・アルカス（Google副社長）とジェン・ジェンナイ（Responsible Innovation責任者）は、その主張を調査したが、却下した。^[21]ルモワンの主張は、人間の会話を模倣しているように見える言語モデルは、その背後に何らかの知性が存在することを示さないと指摘し、この分野の他の専門家によって完全に否定された。^[22] LaMDA が知覚能力を獲得したという主張に対する賛否両論の幅広い議論は、ソーシャルメディア プラットフォーム全体で、知覚能力の意味の定義や人間であることの意味などに関する議論を巻き起こした。

2022年11月にリリースされたOpenAIのチャットボットChatGPTは、GPT-3.5とGPT-4の 大規模言語モデルに基づいています。セレステ・ビーバーはネイチャーの記事で「ChatGPTはチューリングテストを破った」と書いています。^[23]スタンフォード大学の研究者は、ChatGPTがテストに合格したと報告しました。彼らは、ChatGPT-4が「厳格なチューリングテストに合格し、主により協力的になるために平均的な人間の行動から逸脱していることを発見した」ことを発見しました。^{[24] [25]}

バーチャルアシスタントもAIを搭載したソフトウェアエージェントで、テキストまたは口頭のコマンドでコマンドや質問に応答し、電子的にタスクを実行するように設計されているため、当然チャットボット機能が組み込まれています。消費者が直接使用する有名なバーチャルアシスタントには、AppleのSiri、Amazon Alexa、Google Assistant、SamsungのBixby、WindowsのCortana（廃止）などがあります。^{[26] [27] [28] [29]}

これらのプログラムのバージョンは、人々を騙し続けています。マルウェアプログラムである「Cyber​​Lover」は、インターネット ユーザーを「自分の身元に関する情報を明かすように仕向けたり、悪意のあるコンテンツをコンピューターに配信する Web サイトを訪問するように誘導したり」して、ユーザーを食い物にします。^[30]このプログラムは、「オンラインで関係を求めている人々から個人データを収集する」という「バレンタイン リスク」として浮上しました。^[31]

機械が思考できるかどうかという疑問には長い歴史があり、それは心の二元論的見解と唯物論的 見解の区別にしっかりと根付いています。ルネ・デカルトは1637 年の著書『方法序説』で、チューリング テストの側面を次のように予見しています。

人間の努力によって、どれほど多くの異なるオートマタや動く機械が作られるだろうか。機械は言葉を発し、肉体的な作用を受けて器官に変化を起こし、何らかの反応を発するように構成されていることは容易に理解できる。例えば、ある部位に触れると、何を言いたいのか尋ねてくるかもしれないし、別の部位に触れると、痛いと叫ぶかもしれない、などである。しかし、最も下等な人間でさえできるように、機械がさまざまな方法で言葉を組み立てて、目の前で言われるあらゆることに適切に答えるということは決して起こらない。^[32]

ここでデカルトは、オートマトンが人間のやりとりに応答できると述べているが、そのようなオートマトンは、人間ができるように、目の前で話されたことに適切に応答することはできないと主張している。したがって、デカルトは、適切な言語応答の不十分さが人間とオートマトンを隔てるものであると定義することで、チューリング テストを予見している。デカルトは、将来のオートマトンがそのような不十分さを克服できる可能性を考慮しておらず、そのため、概念的枠組みと基準を予見していたとしても、チューリング テストそのものを提案していない。

ドニ・ディドロは1746 年の著書『哲学のパンセ』でチューリング テストの基準を定式化していますが、参加者は人工物ではなく自然の生き物であるという重要な暗黙の限定仮定は維持されています。

もし彼らがすべての質問に答えられるオウムを見つけたら、私はためらうことなくそれを知的な存在だと主張するでしょう。

これは彼がこれに同意しているという意味ではなく、それが当時の 唯物論者の間ですでに一般的な議論であったという意味です。

二元論によれば、心は非物理的である（あるいは、少なくとも非物理的な性質を持っている）^[33]ため、純粋に物理的な言葉で説明することはできない。唯物論によれば、心は物理的に説明できるため、人工的に作り出された心が存在する可能性が残されている。^[34]

1936年、哲学者アルフレッド・エイヤーは、他者の心に関する標準的な哲学的疑問について考察した。つまり、他者が自分と同じ意識体験をしていることをどうやって知るのか、という疑問である。エイヤーは著書『言語、真理および論理』の中で、意識のある人間と意識のない機械を区別するためのプロトコルを提案した。「意識があるように見える物体が実際には意識のある存在ではなく、単なるダミーか機械であると主張する唯一の根拠は、意識の有無を決定する経験的テストの1つを満たしていないということである」^[35]（この提案はチューリングテストに非常に似ているが、エイヤーの有名な哲学の古典がチューリングに馴染みがあったかどうかは定かではない。）言い換えれば、意識テストに合格しなければ、そのものは意識がないということである。

チューリングテストの基本的な考え方は、ジョナサン・スウィフトの1726年の小説『ガリヴァー旅行記』に登場している。^{[36] [37]}ガリヴァーがブロブディンナギアンの王の前に連れてこられたとき、王は最初、ガリヴァーは「ある独創的な芸術家によって考案された（その国では非常に完成度の高い）時計仕掛けの部品」かもしれないと考えました。ガリヴァーが話しているのを聞いても、王はガリヴァーが「より高値で売れるように」するために「一連の言葉」を教えられたのではないかと疑っていました。ガリヴァーは、「私にいくつかの質問をしましたが、それでも合理的な答えが返ってきた」後になって初めて、王はガリヴァーが機械ではないと納得したと語っています。^[38]

1940年代までに、コンピューターやエイリアンが知的であるかどうかを人間が判断するテストはSFの世界では定着しており、チューリングもこれを知っていた可能性が高い。^[39] スタンリー・G・ワインバウムの『火星の旅』（1934年）は、このようなテストがいかに微妙なものになり得るかを示す例である。^[39]

