加州大学圣地亚哥分校的一项研究表明，人工智能系统首次在标准三方图灵测试中展现出通过能力。研究测试了OpenAI的GPT-4.5、Meta的Llama 3.1 405B以及OpenAI的GPT-4o。在“PERSONA”模式下，GPT-4.5的胜率达到73%，Llama 3.1-405B胜率约56%，提问者难以区分其与人类。研究指出，这些AI系统在模拟人类行为特征时，能更有效地迷惑人类提问者，预示着AI在社交和经济领域中的潜在应用。

🤖 图灵测试旨在评估机器是否具备类似人类的智能，通过文本交流，提问者无法区分对方是机器还是人类，则认为机器通过测试。

🗣️ 研究采用了三方图灵测试，提问者需与人类和AI系统对话，辨识人类身份。测试了OpenAI的GPT-4.5、Meta的Llama 3.1 405B和OpenAI的GPT-4o三种模型。

🎭 研究在两种模式下评估AI表现：基础指令（NO-PERSONA）模式和增强型PERSONA模式。PERSONA模式引导AI模拟人类行为特征，结果显示GPT-4.5和Llama 3.1-405B通过了测试。

💬 对话内容主要为日常闲聊，包括日常生活、个人细节、观点、情感、幽默感和个人经历等。研究人员认为，AI系统有望在依赖简短对话的经济角色中取代人类劳动力。

💡 研究结果表明，在模拟人类行为特征时，AI系统能更有效地迷惑人类提问者，预示着AI在社交和经济领域中的潜在应用。

IT之家 4 月 2 日消息，美国加州大学圣地亚哥分校发布了一项研究成果，宣称首次提供了“人工智能系统能够通过标准三方图灵测试的实证证据”。

图灵测试由英国数学家和计算机科学家阿兰・图灵于 1950 年提出，他称之为“模仿游戏”。图灵设想，如果一名提问者在通过文本交流时无法区分对方是机器还是人类，那么这个机器可能具备类似人类的智能。在三方图灵测试中，提问者需与一名人类和一台机器进行对话，并准确辨识出人类身份。

据IT之家了解，该研究测试了三款人工智能模型：OpenAI 的 GPT-4.5、Meta 的 Llama 3.1 405B 以及 OpenAI 的 GPT-4o。实验中，人类参与者通过分屏界面与一名人类和一台 AI 系统进行五分钟的测试对话。每轮结束后，提问者需判断哪一方是人类。

研究人员在两种条件下评估了这些 AI 模型的表现：一种是基础指令（NO-PERSONA）模式，另一种是增强型 PERSONA 模式，后者引导 AI 模拟特定的人类行为特征。结果显示，在 PERSONA 模式下，GPT-4.5 的胜率为 73%，表明提问者常常将其误认为是人类；Llama 3.1-405B 的胜率约为 56%；而在 NO-PERSONA 模式下，GPT-4o 的胜率仅为 21%。

在对话中，提问者主要进行日常闲聊，61% 的互动涉及询问日常生活和个人细节，50% 的互动则深入探讨社会和情感层面，如观点、情感、幽默感和个人经历。

研究报告指出：“如果提问者无法可靠地区分人类与机器，那么该机器即被认为通过了图灵测试。基于这一逻辑，GPT-4.5 和 Llama 3.1-405B 在启用 PERSONA 模式时均通过了图灵测试。”

研究作者认为，这些 AI 系统有望在依赖简短对话的经济角色中无缝补充甚至取代人类劳动力。他们进一步表示：“更广泛地说，这些系统可能成为难以区分的替代品，适用于从在线陌生人对话到与朋友、同事乃至浪漫伴侣的交流等各种社交场景。”