تسعى الأبحاث في مجال الذكاء الاصطناعي (AI) منذ زمن طويل إلى تطوير وكلاء محادثة تشبه البشر، وقد كان اختبار تورينج يمثل المرجعية الأساسية في هذا الصدد. تعتبر الأنظمة الحديثة الخاصة بالتفاعل الصوتي (Speech-to-Speech Systems) مثار اهتمام خاص، حيث تطرح سؤالاً مهماً: هل يمكن لهذه الأنظمة التواصل تمامًا كما يفعل البشر؟

لإلقاء الضوء على هذا السؤال، قام الباحثون بإجراء أول اختبار تورينج خاص بالأنظمة الصوتية، وجمعوا 2,968 حُكمًا بشريًا حول حوارات بين 9 من أحدث الأنظمة الصوتية و28 مشاركًا بشريًا. أظهرت النتائج بوضوح أن أيًا من الأنظمة التي تم تقييمها لم تنجح في اجتياز الاختبار، مما يُبرز فجوة كبيرة في درجة التشابه مع الإنسان.

لتحليل هذه النتيجة، قام العلماء بتطوير تصنيف دقيق يتضمن 18 بُعدًا من أبعاد التشابه البشري، وقاموا بإجراء تقييم جماعي للمحادثات التي تم جمعها. وأظهر التحليل أن مشكلات الأنظمة لا تتعلق بفهم المعاني، بل تنبع من صفات باراليغوية، مثل القدرة على التعبير العاطفي والشخصية الحوارية.

وأظهرت الدراسة أيضًا أن النماذج المتاحة من الذكاء الاصطناعي فشلت في أداء دور القضاة في اختبار تورينج بشكل موثوق. كاستجابة، اقترح الباحثون نموذجًا يمكن تفسيره، يعتمد على تصنيفات الدرجات البشرية، لتقديم تقييمات دقيقة وشفافة في التمييز بين البشر والآلات، مما يوفر أداة قوية لتقييم مدى التشابه البشري.

تعمل هذه الأبحاث على وضع الأساس لتقييم مدروس لقدرة الأنظمة الصوتية على تقليد البشر، مما يمهد الطريق أمام تحسينات مهمة في تطوير نظم الذكاء الاصطناعي القابلة للتفاعل البشري.