機械やオートマトンが人間に見せかけようとする以前の例としては、アフロディーテに動かされる女性の彫刻を作る古代ギリシャ神話のピグマリオン、本物の男の子になりたい人形を描いたカルロ・コッローディの小説『ピノキオの冒険』、主人公がオートマトンに恋をするETAホフマンの1816年の物語『サンドマン』などがある。これらの例のすべてにおいて、人々はある程度まで人間に見える人工の存在に騙されている。^[40]

イギリスの研究者は、1956年に人工知能（ AI ）研究分野が設立される以前から、最大10年間にわたり「機械知能」を研究してきました。 ^{[41]これは、アラン・チューリングを含むイギリスの}サイバネティクスとエレクトロニクスの研究者の非公式グループであるレシオ・クラブのメンバーの間では共通の話題でした。^[42]

特にチューリングは、少なくとも1941年から機械知能の概念を唱えており^[43]、「コンピュータ知能」についての最も古い言及は1947年に彼によってなされた。^[44]チューリングの報告書「知能機械」^[45]では、 「機械が知的な行動をとることが可能かどうかという問題」を調査し^[46]、その調査の一環として、後のテストの先駆けともいえるものを提案した。

それほど悪くないチェスゲームができる抄紙機を考案するのは難しくない。^[47]さて、実験の被験者として、A、B、Cの3人を用意しよう。AとCはチェスが下手なプレイヤーで、Bは抄紙機を操作するオペレーターだ。... 2つの部屋を使い、動きを伝えるための何らかの取り決めを行い、CとAまたは抄紙機の間でゲームを行う。Cは自分がどちらをプレイしているのか、なかなか分からないかもしれない。^[48]

「計算機械と知能」（1950 年）は、チューリングが機械知能だけに焦点を当てた最初の論文である。チューリングは 1950 年の論文を「私は『機械は考えることができるか』という疑問について考えたい」という主張で始めている。 ^[6]彼が強調しているように、このような疑問に対する従来のアプローチは、定義から始め、「機械」と「考える」という用語の両方を定義することである。チューリングはそうしないことを選択した。その代わりに、彼はその疑問を「それに密接に関連し、比較的明確な言葉で表現された」新しい疑問に置き換えた。^[6]本質的に彼は、「機械は考えることができるか」という疑問を「機械は（考える存在として）私たちと同じことができるか」という疑問に変更することを提案している。^[49]チューリングは、新しい疑問の利点は「人間の身体的能力と知的能力の間にかなり明確な線を引く」ことであると論じている。^[50]

このアプローチを実証するために、チューリングは「模倣ゲーム」として知られるパーティーゲームにヒントを得たテストを提案した。これは、男性と女性が別々の部屋に入り、ゲストが一連の質問を書いて、送り返されたタイプライターで打たれた答えを読んで、2人を区別しようとするものである。このゲームでは、男性と女性の両方が、ゲストに自分たちが相手であると信じ込ませることを目的としている。(ヒューマ・シャーは、この2人の人間によるゲームは、読者に機械と人間の質疑応答テストを紹介するためだけにチューリングによって提示されたと主張している。^[51] ) チューリングは、この新しいバージョンのゲームについて次のように説明した。

ここで、「このゲームで機械がAの役を演じたらどうなるだろうか？」という疑問が湧いてくる。このゲームがこのようにプレイされた場合、質問者は男性と女性の間でプレイされるゲームと同じくらい頻繁に間違った判断を下すだろうか？これらの疑問は、当初の「機械は考えることができるか？」という疑問に取って代わるものである。^[50]

論文の後半で、チューリングは、裁判官がコンピュータと人間とだけ会話するという「同等の」代替定式化を提案している。^[52]これらの定式化はいずれも、今日より一般的に知られているチューリングテストのバージョンと正確には一致しないが、彼は1952年に3番目の定式化を提案した。チューリングがBBCラジオ放送で説明したこのバージョンでは、陪審員がコンピュータに質問し、コンピュータの役割は陪審員のか​​なりの割合にそれが実際には人間であると信じさせることである。^[53]

チューリングの論文では9つの想定される反論が検討されており、その中には論文が発表されて以来提起されてきた人工知能に対する主要な反論も含まれている（「計算機と知能」を参照）。^[7]

ジョン・サールの1980年の論文「心、脳、プログラム」は「中国語の部屋」思考実験を提案し、機械が考えることができるかどうかを決定するのにチューリングテストは使えないと主張した。サールは、ソフトウェア（ELIZAなど）は、理解できない記号を操作するだけでチューリングテストに合格できると指摘した。理解がなければ、人間と同じ意味で「考えている」とは言えない。したがって、サールは、チューリングテストでは機械が考えることができることを証明できないと結論付けた。^[54]チューリングテスト自体と同様に、サールの議論は広く批判され^{[55] 、支持されてきた[56]}。

サールや心の哲学に携わる他の人々の議論は、知性の本質、意識を持った機械の可能性、チューリングテストの価値について、1980年代から1990年代にかけてさらに激しい議論を引き起こした。^[57]

ロエブナー賞は、実用的なチューリングテストのための毎年のプラットフォームを提供しており、第1回コンテストは1991年11月に開催されました。 ^{[58]この賞は}ヒュー・ロエブナーが後援しています。米国マサチューセッツ州のケンブリッジ行動研究センターが、2003年のコンテストまでこの賞を主催しました。ロエブナーが説明したように、このコンテストが創設された理由の1つは、少なくとも部分的には、40年間チューリングテストについて議論されてきたにもかかわらず、誰もそれを実装する措置を講じていなかったため、AI研究の状態を前進させることでした。^[59]

