美国加州大学圣地亚哥分校在 4 月 2 日发布了一项研究成果。该成果宣称首次提供了相关实证证据，即人工智能系统能够通过标准三方图灵测试。
英国数学家和计算机科学家阿兰・图灵在 1950 年提出了图灵测试，他将其称为“模仿游戏”。图灵设想，当一名提问者在通过文本进行交流时，若无法分辨出对方是机器还是人类，那么这个机器或许具备类似人类的智能。在三方图灵测试里，提问者需要分别与一名人类以及一台机器展开对话，并准确地辨识出人类的身份。
IT 之家了解到，这项研究对三款人工智能模型进行了测试，分别是 OpenAI 的 GPT-4.5、meta 的 Llama 3.1 405B 以及 OpenAI 的 GPT-4o。在实验里，人类参与者通过分屏界面，与一名人类以及一台 AI 系统展开五分钟的测试对话。每一轮结束之后，提问者要判断哪一方是人类。
研究人员评估了这些 AI 模型在两种条件下的表现。一种条件是基础指令（NO-PERSONA）模式，另一种条件是增强型 PERSONA 模式，在增强型 PERSONA 模式下，AI 会模拟特定的人类行为特征。结果表明，在 PERSONA 模式时，GPT-4.5 的胜率是 73%，这显示提问者经常把它误认成人类；Llama 3.1-405B 的胜率大概是 56%；而在 NO-PERSONA 模式下，GPT-4o 的胜率仅有 21%。
在对话里，提问者主要是进行日常的闲聊。其中，有 61%的互动是在询问日常生活以及个人的细节。同时，有 50%的互动深入地探讨了社会和情感层面的内容，像观点、情感、幽默感以及个人经历等。
研究报告表明：提问者若不能可靠地将人类与机器区分开来，那么那台机器就会被认定为通过了图灵测试。基于这样的逻辑，GPT-4.5 在启用 PERSONA 模式时通过了图灵测试，Llama 3.1-405B 在启用 PERSONA 模式时也通过了图灵测试。
研究作者认为，这些 AI 系统有希望在那些依赖简短对话的经济角色里，既能无缝地补充人类劳动力，又能取代人类劳动力。他们还表示：更广泛来讲，这些系统或许会成为难以分辨的替代品，可适用于从与在线陌生人的对话，到和朋友的交流、和同事的交流，乃至和浪漫伴侣的交流等各类社交场景。
