Arhiiv
Viiteid: teadvus, ennustav kodeerimine ja muu
Eestikeelses populaarteaduslikus kirjanduses on ka hiljuti avaldatud mitu head lugu.
Prof. Bachmann väitleb viimases Akadeemia numbris loos “Teadvusenähtusi tähistavad mõisted ja psühhoanalüüs Eesti moodi.” selle üle, kuidas eesti keeles ikkagi teadvuse fenomene kirjeldama peaks. Bachmanni loo sihtartiklis Endel Talviku poolt võis kohata väljendeid nagu “teadvuslik teadvus”, mispeale Talis arutab, et see väljend viitab võimalusele, et oleks ka mitteteadvuslik teadvus, mis aga kõlab absurdselt. Talis toob esile ka teisi huvitavaid väiteid Talviku ja teiste poolt, millega ta päris nõus pole.
Horisondi veergudel on vahva artikkel Kadi Tulveri poolt, kes tutvustab lugejaile ennustava kodeerimise teooriat tabava pealkirja all: “Aju kui ennustamismasin – teooria, mis seletab ära kogu aju ?” See Küsimärk on nutikalt pandud, sest ega see ennustava kodeerimise teooria pole ka probleemideta – teda on väga raske täpselt testida. Aga Kadi artikkel annab sellest teooriast hea ja selge ülevaate. Mul on hea meel ka selle üle, et artikli esimene versioon valmis lõputööna minu kursusel “Valik teemasid tänapäeva ajuteadusest”, mille pidasin sügissemestril Tartus.
Eks ma ise ajan ka oma udu edasi, seekord jälle Priit Enneti teadussaates Labor, kus saate esimeses lõigus mõtisklen selle üle, kas tehisintellekt on inimesele lähedale jõudmas ja mis tal veel puudu jääb.
Jälgi mängu: AlphaGO vs suurmeister
Avaldasin loo sellest, et tehismõistus suudab nüüd mängida GOd paremini kui Euroopa meister. Seejärel jätkasime arutelu ja mõtlemist, uurides, kas vastav tehismõistus on pigem Reket või pigem inimesele sarnane.
Tambet viitas ühele vahvale postitusele, mis on tehniliselt kriitiline AlphaGO suhtes (ja võin tunnistada, et see postitus, vaidlus Ökuliga ja arutelu Kristjaniga aitasid mul endal ka entusiasmi AlphaGO suhtes vähendada).
Nii või naa, AlphaGO läheb nüüd, pärast Euroopa GO-meistri võitmist, vastamisi maailma parima GO mängija Lee Sedoliga.
Tahate mängu vaadata? Aga palun:
9. märtsil on esimene mäng (10, 12, 13, 15 on järgmised)
Reket või inimmõistus? Kui intelligentne on AlphaGO
Kirjutasin reede hommikul kiiresti loo sellest, et tehismõistus suudab nüüd mängida GOd paremini kui Euroopa meister. Kommentaaridesse saabus peagi mõte:
Kas tennist mängib reket või reketit hoidev ja juhtiv inimene? Vastus on nii lihtne, et ei hakka seda siin välja kirjutamagi…. Inimest intellektuaalses mängus võitvat arvutit õpetas ja juhtis inimene. Seega ei võitnud inimest mitte arvuti, vaid inimeste kollektiiv, kasutades arvutit oma “käepikendusena”. Punkt.
Mind tegi see kommentaar pisut kurvaks: see teadlaste ja inseneride rühm oli just lahendanud probleemi – kuidas mängida GOd paremini kui inimene -, mida enamik teadlasi pidas praegu lahendamatuks. Arvati, et GOs inimese võitmine jääb aastate kui mitte dekaadi taha. Kuid teadlaste ja inseneride ühistöö AlphaGo suutis tõesti üllatada, võites esimest korda inimkonna ajaloos professionaalset GO mängijat. See teadustöö oli läbimurre, mis jõudis ajakirja Nature kaanele, kuid antud kommentaaris tituleeriti teda kõigest “reketiks” ja “käepikenduseks”.