1991 年に開催された第 1 回ローブナー賞コンテストは、一般のメディア^[60]と学界の両方で、チューリング テストの実現可能性とそれを追求する価値についての新たな議論を巻き起こしました^[61] 。最初のコンテストで優勝したのは、識別可能な知能を持たない無知なプログラムで、素朴な質問者を騙して誤った識別を行わせました。このことは、チューリング テストのいくつかの欠点 (以下で説明) を浮き彫りにしました。優勝者が優勝したのは、少なくとも部分的には、それが「人間の入力エラーを模倣」できたためです。^[60]知識の浅い質問者は簡単に騙されました。^[61]また、一部の AI 研究者は、このテストはより実りある研究の妨げにすぎないと感じるようになりました。^[62]

銀賞 (テキストのみ) と金賞 (音声と映像) は、これまで受賞されたことはありません。ただし、コンテストでは毎年、その年の応募作品の中で審査員の意見で「最も人間らしい」会話動作を示したコンピュータ システムに銅メダルを授与しています。人工言語インターネット コンピュータ エンティティ(ALICE) は、最近 3 回銅賞を受賞しています (2000 年、2001 年、2004 年)。Learning AI Jabberwacky は、2005 年と 2006 年に受賞しました。

ローブナー賞は会話知能をテストする賞で、受賞者は通常、おしゃべりボットプログラム、または人工会話エンティティ（ACE）です。初期のローブナー賞のルールでは会話が制限されていました。各参加者と隠れた人間は単一のトピックについて会話し、^[63]そのため、質問者はエンティティとのやり取りごとに1行の質問に制限されていました。会話の制限ルールは、1995年のローブナー賞で撤廃されました。ローブナー賞では、審査員とエンティティ間のやり取りの持続時間が異なっています。サリー大学のローブナー2003では、各質問者はエンティティ、機械、または隠れた人間と5分間やり取りすることができました。2004年から2007年の間、ローブナー賞で許可されたやり取り時間は20分以上でした。

CAPTCHA（コンピュータと人間を区別するための完全に自動化された公開チューリングテスト）は、人工知能の最も古い概念の1つであり、CAPTCHAシステムはインターネット上で人間とボットを区別するためにオンラインでよく使用されます。これもチューリングテストに基づいており、歪んだ文字と数字を表示し、ユーザーに文字と数字を識別してフィールドに入力するように求めますが、ボットはそれを実行するのに苦労します。^{[11] [64]}

reCaptchaはGoogleが所有する CAPTCHA システムです。reCaptcha v1 と v2 はどちらも、ユーザーに歪んだ画像を一致させたり、歪んだ文字や数字を識別させたりすることで動作していました。しかし、reCaptcha v3 はユーザーを邪魔せず、ページが読み込まれたりボタンがクリックされたりしたときに自動的に実行されるように設計されています。この「目に見えない」 Captcha 検証はバックグラウンドで行われ、チャレンジは表示されません。これにより、基本的なボットのほとんどが除外されます。^{[65] [66]}

ソール・トライガーは、チューリングテストには少なくとも3つの主要なバージョンがあり、そのうち2つは「計算機械と知能」で紹介されており、もう1つは彼が「標準解釈」と呼んでいるものであると主張している。^[67]「標準解釈」がチューリングによって説明されたものなのか、それとも彼の論文の誤読に基づくものなのかについては議論があるが、これら3つのバージョンは同等とはみなされておらず、^[67]それぞれ長所と短所が異なる。^[68]

チューリングの原著論文では、3人のプレイヤーが参加する単純なパーティーゲームについて説明している。プレイヤーAは男性、プレイヤーBは女性、プレイヤーC（尋問者役）は男女どちらでも構わない。模倣ゲームでは、プレイヤーCはプレイヤーAもプレイヤーBも見ることができず、メモを通じてのみコミュニケーションをとることができる。プレイヤーCはプレイヤーAとプレイヤーBに質問することで、2人のうちどちらが男性でどちらが女性かを判定しようとする。プレイヤーAの役割は尋問者を騙して間違った判断をさせることであり、プレイヤーBは尋問者が正しい判断を下せるように手助けしようとする。^[8]

チューリングは次のように問います。

「このゲームで機械がAの役を演じたらどうなるだろうか？このゲームがこのようにプレイされた場合、質問者は男性と女性の間でプレイされるゲームと同じくらい頻繁に間違った判断を下すだろうか？」これらの質問は、私たちの最初の質問「機械は考えることができるか？」に代わるものである^[50]。

2 番目のバージョンは、後にチューリングの 1950 年の論文に登場しました。オリジナルの模倣ゲーム テストと同様に、プレーヤー A の役割はコンピューターによって実行されます。ただし、プレーヤー B の役割は女性ではなく男性によって実行されます。

ある特定のデジタルコンピュータCに注目してみましょう。このコンピュータを改造して十分な記憶容量を持たせ、動作速度を適切に上げ、適切なプログラムを提供することで、Cが模倣ゲームでAの役割を満足に果たし、Bの役割を人間が担うことができるというのは本当でしょうか? ^[50]

このバージョンでは、プレイヤー A (コンピュータ) とプレイヤー B の両方が、尋問者を騙して誤った決定を下させようとします。

標準的な解釈は元の論文には含まれていないが、受け入れられ、議論されている。一般的な理解では、チューリングテストの目的は、コンピュータが質問者をだまして人間だと信じ込ませることができるかどうかを決定することではなく、コンピュータが人間の真似をすることができるかどうかを判断することである。^[8]この解釈がチューリングの意図によるものかどうかについては議論があるが、スターレットはそうであると信じており^[69]、したがって 2 番目のバージョンとこのバージョンを混同しているが、トライガーなどの他の人はそうではない^[67] が、それでも「標準的な解釈」と見なすことができるものにつながっている。このバージョンでは、プレーヤー A はコンピューターであり、プレーヤー B は男女のどちらかである。質問者の役割は、どちらが男性でどちらが女性であるかを判断することではなく、どちらがコンピューターでどちらが人間であるかを判断することである。^[70]標準的な解釈の根本的な問題は、質問者が応答者が人間でどちらが機械であるかを区別できないことである。期間については問題がありますが、標準的な解釈では、一般的にこの制限は合理的なものであると考えられています。

