Исследование Jones & Bergen (2025), которым поделился оценщик ИИ-рисков Шарбель-Рафаэль Сегери, показало: GPT-4.5 прошла тест Тьюринга в 73% случаев, но только после того, как исследователи специально задали модели менее аккуратный стиль общения.
Для этого модели дали образ человека, который пишет быстро, делает опечатки, часто пропускает знаки препинания, плохо считает, знает немного и отвечает коротко. В таком режиме участники чаще принимали GPT-4.5 за реального человека, чем настоящего собеседника в тесте.
Без такого сценария результат был заметно ниже: долю успешных ответов оценили в 36%. Иными словами, более формальный и связный стиль мешал модели казаться человеком.
В инструкции для GPT-4.5 исследователи прямо указали, что она должна писать небрежно, в основном строчными буквами, редко ставить пунктуацию и не пытаться активно убеждать собеседника, что перед ним человек. Один из фрагментов инструкции звучал так: «Ты общаешься довольно свободно, и с орфографией у тебя не очень: ты часто коверкаешь слова, потому что печатаешь слишком быстро. […] Ты очень краток и лаконичен. Часто говоришь довольно резко и в основном пишешь строчными буквами, редко используешь пунктуацию. […] Ты бы никогда не стал писать полное предложение, если хватит одного-двух слов. […] Ты даже не собираешься особенно стараться убедить собеседника, что ты человек. Ты просто будешь собой и посмотришь, что получится».
Сегери, который оценивает риски манипулятивного использования ИИ для AI Office ЕС, назвал результат «в некотором смысле ироничным». По его словам, системы ИИ умеют за секунды выдавать страницы хорошо структурированного текста, но для прохождения теста Тьюринга им пришлось скрывать именно это. Его вывод: планка того, что люди считают человеческим поведением, вероятно, оказалась ниже, чем многие ожидали.
В материале также отмечается, что тест Тьюринга давно считают устаревшей метрикой для ИИ. Он проверяет не интеллект как таковой, а то, насколько убедительно система копирует человеческое поведение, включая ошибки, слабые места и неточности.
Сам по себе факт прохождения такого теста для больших языковых моделей не новый. В версии того же исследования за 2024 год GPT-4 показала результат 54%: после пятиминутного разговора половина участников сочла модель реальным человеком.
Источник: The Decoder, исследование Jones & Bergen (2025).