Vaatame esiteks, miks minu arvates see kommentaar oli ebaõiglane ja eksitav. Seejärel uurime, kas selles kommentaaris oli iva ka.
Miks AlphaGo pole reket?
Kui Deep Blue võitis male suurmeistrit Garry Kasparovit aastal 1997, siis ma poleks selle reketi-võrdluse peale nina kirtsutanud: 1) Deep Blue ei õppinud malet mängima, talle oli kõik vajalik sisse kirjutatud, 2) ta kasutas järgmise käigu leidmiseks toorest jõudu: oma suure arvutusvõimsusega simuleeris ta läbi kõik erinevad käigud ja vaatas, kuhu need mängu edasisel kulgemisel viiksid – inimaju nii ei tee, 3) Deep Blue oskas vaid malet mängida, millegi muuga ta hakkama ei saaks.
Kuid AlphaGo on hoopis teine tera.
1) AlphaGo õppis GOd mängima. Erinevalt Deep Blue’st ei ole AlphaGole mäng sisse kirjutatud – ainus võimalus GOs inimesest paremaks saada, on õppida seda mängu mängima. AlphaGo’d ei instrueeritud, kuidas mängu mängida, ta õppis seda. Need õppimisalgoritmid AlphaGo sees sarnanevad õppimisalgoritmidega inimajus. Ka see, kuidas AlphaGo GO mängulauda tajuliselt töötles, on sarnane inimajule – laud ja sellel olevad nupud läbivad mitu (tehis)närvivõrgu kihti. Kui inimene õpiks GOd mängima, toimuks ka tema aju närvivõrkudes muutused nagu toimusid AlphaGo tehisnärvivõrgu struktuuris. Nende muutuste taga on sarnased õppimispõhimõtted. Ei programm ise ega ka tema tegijad ei oska selgitada, mis on parim GO strateegia, sest seda strateegiat pole kuskil eksplitsiitselt kirjas. Parim viis GOd mängida on õpitud ja on kirjutatud läbi õppimise suurmeistrite ajudesse ja nüüd ka AlphaGO tehismõistusesse.
2) AlphaGo ei kaalu kõiki käike ja ei ürita kümneid käike tulevikku simuleerida, vaid hindas erinevaid käike üsna sarnaselt suurmeistrite intuitsioonile. Mängu käikude etteaimamine ja läbimängimine poleks GO korral võimalik, sest erinevaid võimalusi on rohkem kui aatomeid universumis. Seetõttu peetigi GOd raskeks ja arvutile võimatuks – GOd pole võimalik võita, teades vaid reegleid; on vaja mängu tunnetada. GO mängu mängides treenitud tehisnärvivõrk pakkus AlphaGole vaid valiku võimalikest käikudest, mida ta siis teise närvivõrgu abil hindas. See on mõneti inimesele sarnane: me ei simuleeri tuhandeid käike, vaid suurmeistrid kaaluvad vaid paari käiku ja mõni käik lihtsalt “tundub õige”. Selle intuitsiooni taga on arvutused ajus, mis võivad olla üsna sarnased AlphaGo programmis toimuvatele arvutustele.
3) Deep Blue oskas vaid malet mängida. AlphaGo sarnased programmid suudavad õppida lugema välja mustreid kõiksugu andmetest ja võtavad varsti üle inimeste töö mitmetes valdkondades. Nendele inimestele, kes sääraste programmide tõttu oma töö kaotavad, ei maksa vist mainida, et tegu on vaid reketiga. Kummaline “käepikendus”, kui ta käe omajat asendab.
Kokkuvõttes ma loodan, et lugejad saavad aru mu frustratsioonist seoses tsiteeritud kommentaariga – AlphaGo pole reket. Aga eks igast arutelust võib iva ka leida, seega uurime edasi.
Miks AlphaGo pole inimese tasemel?
GOs on AlphaGo inimesest parem (ehk mitte suurmeistrist, aga olen kindel, et kõigist lugejatest). AlphaGo sarnased programmid suudavad muuhulgas meist paremini ka objekte tuvastada, üldjuhul paremini kõnet ühest keelest teise tõlkida ja suudavad varsti asendada inimesest häälassistente. Milles jääb inimene paremaks?