チューリングが意図したテストの代替定式化のどれをめぐって論争が巻き起こっている。^[69]スターレットは、1950 年の論文から 2 つの異なるテストを抽出でき、チューリングの発言とは逆に、それらは同等ではないと主張している。パーティー ゲームを使用して成功の頻度を比較するテストは「オリジナル イミテーション ゲーム テスト」と呼ばれ、人間の審査員が人間と機械と会話するテストは「標準チューリング テスト」と呼ばれ、スターレットはこれを「標準解釈」と同一視しており、イミテーション ゲームの 2 番目のバージョンではないと指摘している。スターレットは、標準的なチューリングテスト (STT) には批判者が挙げる問題があることに同意しているが、その一方で、このように定義されたオリジナルの模倣ゲームテスト (OIG テスト) は、重要な違いにより、多くの問題から免れていると考えている。STT とは異なり、機械知能の基準を設定する際に人間のパフォーマンスを採用しているにもかかわらず、人間のパフォーマンスとの類似性を基準にしていない。人間は OIG テストに失敗する可能性があるが、失敗が機知の欠如を示すことは知能テストの長所であると主張されている。OIG テストでは、単に「人間の会話行動のシミュレーション」ではなく、知能に関連する機知が求められる。OIG テストの一般的な構造は、模倣ゲームの非言語バージョンにも使用できる。^[71]

フーマ・シャーによれば、チューリング自身は機械が考えることができるかどうかに関心があり、これを検証するための簡単な方法、つまり人間と機械の質問と回答セッションを提供していたという。^[72]シャーは、チューリングが説明した模倣ゲームは、2つの異なる方法で実践できると主張している。a) 1対1の質問者と機械のテスト、およびb) 機械と人間の同時比較、両方に質問者が並行して質問する方法である。^[51]

さらに他の著者^[73]は、チューリングが模倣ゲーム自体がテストであると提案していると解釈しているが、チューリングが提案した模倣ゲームのパーティーバージョンを使用したテストは、ゲームの1ラウンドで成功する能力ではなく、その模倣ゲームでの成功の比較的頻度の基準に基づいているというチューリングの声明をどのように考慮に入れるべきかについては具体的に述べていない。

模倣ゲームは社会的な側面から理解するのが最も良いと主張する著者もいる。1948年の論文でチューリングは知性を「感情的概念」と呼び、次のように述べている。

何かが知的な振る舞いをしていると私たちが考える程度は、対象の性質だけでなく、私たち自身の精神状態や訓練によっても決まります。その振る舞いを説明・予測できる場合、または背後に計画がほとんどないように思われる場合、知性を想像する誘惑はほとんどありません。したがって、同じ対象でも、ある人はそれを知的なものと見なし、別の人はそう思わない可能性があります。後者は、その振る舞いのルールを発見しているでしょう。^[74]

この発言やチューリングの著作に散りばめられた同様の発言を受けて、ダイアン・プラウドフット^{[75]は、チューリングは知能に対して}反応依存アプローチをとっていたと主張している。それによると、知能のある（または思考する）存在とは、平均的な尋問者にとって知能があるように見える存在である。ベルナルド・ゴンサルベスは、チューリングは、機械が思考していると言えるかどうかを決定するための一種の重要な実験として彼のテストを導入するというレトリックを使ったが、^[76]実際のテストの提示は、ガリレオ^[77 ] の現代科学的伝統における思考実験のよく知られた特性を満たしていると示している。シュロモ・ダンジガー^[78]は、社会技術的な解釈を推進しており、それによると、チューリングは模倣ゲームを知能テストではなく、技術的な願望であり、その実現には機械に対する社会の態度の変化が伴う可能性が高いと見ていた。この解釈によれば、チューリングの有名な 50 年前の予言、つまり 20 世紀末までに何らかの機械が彼のテストに合格するという予言は、実際には 2 つの明確に区別できる予言から成り立っています。1 つ目は技術的な予言です。

50年後には、コンピュータをプログラムして模倣ゲームを非常に上手にプレイさせ、平均的な尋問者が5分間の尋問で正しい識別を行える確率が70％以下になるようにすることが可能になるだろうと私は信じている。^[79]

チューリングが行う2番目の予測は社会学的なものです。

私は、今世紀の終わりには言葉の使い方や一般教養人の意見が大きく変化し、機械が考えることについて反論されることを予想せずに話せるようになると信じている。^[79]

ダンジガーはさらに、チューリングにとって、機械に対する社会の態度の変化がインテリジェントな機械の存在の前提条件であると主張している。「インテリジェントな機械」という用語が矛盾語として見られなくなったときにのみ、インテリジェントな機械の存在が論理的に可能になるだろう。

セイギンは、オリジナルのゲームはコンピュータの参加を隠すことで、偏りの少ない実験設計を提案する方法なのかもしれないと示唆している。^[80]また、この模倣ゲームには、標準的な解釈には見られない「ソーシャルハック」も含まれており、ゲームではコンピュータと男性の人間の両方が、自分ではない誰かのふりをしてプレイする必要がある。^[81]

実験室でのテストで重要なのは、コントロールが必要であるということです。チューリングは、テスト中の尋問者が参加者の1人がコンピューターであることを知っているかどうかを明確にしていません。彼は、プレーヤーAが機械に置き換えられると述べているだけで、プレーヤーCにこの置き換えを知らせる必要があるとは述べていません。^[50]コルビー、FDヒルフ、Sウェーバー、ADクレイマーがPARRYをテストしたとき、彼らは尋問者が尋問中にインタビュー対象者の1人以上がコンピューターであることを知る必要はないと仮定してテストを行いました。^[82]アイセ・セイギン、ピーター・スウィルスキ、^[83]などが強調しているように、これはテストの実施と結果に大きな違いをもたらします。^{[8] 1994年から1999年にかけて行われたAIコンテストにおけるローブナーの1対1（質問者と隠れた対話者）賞の記録を使用して}グリスの格言違反を調べた実験的研究で、アイセ・サイギンは、コンピューターが関与していることを知っていた参加者と知らなかった参加者の反応に大きな違いがあることを発見した。^[84]

