新清士の「メタバース・プレゼンス」 第102回

“偽人間”のリスクと誘惑　共感するAIと、問われる人間らしさ

GPT-4oにサンプルとして作成してもらった「ご褒美生成」画像（筆者作成）

　3月31日、米カリフォルニア大学サンディエゴ校の認知科学の研究チームが、OpenAIのAIモデル「GPT-4.5」が、イギリスの数学者アラン・チューリングの提案した「チューリングテスト」に合格したと主張する査読前論文を公開しました。5分間のテキストチャットをして、相手が人間か機械かを判定させるというものです。結果、73％の人がGPT-4.5のことを人間であると判断したことで、古典的チューリングテストを突破したといいます。2025年、ついに人間とAIの見分けがつかない最初の段階に入った可能性が出てきました。そして、2月27日に正式リリースされたGPT-4.5と「GPT-4o」は共感力を獲得し、AIが人間と関係性を結ぶ上で、重要なのは「単純な知性の高さ」ではない可能性がはっきりしてきました。

^{※記事配信先の設定によっては図版や動画等が正しく表示されないことがあります。その場合はASCII.jpをご覧ください}

発表された論文「Large Language Models Pass the Turing Test （LLMがチューリングテストをパスした）」

2025年、ついにチューリングテスト突破か

　チューリングテストは、1950年に提唱された機械の知性を判定する方法として提案されたテストです。「平均的な尋問者が5分間のやりとりの後、相手が人間か機械かを正しく見抜ける確率が70%を下回るようにすることが可能になる」と予測されていました。ただ、実際には、チューリング自身も細かくルール設定をしておらず、様々な判定のためのルールが後に提唱されています。5分間のチャットのみで知性を判定するというのは最も素朴な方法であり、「古典的チューリングテスト」とも呼ばれます。ポイントは尋問者がAIを人間であると判定したケースが、チューリング予測の70%を超えたというところです。

テストはメッセンジャー風のUIを通じての対話で実施された。画像の2例では片方が人間、もう片方がAIとのチャット（「Large Language Models Pass the Turing Test」より）

　テストは、大学の学生を対象とした126人とオンラインで募集を通じた一般参加者158人の合計284人の被験者を対象として、1024回のゲームをしたそうです。テストはGPT-4.5以外にも、1966年に作られた最も初期のチャットAIの「ELIZA」、「GPT-4o」、Metaの「LLaMa-3.1-405B」、さらには人格的な振る舞いのプロンプト設定を与えられたGPT-4.5とLLaMa-3.1-405Bの6種類が無作為に出現し、2つのチャットを実施し、どちらが人間であるのかで判定されました。この実験で使われたGPT-4.5は、2月にリリースされた正式版のGPT-4.5ではなく、時期的に2023年末～2024年初頭に提供されていた「GPT-4-turbo」のことではないかと思われます。多くの研究者やメディアがバージョンを区分けする便宜上、「GPT-4.5」と呼んでいました。

勝率の結果を集計したもの。上の図が学部生の結果で、下の図が一般参加者。右側は、どれだけ確信を持ってその判定をしたかという質問結果の分布。GPT-4.5に対して、最も濃い点が右端に偏っているのは、100%に近い確信を多くの人が抱いてAIを選択したことを示している（「Large Language Models Pass the Turing Test」より）

　結果、「ELIZA（イライザ）」は簡単にAIだと見抜かれてしまった一方で、人格的な振る舞いを付けられたGPT-4.5（GPT-4.5-PERSONA）は圧勝という結果でした。学部生相手だと69％、一般参加者だと75％、平均で73％の勝率となっていました。