Eks ma oma eelmises postituses provotseerisin pisut ka, seda sama küsimust küsides. Vabandan selle eest. Ka mulle on selge, et inimene on hetkel veel tehismõistusest mitu sammu ees.
Samm 1: Teha samme. Deep Blue ajal oli see vahe eriti selge: arvuti võitis inimest males, kuid ei suutnud ise inimlapse sarnaselt malendit tõsta. Nüüd on robotid tunduvalt sujuvamate liigutustega, kuid AlphaGO istus kõigest arvutuspilves. AlphaGo sarnaste programmide lisamine robotitesse on aga juba käimas. Ja see, et AlphaGo ise samme ei tee, ei muuda teda vähem intelligentsemaks: ka Stephen Hawking ei tee ise samme.
Samm 2: Ise soovida, tahta, valida. Ilmselt on just antud punkt see, mida kasutaja Ökul edasises diskussioonis silmas pidas – AlphaGo ei tahtnud ise õppida GOd mängima; ei olnud tema soov hakata GOd mängima; ta ei läinud GOd õppima nagu laps, ta pandi õppima. AlphaGo tegi seda, mida inimesed tahtsid, et ta teeks, selles suhtes oli ta nagu käepikendus (mis sai GOs targemaks, kui inimeste kollektiiv, kelle kätt ta pikendas). Nagu eelnevalt kirjeldatud, siis AlphaGo õppis ise GOd mängima, kui ta mängima oli pandud, aga tõepoolest – ei mina ega keegi teine ei ütleks, et ta ise tahtis seda mängima hakata. Millegi soovi järgi õppimine on inimlik omadus ja ehk võiks tõesti selle järgi ka seada intelligentsuse kriteeriumeid või teste. (Aga kas depressioonis inimene, kes midagi ei taha ja ei soovi, siis pole (ajutiselt) inimlikult intelligentne?)
Samm 3: Õpitu põhjal teha adekvaatseid otsuseid päriselus. Kõlab lihtsalt, aga tegelikult pole ükski situatsioon täpselt eelmise koopia. Bussi astudes on vahel mõni inimene validaatoril ees, vahel on endal kilekott käes, vahel on bussikaart vales taskus, alati on meie keha pisut erineva nurga all … Restorani minnes näeme erinevaid inimesi, menüüsid, erinevat sisustust, inimesed ütlevad meile erinevaid asju erineva tooni, kiiruse ja väljenditega, aga ikka saame enam-vähem hakkama … ja isegi maal, kus me kohalikkku keelt ei valda! Ja vahel isegi siis, kui restoranis ka inglise keelt ei räägita! Inimesed on nii intelligentsed, kuna me suudame koheselt ja kiiresti mälust laadida õiged analoogsed olukorrad ja nende põhjal antud situatsioonis käituda. Me mõistame mingil määral, kuidas see ajudes toimub. Kuidas seda masinatesse panna?
Eks neid samme ja alasamme ole veel. Kas keegi tahaks veel mõne sammu kirja panna?
Aitäh diskussiooni eest. Arutluses selgub tõde, välja arvatud juhul, kui teda ei selgu.
Tehisintellekt, mis mängib GOd paremini kui Euroopa meister
Kui arvutiprogramm Deep Blue võitis Kasparovit males, öeldi kohe, et ega male ongi lihtne – arvuti ei saaks kunagi inimesest jagu GO mängus. Nojah, niipalju siis sellest 🙂
Sama idufirma, mis pani tehismõistuse Atari arvutimänge mängima, lahendas nüüd ka GO.
See tulemus pole sugugi tühine ja kutsub sõnastama seda, milles oleme me, inimesed, endiselt paremad?
Lugu ilmus ajakirja Nature kaaneloona. Ka toimetaja veerg oli talle pühendatud. Nature võttis kokku ka Go mängijate ja uurijate reaktsioonid.
Populaarteaduslik käsitlus Google blogis.