チューリング テストの威力と魅力は、そのシンプルさから生まれます。心の哲学、心理学、現代の神経科学は、機械に適用できるほど正確で一般的な「知性」と「思考」の定義を提供できていません。そのような定義がなければ、人工知能の哲学の中心的な疑問に答えることはできません。チューリング テストは、たとえ不完全であっても、少なくとも実際に測定できるものを提供します。したがって、これは難しい哲学的疑問に答えるための実用的な試みです。

このテストの形式により、質問者は機械にさまざまな知的課題を与えることができる。チューリングは「質問と回答の方法は、私たちが含めたいと考えている人間の努力の分野のほとんどすべてを紹介するのに適しているようだ」と書いている。^[85] ジョン・ハウゲランドは「言葉を理解するだけでは十分ではない。トピックも理解する必要がある」と付け加えている。^[86]

適切に設計されたチューリングテストに合格するには、機械は自然言語を使用し、推論し、知識を持ち、学習する必要があります。テストは、ビデオ入力や、物体を通過させることができる「ハッチ」を含むように拡張できます。これにより、機械は適切に設計された視覚とロボット工学の熟練した使用を実証する必要があります。これらを組み合わせると、人工知能研究が解決したい主要な問題のほとんどすべてが表されます。^[87]

ファイゲンバウム テストは、チューリング テストで利用できる幅広いトピックを活用するように設計されています。これは、機械と文学や化学などの特定の分野の専門家の能力を比較する、チューリングの質問と回答のゲームの限定された形式です。

ケンブリッジ大学で数学の優秀な成績で卒業したチューリングは、高度な技術分野の専門知識を必要とするコンピュータ知能のテストを提案し、このテーマに対するより最近のアプローチを先取りすると思われていたかもしれない。しかし、すでに述べたように、彼が1950年の独創的な論文で説明したテストでは、コンピュータが一般的なパーティーゲームでうまく競争できることが求められ、一連の質問に一般的な男性と同じように答えて、説得力のある女性の出場者を装うことが求められた。

人間の性的二形性は最も古い主題の 1 つであることを考えると、上記のシナリオでは、答えるべき質問には専門的な事実の知識も情報処理技術も必要ないことが暗黙的に示されています。コンピューターにとっての課題は、むしろ、女性の役割に対する共感を示し、特徴的な美的感覚を示すことです。この 2 つの性質は、チューリングが想像したこの会話の断片に表れています。

質問者: Xさんの髪の長さを教えていただけますか?

出場者: 私の髪はバラバラで、一番長い髪は9インチくらいあります。

チューリングが想像上の会話の中で専門知識を持ち出すとき、その主題は数学や電子工学ではなく、詩です。

質問者: あなたのソネットの最初の行「あなたを夏の日にたとえてみようか」については、「春の日」でも同じかそれ以上の表現になりませんか?

証人:スキャンできませんでした。

質問者: 「冬の日」はどうでしょう。それなら大丈夫でしょう。

証人: そうです。しかし、誰も冬の日と比較されたくはありません。

チューリングは、このようにして、人工知能の構成要素としての共感と美的感受性への関心を再び示しています。そして、暴走する人工知能の脅威に対する認識が高まる中、[ ^{88] [89]}、この焦点はおそらくチューリングの重要な直観、つまり感情的および美的知性が「友好的な人工知能」の創造において重要な役割を果たすだろうという直観を表しているのではないかと示唆されています。しかし、チューリングがこの方向にどのようなインスピレーションを与えることができるかは、彼の当初のビジョンの維持にかかっており、つまり、チューリングテストの「標準的な解釈」、つまり、談話的知性のみに焦点を当てた解釈の普及には、ある程度の注意が必要です。

チューリングは、チューリング テストが「知性」やその他の人間の資質の尺度として使用できるとは明言しませんでした。彼は、「考える」という言葉に代わる明確で理解しやすい言葉を提供し、それを使って「考える機械」の可能性に対する批判に答え、研究を前進させる方法を提案したいと考えていました。

それにもかかわらず、チューリング テストは、機械の「思考能力」または「知性」の尺度として提案されてきました。この提案は、哲学者とコンピューター サイエンティストの両方から批判を受けています。この解釈では、質問者が機械の行動を人間の行動と比較することで、機械が「思考」しているかどうかを判断できると想定されています。この想定のすべての要素、つまり質問者の判断の信頼性、機械と人間を比較することの価値、行動のみを比較することの価値が疑問視されています。これらの理由とその他の理由から、一部の AI 研究者は、このテストが自分たちの分野に適切かどうか疑問視しています。

実際には、テストの結果はコンピューターの知能ではなく、質問者の態度、スキル、または素朴さによって簡単に左右される可能性がある。認知科学者のゲイリー・マーカスを含むこの分野の多くの専門家は、チューリングテストは人間を騙すのがいかに簡単かを示すだけであり、機械の知能を示すものではないと主張している。^[90]

チューリングは、このテストの説明の中で、尋問官に求められる正確なスキルや知識については言及していないが、「平均的な尋問官」という言葉を使用している。「平均的な尋問官は、5分間の尋問で正しい識別ができる確率が70%以下である。」^[79]

ELIZA などのチャットボット プログラムは、疑いを持たない人々を何度も騙して、人間とコミュニケーションしていると信じ込ませてきました。このような場合、「質問者」は、コンピューターと対話している可能性にさえ気づいていません。うまく人間らしく見せるためには、機械に知性はまったく必要ありません。人間の行動に表面的に似ているだけで十分です。

初期のローブナー賞コンテストでは、機械に簡単に騙される「素人」の尋問者が使われていた。 [ ^61] 2004年以降、ローブナー賞の主催者は、哲学者、コンピューター科学者、ジャーナリストを尋問者の中に配置している。しかし、これらの専門家の中には機械に騙された者もいる。^[91]

チューリングテストの興味深い特徴の 1 つは、共謀者 (テスト対象) の人間が尋問者によって機械であると誤認される共謀効果の頻度です。尋問者が人間の反応として期待するものが、必ずしも人間の典型的な反応であるとは限らないことが示唆されています。その結果、一部の個人が機械として分類される可能性があります。したがって、これは競合する機械に有利に働く可能性があります。人間は「自分らしく行動する」ように指示されますが、時にはその答えは尋問者が機械に期待するものに近いものになることがあります。^[92]これにより、人間が「人間らしく行動する」動機を確実に得る方法という問題が生じます。

チューリング テストは、コンピュータが知的に動作するかどうかを直接テストするものではありません。コンピュータが人間のように動作するかどうかのみをテストします。人間の動作と知的動作はまったく同じではないため、次の 2 つの理由から、このテストでは知性を正確に測定できない場合があります。

人間の行動の中には知性に欠けるものもある

チューリングテストでは、機械が知能の有無に関わらず、人間の行動をすべて実行できることが求められます。侮辱を受けやすいこと、[93] 嘘をつきやすいこと、あるいは単にタイプミスが多いことなど、知的であるとはまったく考えられない行動もテストされます。^機械がこれらの非知能的な行動を詳細に模倣できない場合、テストに不合格となります。

この反論は、 1992年の第1回ローブナー賞コンテストの直後にエコノミスト誌が発表した「人工的な愚かさ」と題する記事で提起された。記事では、第1回ローブナー賞受賞者の勝利は、少なくとも部分的には「人間の入力ミスを模倣する」能力によるものだと指摘した。 ^[60]チューリング自身も、プログラムが出力にエラーを追加することで、ゲームのより良い「プレーヤー」になるよう提案していた。^[94]

知的な行動の中には非人間的なものもある

チューリング テストは、難しい問題を解いたり、独自の洞察を導き出したりする能力など、高度な知能行動をテストするものではありません。実際、このテストでは、機械側の欺瞞が特に求められます。機械が人間よりも知能が高い場合、機械は意図的に知能が高すぎるように見せないようにする必要があります。人間が解くのが事実上不可能な計算問題を機械が解く場合、質問者はプログラムが人間ではないと認識し、機械はテストに不合格になります。

このテストは人間の能力を超えた知能を測定することができないため、人間よりも知能の高いシステムの構築や評価には使用できません。このため、超知能システムを評価できるいくつかの代替テストが提案されています。^[95]

チューリング テストは、対象がどのように行動するか 、つまり機械の外部的な動作に厳密に関係しています。この点で、チューリング テストは、心の研究に対して行動主義的または機能主義的なアプローチを採用しています。ELIZAの例は、テストに合格した機械は、思考したり心をまったく持たずに、単純な (しかし膨大な) 機械的ルールのリストに従うことで、人間の会話行動をシミュレートできる可能性があることを示唆しています。

ジョン・サールは、機械が「実際に」考えているのか、それとも単に「思考をシミュレートしている」のかを判断するために外部の行動を使用することはできないと主張した。^[54]彼の中国語の部屋の議論は、チューリングテストが知能の優れた操作的定義であったとしても、機械が心、意識、または意図性を持っていることを示しているわけではないことを示すことを意図している。（意図性とは、思考が「何かについて」持つ力を表す哲学用語である。）

チューリングは最初の論文の中でこの批判を予期しており、^[96]次のように書いている。

私は意識について謎はないと考えているという印象を与えたくはありません。たとえば、意識を局所化しようとする試みには、ある種のパラドックスが伴います。しかし、この論文で取り上げている疑問に答えるためには、これらの謎を必ずしも解決する必要はないと思います。^[97]

主流のAI研究者は、チューリングテストに合格しようとすることは、より実りある研究の妨げに過ぎないと主張している。^[62]実際、チューリングテストは、学術的にも商業的にも積極的に研究されているわけではない。スチュアート・ラッセルとピーター・ノーヴィグは次のように書いている。「AI研究者は、チューリングテストに合格することにほとんど注意を払ってこなかった。」^[98]理由はいくつかある。

まず、プログラムをテストする簡単な方法があります。AI関連分野における現在の研究のほとんどは、物体認識やロジスティクスなど、控えめで具体的な目標に向けられています。これらの問題を解決するプログラムの知能をテストするために、AI研究者は単にタスクを直接プログラムに与えます。スチュアート・ラッセルとピーター・ノーヴィグは、飛行の歴史との類似点を提案しています。飛行機は、鳥と比較するのではなく、どれだけうまく飛ぶかでテストされます。「航空工学のテキストでは、その分野の目標を『鳩とまったく同じように飛んで他の鳩を騙せる機械を作る』とは定義していません」と彼らは書いています。 ^[98 ]

第二に、人間のリアルなシミュレーションを作成することは、それ自体が困難な問題であり、AI研究の基本的な目標を達成するために解決する必要はありません。信じられる人間のキャラクターは、芸術作品、ゲーム、または洗練されたユーザーインターフェイスでは興味深いかもしれませんが、インテリジェントマシン、つまり知能を使用して問題を解決するマシンを作成する科学の一部ではありません。

チューリングは、自分のアイデアをプログラムの知能をテストするために使うつもりはなかった。人工知能の哲学の議論を助けるために、明確で理解しやすい例を提供したかったのだ。^[99] ジョン・マッカーシーは、哲学的なアイデアが実際の応用には役に立たないことがわかっても驚くべきではないと主張する。彼は、AIの哲学が「科学の哲学が一般的に科学の実践に及ぼす影響よりも、AI研究の実践に及ぼす影響は少ないだろう」と指摘している。^{[100] [101]}