Paneme masinad mõtlema?
Tehisintellekt – masin, mis mõtleb ja on sama nupukas või isegi nupukam kui inimene. Mäletan, kuidas veel 5 aastat tagasi pidasin antud teemat pigem igavaks, sest tundus, et inimene jääb masinast ettepoole veel pikaks ajaks.
Ja siis järsku kõik muutus – tänu “sügavatele närvivõrkudele” on meil masinad, mis suudavad objekte ära tunda inimesest paremini; meil on isesõitvad autod; meil on oht, et tehismõistus võtab ära meie ja me laste töö.
Järsult on tehismõistus meile kannule jõudmas. Või mitte?
Ilmselt viimaste aastate kõige tähelepanuväärsem läbimurre on arvutiprogrammid, mis suudavad ise palju erinevaid arvutimänge mängima õppida. Kuid ärge muretsege – tegelikult on neid läbimurdeid olnud palju. Tambet võttis eelmise aasta läbimurded tehisintellekti vallas kokku Novaatori veergudel, Bloomberg kirjutas oma ülevaate ja MIT Technology Review ka. Pisut akadeemilisem ülevaade on Future of Life blogis. (Tänud Kristjanile ja Tambetile viidete eest!)
Sirvige pisut! Ilmselgelt oleme järsku inimkonnale tehisintellektile sammu lähemale astunud. Ka Eesti idufirmad on hakkamas aru saama, et kasutades tehisintellekti algoritme, on võimalik vähendada töökulusid ja pakkuda innovaatilisemaid tooteid. See on vahva! Eesti võikski ju olla üks tehisintellekti toodete inkubeerimise koht!
Meie Tartu väike labor on ka tegemas oma esimesi harjutusi tehisintellekti vallas, esimesest artiklist juba kirjutasin, sellest sai vorbitud ka populaarteaduslik artikkel Robohubi veergudele.
Ega meil illusioone pole – tehisintellekti valdkonnas on hetkel päris tihe rebimine! Iga nädal ilmub kümneid uusi olulisi artikleid, uued artiklid viitavad peamiselt sama aasta artiklitele. Ma pole nii tihedas valdkonnas veel töötanud!
Kas meil on ruumi, kas meil on võimalust kaasa lüüa? Miks üldse keskenduda sellisele tehismõistuse võistumõistmisele?
Minu motivatsioon on see, et uurides masinaid, mis on targad, mõistame rohkem ka aju kohta.
Näiteks sügavad närvivõrgud tulid arvutiteadusest, kuid nad on visuaalse taju mudelitena paremad kui need mudelid, mida ajuteadlased ja psühholoogid pool sajandit treinud on. Ma ei praali: Di Carlo grupi teadurid võrdlesid seda, kuivõrd hästi erinevad mudelid suudavad ennustada ahvikeste teatud ajupiirkondade aktiivsust ja polnud kahtlustki – sügavad närvivõrgud ületasid teiste mudelite täpsust, suurelt. Seda sama on näidatud ka fMRI andmete puhul, korduvalt.
Aga teistpidi on motivatsiooniks ka see, et kasutades teadmisi aju kohta, saame ehk luua veelgi intelligentsemaid masinaid. Praegused tehismõistuse saavutused on muljetavaldavad, kuid tehismõistusega vestlus on sama igav kui 13-aastase ukraina päritolu teismelisega. Tahaks, et see vestlus oleks põnev nagu mu kaheaastasega või nagu mõne haritud inimesega. Jällegi – olen teadlik, et konkurents on karm ja et eks teised üritavad ka ajust inspiratsiooni saada, et putitada tehisintellekti algoritme. Näiteks Prof. Gary Marcus on avalikult praalinud, et tal on inimmõistusele lähemale liikuvad algoritmid …
Aga no mis seal ikka, eks me üritada võime ju ikka.
Sõbralik tehisintellekt meie laboris
Tihti ähvardatakse tapjarobotitega, kuid Tartu Ülikooli arvutusliku ajuteaduse laboris mängivad meil täitsa koostööaltid tehismõistused.