チューリングテストに対するもう一つのよく知られた反論は、言語行動のみに焦点を当てていること（つまり、チューリングテストは「言語ベース」の実験のみであり、他の認知能力はすべてテストされていない）に関するものである。この欠点は、心理学者ハワード・ガードナーが「多重知能理論」で検討することを提案している、人間に関する他のモダリティ固有の「知的能力」の役割を軽視している（言語能力はその1つにすぎない）。^[102]

チューリングテストの重要な側面は、機械が発する言葉によって機械であることを明らかにしなければならないということである。質問者は、機械がまさに機械であると正しく識別することによって「正しい識別」を行わなければならない。しかし、機械が会話中に沈黙したままであれば、質問者は計算された推測以外の方法で機械を正確に識別することはできない。^[103] 人間が機械であると誤認されることがよくあるため、テストの一部として並行/隠れた人間を考慮に入れても状況は改善されない可能性がある。^[104]

チューリング テストは、人間の能力を増強または拡張するのではなく、人間を模倣することに重点を置くため、研究と実装が人間に代わる技術に向けられ、労働者の賃金と収入が下がるリスクがあります。労働者は経済力を失うと、政治的な力も失う可能性があり、富と収入の配分を変えることがより困難になります。これにより、労働者は悪い均衡に陥る可能性があります。エリック ブリニョルフソンはこれを「チューリングの罠」と呼び、現在、人間を増強するのではなく模倣する機械を作成するインセンティブが過剰にあると主張しました。

これまで、上で説明したものを含め、チューリング テストの他のバージョンが数多く提案されてきました。

機械と人間の間で 1 つ以上の役割の目的が逆転したチューリング テストの修正版は、逆チューリング テストと呼ばれます。精神分析医ウィルフレッド ビオン^[105]の著作にその一例が示されています。ビオンは、ある精神と別の精神が出会うことで生じる「嵐」に特に魅了されていました。2000 年の著書^{[83]で、文学研究者}ピーター スワースキーは、チューリング テストに関するいくつかの独創的な論点とともに、彼がスワースキー テストと呼ぶ、本質的には逆チューリング テストのアイデアについて詳しく論じました。彼は、このテストが、標準バージョンに向けられた標準的な反論のほとんど、あるいはすべてを克服すると指摘しました。

この考えを推し進めて、RDヒンシェルウッド^[106]は心を「心を認識する装置」と表現しました。コンピュータにとっての課題は、対話相手が人間なのか他のコンピュータなのかを判断できるようになることです。これはチューリングが答えようとした最初の質問の延長ですが、おそらく、私たちが通常人間的特徴として定義する方法で「考える」ことができる機械を定義するのに十分な基準を提供するでしょう。

CAPTCHA は、逆チューリング テストの一種です。Web サイトで何らかのアクションを実行する前に、ユーザーには歪んだグラフィック イメージ内の英数字が表示され、それを入力するよう求められます。これは、自動化されたシステムによってサイトが悪用されるのを防ぐことを目的としています。その理由は、歪んだイメージを正確に読み取り、再現できるほど高度なソフトウェアは存在しない (または平均的なユーザーには利用できない) ため、それが可能なシステムは人間である可能性が高いからです。

CAPTCHAが開発された直後から、生成エンジンのパターンを解析することで、ある程度の精度でCAPTCHAを解読できるソフトウェアの開発が始まった。^[107] 2013年、Vicariousの研究者らは、 Google、Yahoo!、PayPalのCAPTCHAチャレンジを最大90%の確率で解読できるシステムを開発したと発表した。 ^[108] 2014年、Googleのエンジニアらは、CAPTCHAチャレンジを99.8%の精度で破れるシステムを実演した。^[109] 2015年、 Googleの元クリック詐欺対策責任者であるShuman Ghosemajumderは、さまざまな形態の詐欺を可能にするために、CAPTCHAチャレンジを有料で破るサイバー犯罪サイトがあると述べた。 ^[110]

さらなるバリエーションは、現代の自然言語処理が膨大なテキストコーパスに基づいてテキストを生成することに非常に成功していることが証明され、モデルの初期トレーニングで使用された単語や文を操作するだけで、最終的にはチューリングテストに合格する可能性があるという懸念から生まれた。質問者はトレーニングデータを正確に理解していないため、モデルは膨大な量のトレーニングデータに似た形で存在する文を単に返すだけかもしれない。このため、アーサー・シュワニンガーは、言語のみを使用するシステムと言語を理解するシステムを区別できるチューリングテストのバリエーションを提案している。彼は、事前の知識に依存せず、適切に答えるためには自己反省を必要とする哲学的な質問に機械が直面するテストを提案している。^[111]

もう一つのバリエーションは、機械の応答が特定の分野の専門家の応答と区別できないという主題専門家チューリングテストとして説明されている。これは「ファイゲンバウムテスト」としても知られ、 2003年の論文でエドワード・ファイゲンバウムによって提案された。 ^[112]

ロバート・フレンチ（1990）は、認知科学で研究されているように、人間の認知の低レベル（つまり無意識）のプロセスを明らかにする質問をすることで、尋問者が人間と非人間の対話者を区別できると主張している。そのような質問は、人間の思考の具現化の正確な詳細を明らかにし、人間と同じように世界を経験しない限り、コンピュータの正体を暴くことができる。^[113]

認知科学者ステヴァン・ハルナド[ ^114]が提唱したチューリングテストのバリエーションである「トータルチューリングテスト」^[4]は、従来のチューリングテストにさらに2つの要件を追加している。尋問者は被験者の知覚能力（コンピュータービジョンが必要）と物体を操作する能力（ロボット工学が必要）もテストすることができる。^[115]