Vähem kui aasta eest Nature’is ilmunud artikkel näitas, et tehismõistus suudab ise õppida arvutimänge mängima. Väikse idufirma DeepMind programm õppis ise, kuidas mängu mängida, ilma et keegi talle oleks reegleid öelnud. See tehismõistus saab sisendina ainult ekraanipilti ja punktide arvu. Kõik. Talle pole öeldud, mida selles mängus tegema peab. See tehismõistus õpib kõik ise. See sama tehismõistus pandi mängima 49 erinevat mängu. Sama algoritm. Enam kui poolte mängude puhul suudab see tehismõistus lõpuks mängida paremini professionaalsest arvutimängijast. Mis sest, et igal juhul alustas see tehismõistus seda mängu üsna tuhmilt. Loogiline – keegi polnud ju talle öelnud, kuidas neid mänge mängida tuleb.
Kui Google ostis selle firma 2014. aasta alguses umbes poole miljardi dollari eest, jäi see silma ka mõnele Tartu Ülikooli Arvutiteaduse instituudi doktorandile. Meie labori poisid tuhnisid välja DeepMindi artikli 2013. aasta lõpust, kus kirjeldati tehissüsteemi, mis suutis õppida mängima käputäit Atari mänge. Kristjan, Ilya, Ardi, Taivo ja Tambet hakkasid umbes kaks aastat tagasi selle artikliga maadlema – kuidas DeepMind seda tegi? Kui sarnane see on ajule? Kas seda on võimalik järgi teha? Kui Nature’i artikliga sai üles ka kogu DeepMindi süsteemi kood, muutus ülesande püstitus – nüüd tuli lihtsalt leida viis, kuidas oma teadmiste abil seda süsteemi teistmoodi ja uutele probleemidele rakendada.
Meie uurimisgrupi juhil tuli üsna lihtne, aga huvitav idee – panna kaks tehismõistust teineteise vastu mängima. Põnevam pool on see, et me võisime neile tehismõistustele ka anda teistmoodi ülesande – teha koostööd!
Jällegi – me ei kirjutanud kuskile sisse, kuidas koostööd tegema peaks või et üldse koostööd tegema peaks. Me muutsime ainult seda, mille eest tehismõistus punkte saab – punkte ei saagi, aga neid kaotavad mõlemad tehisjumbud, kui pall mängust välja läheb. Vaadake (video vasakult ekraanilt), mis juhtub.
Alguses on nad päris juhmid, siis mängivad mõistlikult ja jõuavad kahe strateegiani: 1) ära üldse palli välja löö – siis ei saa seda ka kaotada, 2) leia parim viis teineteisele palle sööta – vaata videost ca 1:10 peal ja edasi.
Päris lahedad ja teineteise vastu sõbralikud sellid, eks 🙂 Meie neile ei öelnud, mida ja kuidas teha, nad ise õppisid selle strateegia.
Meie artikkel, mille esimesed autorid on Ardi ja Tambet, on üleval Arxivis.
Artikli kohta on tutvustus ka meie labori lehel. Oma loo tegi ka Novaator. Ardi ja Tambet rääkisid meie tehissellidest ka Vikerraadio teadussaates Labor.
Uues Horisondis: Mõtlemise retsept ajudes ja arvutites
Värskes Horisondis võib leida meie ajuteadust tutvustava artikliseeria “Mõtlemise masinavärk” neljanda loo, kus Andresega pajatame ajudest ja tehisintelligentsist ja nende töö kohati hämmastavast sarnasusest. See sarnasus toob lähidekaadidel paksu pahandust, kuna tehissüsteemid on kohati odavamad ja töökindlamad kui inimtööjõud. Aga nendest muredest oleme pajatanud mujal, siin tükis kirjeldame erinevaid õppimisviise ja nende ühisosasid ajudes ja tehismõistuses. Sissejuhatav lõik:
Inimene on mugavuse nimel loonud enda moodi masinad, mis tema tööd ja vaevad üle võtavad. Õhukonditsioneerid hakkasid majasid jahutama selleks, et inimene ei peaks iseenda higi kaudu oma kehatemperatuuri stabiliseerima. Skännerid ja arvutid võtsid postimajas üle ümbrikutelt posti-indeksite lugemise ja kirjade sorteerimise. Tarkavara hakkas iseseisvalt võõrkeelseid tekste tõlkima. Nüüd on isesõitvad autod valmis juhita linnatänavail navigeerima. Suur hulk seadmeid on konstrueeritud läbi viima ülesandeid, mis olid ühel hetkel inimeste kanda. Seega seisavad inimesed ja masinad täna silmitsi sarnaste probleemidega. Kuid kas nad lahendavad neid probleeme ka sarnasel viisil? Kas meid üha rohkem ümbritsevad targad masinad omavad mingisugust seost inimliku mõtlemisega või on nad hoopis muud moodi elukad?
Õpetame masinad nägema ja mõistma
Sügava õppimise võidukäik
Oleme kirunud väidet, et Eugene Goostman läbis Turingi testi, sest tegu pole mitte iseõppiva süsteemiga, vaid nutika programmijupiga, mille sarnaseid leidus juba dekaade tagasi.
Aga fakt on see, et tänapäeval on olemas tehislikud õppimisalgoritmid, mis suudavad ise õppida, tekstist aru saada, piltidel kirjeldatut mõista ja saavad mõnes ülesandes juba praegu hakkama paremini kui inimene. See revolutsioon masinate intelligentsis on toimunud umbes viimase dekaadi jooksul ja kannab koondnime sügav õppimine (deep learning; deep learningu juured lähevad küll ajaloos palju kaugemale, aga alles nüüd on piisavalt andmeid ja arvutusvõimet, et sügava õppimise tugevaid külgi ära kasutada).
Mind huvitavad sellised süsteemid, sest nad on küllaltki sarnased aju sensoorsele süsteemile: nad on hierarhilised ja igal hierarhia sammul toimuvad signaaliga teatud teisendused, mida me päris hästi ei mõista, kuid mis mõne hierarhia sammu läbimisel võimaldavad süsteemil (nii ajul kui ka sügava õppimise tehisvõrgul) aru saada, kas pildil on punase karvaga kass, kukerpallitav laps või rulasõitja. Seega on lootus, et neid süsteeme rohkem uurides ja paremini kirjeldades saame midagi aru ka aju kohta. Ümberpööratult on aga võimalik, et ajuteadlastel on võimalik nende tehissüsteemide jaoks omalt poolt paar nippi soovitada. Lisaks on meil Tartu arvutusliku ajuteaduse uurimisgrupis doktorandid väga huvitatud sügavast õppimisest ja viimased kuud on tegeldud ka ühe väga põneva projektiga, mis sai kajastust isegi ühel tuntud tehisintellekti uudiseid kajastaval lehel.
Ja on ka põhjuseid, miks iga lugejat võiks arvutite sügav õppimine huvitada:
1) need algoritmid on juba praegu kõikjal meie ümber
2) need algoritmid võtavad peagi ära suure osa inimeste tehtavast tööst
E-Eestis oleks paslik alustada diskussiooni selle üle, kuidas ühiskond peaks nende süsteemide olemasolu ja nendega kaasnevaid muutusi tööturul arvestama. Mõnes mõttes oleme juba hiljaks jäänud.
Vaadake suurepärast kokkuvõtet sügava õppimise edukäigust ja sellega kaasnevatest hüvedest ja probleemidest inimühiskonnale (Aitäh Kristjanile viite eest):
Eugene Goostman läbis Turingi testi?
Rahvusvaheline press oli täis sõnumeid selle kohta, et Turingi test on lõpuks läbitud, selle läbijaks on programm, mis simuleerib 13-aastast poissi, masinate domineerimise aeg on lähedal ja et tegu on tehisintellekti uurimises tähtsa saavutusega. Karnevaliga läks kaasa ka Eesti meedia. Mida see kõik siis tähendab?