Communications of the ACM ^[116]に掲載されたレターでは、合成患者集団を生成するという概念について説明し、合成患者と実際の患者の違いを評価するためのチューリング テストのバリエーションを提案しています。レターでは、「EHR のコンテキストでは、人間の医師は合成患者と実際の人間の患者を容易に区別できますが、機械にそのような判断を独自に行う知能を与えることは可能でしょうか?」と述べ、さらに「合成患者 ID が公衆衛生上の問題になる前に、正当な EHR 市場は、データの信頼性と診断価値を高めるためにチューリング テストのような技術を適用することで利益を得られる可能性があります。したがって、新しい技術は患者の異質性を考慮する必要があり、アレンの 8 年生の理科テストで採点できるよりも複雑になる可能性があります」と述べています。

最小知能信号テストは、クリス・マッキンストリーによって「チューリングテストの最大限の抽象化」として提案されました。^[117]このテストでは、思考能力のみに焦点を当てるために、2 進数の応答 (真/偽またははい/いいえ) のみが許可されます。このテストでは、擬人化バイアスなどのテキストチャットの問題が排除され、知能のない人間の行動をエミュレートする必要がないため、人間の知能を超えるシステムが可能になります。ただし、質問はそれぞれ独立していなければならないため、尋問というよりもIQ テストに近いものになります。このテストは通常​​、人工知能プログラムのパフォーマンスを測定するための統計データを収集するために使用されます。^[118]

フッター賞の主催者は、自然言語テキストの圧縮はチューリングテストに合格するのと同等の難しい AI 問題であると考えています。

データ圧縮テストには、チューリング テストのほとんどのバージョンやバリエーションに比べて次のような利点があります。

• 2 台のマシンのうちどちらが「よりインテリジェント」であるかを直接比較するために使用できる単一の数値が得られます。
• コンピュータが裁判官に嘘をつく必要はない

データ圧縮をテストとして使用する場合の主な欠点は次のとおりです。

• この方法では人間をテストすることはできません。
• このテストのどの特定の「スコア」が、人間レベルのチューリングテストに合格することに相当するのかは不明です。

1990年代後半に登場した、ハッター賞に関連するアプローチは、拡張チューリングテストに圧縮問題を含めるというものである。^{[119]または、}コルモゴロフ複雑性から完全に導出されたテストによって。^[120] この方向の他の関連テストは、ヘルナンデス・オラロとダウによって発表されている。^[121]

アルゴリズム的IQ（略してAIQ）は、レッグとハッターによる理論的な普遍的知能測定（ソロモンフの帰納的推論に基づく）を機械知能の実用的なテストに変換する試みである。^[122]

これらのテストの 2 つの大きな利点は、人間以外の知能にも適用できることと、人間のテスト担当者を必要としないことです。

チューリングテストは、映画評論家のロジャー・エバートが2011年に提案したエバートテストに影響を与えた。エバートテストは、コンピューターベースの合成音声が、イントネーション、抑揚、タイミングなどの点で、人々を笑わせるのに十分なスキルを持っているかどうかをテストするものである。^[123]

2023年、研究会社AI21 Labsは大規模言語モデルを活用して、 「人間か否か？」というタイトルのオンライン社会実験を実施した。^{[124] [125]} この実験は200万人以上によって1000万回以上再生された。^[126]これは当時最大のチューリングスタイルの実験である。その結果、32%の人が人間と機械を区別できなかったことが示された。^{[127] [128]}

1990 年はチューリングの論文「計算機械と知能」が初めて出版されてから 40 年目にあたり、テストへの関心が再燃しました。この年には 2 つの重要な出来事がありました。1 つ目は、 4 月にサセックス大学で開催されたチューリング コロキウムで、さまざまな分野の学者や研究者が集まり、チューリング テストの過去、現在、未来について議論しました。2 つ目は、毎年開催されるローブナー賞コンテストの創設です。

ブレイ・ウィットビーは、チューリングテストの歴史における4つの大きな転換点として、1950年の「計算機械と知能」の出版、1966年のジョセフ・ワイゼンバウムのELIZAの発表、1972年に初めて説明されたケネス・コルビーのPARRYの作成、そして1990年のチューリングコロキウムを挙げている。^[129]

2008年にレディング大学で開催されたローブナー賞の授賞式と並行して、^[130]人工知能と行動シミュレーションの研究協会 （ AISB）は、ジョン・バーンデン、マーク・ビショップ、フーマ・シャー、ケビン・ワーウィックの主催により、チューリングテストについて議論する1日シンポジウムを主催した。^[131] 講演者には、王立研究所所長のスーザン・グリーンフィールド男爵夫人、セルマー・ブリングスヨード、チューリングの伝記作家アンドリュー・ホッジス、意識科学者のオーウェン・ホランドが含まれていた。正式なチューリングテストについては合意に至らなかったが、ブリングスヨードは、多額の賞金があればチューリングテストはより早く合格するだろうと述べた。

• チューリングテスト – ジュリアン・ワグスタッフによるオペラ
• カーリーでのチューリングテスト
• チューリング テスト – チューリング テストは実際どれほど正確なのでしょうか?
• ザルタ、エドワード N. (編)。「チューリングテスト」。スタンフォード哲学百科事典。
• 『チューリング テスト: 50 年後』では、2000 年の観点から、チューリング テストに関する半世紀にわたる取り組みを振り返ります。
• Kapor と Kurzweil の間の賭け。それぞれの立場の詳細な根拠も含まれています。
• チューリングテストが AI の最大の袋小路である理由 (Blay Witby 著)
• Jabberwacky.com 2005年4月11日アーカイブ 人間から学び、人間を模倣するAIチャットボット
• ニューヨークタイムズの機械知能に関するエッセイパート1とパート2
• 「史上初の（限定）チューリングテスト」、シーズン2、エピソード5。Scientific American Frontiers。Chedd-Angier Production Company。1991–1992年。PBS。2006年1月1日時点のオリジナルよりアーカイブ。
• チューリング テストのための Computer Science Unplugged 教育アクティビティ。
• Wiki ニュース: 「トーク: コンピュータのプロが ALICE の 10 周年を祝う」