Turingi test on klassikaline eksperiment, välja pakutud Alan Turingi poolt, mille abil võiks olla võimalik otsustada, kas tehisintellekt on sama nupukas kui inimene. Eesti Wikipedia lehel on testist väga põhjalik ülevaade, aga siin piisab põhilisest ideest (mis on lihtsustus Turingi algsest testist): kui jututoas vestlev inimene ei suuda aru saada, et tema vestluspartneriks pole mitte teine inimene, vaid masin, siis on Turingi test läbitud.
Programm Eugene Goostman narritas väidetavalt 33% kohtunikest, kes arvasid, et tegu on tõepoolest inimese, mitte arvutiprogrammiga. Kas Eugene Goostman andis siis nii inimlikke vastuseid? Kas Eugene Goostman, arvutiprogramm, sai aru küsimustest ja vastas neile inimese kombel? Vastus esimesele küsimusele on “jah, aga” ja vastus teisele on kindel “ei”.
Eugene Goostman andis inimlikke vastuseid, aga arvesse tuleb võtta, et kohtunikele oli ette öeldud, et tegu on 13-aastase ukraina päritolu poisiga. See on trikk, sest see koheselt tähendab, et 1) tegu on lapsega, kes kõike ei tea ja ei oskagi kõigele intelligentselt vastata, 2) ta ei pruugi hästi ka inglise keelest aru saada, mis omakorda selgitaks ta segaseid vastuseid ja 3) kui ta vahel midagi imelikku ütleb, võib mõelda “ah, pubekad ongi sellised”. (Mu enda kogemuse põhjal oleks veelgi lihtsam 13-aastast imiteerida, kui oleks programmi pannud igale küsimusele vastama “normaalne”, “ok”, “ahah”, “ei viitsi”, “:P” vms). See trikk oli oluline põhjus, miks Eugene Goostman palju oma kohtunikke alt tõmbas. Ja see trikk on ju lõbus ja tore ka, aga see on kõigest trikk – tehisintellekt ei ole kohal.
Eugene Goostman ei saa küsimusest aru, ei mõtle nagu inimene ja ei vasta nagu inimene. Ta on programm, kellele on sisse programmeeritud osa vastuseid (“kui vana Sa oled” – “kolmteist”) ja osa märksõnu, millele midagi seotut vastata (“sport”, “ilm”). Muudele küsimustele vastamisel kasutab Eugene Goostman osavaid nippe, kuidas neist pääseda, kõrvale puigelda või midagi enam-vähem seotut vastata. Need trikid on osavad, aga see kokkukeeratav pada võib kohtunikku petta ainult seetõttu, et too arvabki, et 13-aastastel poistel on raskusi keskendumise, selgete vastuste andmise ja keerukate küsimuste mõistmisega. David Auerbach võtab aluseks ühe intervjuu Eugene Goodmaniga ja üritab neid nippe demonstreerida. Muuhulgas tuletab Auerbach meelde, et selliseid juturoboteid, kes on inimesi ära petnud, on tehtud juba mitu dekaadi varem. Mulle meeldib ka tehisintellekti guru ja futuristi Ray Kurzweili vestlus Eugene Goodmaniga – kui tahta aru saada, kas tegu on inimese või programmiga, siis ei tundu see üldse nii keeruline olevat.
Mis siis lõpuks arvata antud testi läbimisest? Põhimõtteliselt Eugene Goostman ju narritas kohtunikke ja 33% neist tõepoolest arvas, et tegu on tõepoolest poisikesega Ukrainast? Seega test läbitud? Mulle meeldiks pigem mõelda, et Eugene Goostman ja teised naljahambad lihtsalt demonstreerivad, et Turingi test antud vormis polegi väga hea katse ütlemaks midagi tehismõistuse kohta. Seega võib näiteks üritada sätestada täpsemaid ja rangemaid kriteeriumeid Turingi testi jaoks. Või võib otsida uusi teste ja uusi kriteeriumeid, mille abil tehismõistust pitsitada. Sest tehisintellekt ei ole pelgalt kaval viis, kuidas Turingi testi kohtunikke haneks tõmmata.
Teadvuse Suure Probleemi Lahendamine 
viimased kommentaarid: