Was ist der Turing-Test? Definition und Funktion erklärt

Der 1950 vom Mathematiker Alan Turing entwickelte Turing-Test soll im Rahmen eines Versuchsablaufs die Intelligenz von Maschinen nachweisen können. Der vermeintliche Beweis erfolgt über ein Frage-Antwort-Spiel, das die Ununterscheidbarkeit von menschlicher und künstlicher Intelligenz bestätigen soll, weil menschliche Fragesteller nicht zwischen einem menschlichen oder künstlichen Gesprächspartner zu unterscheiden vermögen. Ob es sich hierbei tatsächlich um einen objektiven Nachweis menschenähnlicher Maschinenintelligenz handelt, bleibt umstritten.

Ist das ein Mensch oder ein Bot? Wer viel Zeit in sozialen Medien verbringt oder Kommentarspalten von Online-Artikeln durchstöbert, stellt sich diese Frage des Öfteren. Sogenannte Social Bots imitieren als Meinungsroboter menschliche Nutzer, lenken Diskussionen und geben automatisierte Kommentare ab. Oftmals ununterscheidbar von Menschen basieren sie auf Algorithmen, die künstliche Intelligenz und Machine Learning nutzen, um menschenähnliche Kommunikation zu imitieren. Genau hier kommt der sogenannte Turing-Test ins Spiel, mit dem ermittelt werden soll, ob wir es mit Menschen oder Maschinen zu tun haben.

Erfunden und entwickelt wurde der Turing-Test vom namensgebenden britischen Mathematiker, Informatiker und Logiker Alan Turing im Jahr 1950. Während seiner Arbeit an einem der ersten legendären Röhrencomputer namens Manchester Mark I an der Universität Manchester beschäftigte sich Turing intensiv mit dem Problem der künstlichen Intelligenz und ihren Kriterien.

In seinem Artikel „Computing machinery and intelligence“, veröffentlicht in der Fachzeitschrift „Mind“, entwarf Turing die Grundzüge einer heute als Turing-Test berühmten, damals jedoch als „Imitation Game“ bekannten Versuchsanordnung. Da künstliche neuronale Netzwerke nach dem Prinzip Neural Network in der Debatte um künstliche Intelligenz noch keine große Rolle spielten und ein objektiver wissenschaftlicher Nachweis von Denkprozessen in weiter Ferne lag, wurden hierzu beobachtbare Analysen der Kommunikation mit Maschinen herangezogen. Ziel war und ist es, bei einem maschinellen und von Menschen ununterscheidbarem Kommunikationsverhalten von künstlicher Intelligenz bzw. Maschinenintelligenz sprechen zu können.

Aufbau und Ablauf des Turing-Tests könnten einfacher kaum sein: Der Test nutzt einen simplen Frage-Antwort-Ablauf zwischen einem menschlichen Fragesteller und zwei anonymen, für den Fragesteller nicht sichtbaren Antwortgebern. Die freien, nicht vorgegebenen Fragen werden vom Menschen ohne jeden visuellen oder auditiven Kontakt zu den Gesprächspartnern über ein Eingabewerkzeug wie eine Tastatur oder einen Bildschirm gestellt. Wenn der menschliche Fragesteller am Ende des Tests anhand der Antworten nicht bestimmen kann, bei welchem der beiden Antwortgeber es sich um die Maschine handelt, lässt sich die Intelligenz der Maschine als menschenähnlich oder menschenebenbürtig definieren.

Bis heute (März 2022) lassen sich keine offiziellen Beispiele für bestandene Turing-Tests durch Maschinen nennen. Dennoch ist die Versuchsanordnung auch heute für die Entwicklung künstlicher Intelligenzen von Bedeutung, z. B. im Rahmen des Deep Learning, des Reinforcement Learning und des Supervised Learning bzw. Unsupervised Learning. Menschenebenbürtige Maschinenkommunikation basierend auf neuronalen Netzwerken wird in Zukunft nicht nur auf sozialen Medien und im Customer Service eine Rolle spielen. Auch Bereiche wie Medizin, Diagnostik, Agrarwirtschaft, Sicherheit, Überwachung, Marketing, Transport und Produktion werden zunehmend von künstlicher intelligenter Kommunikation geprägt sein.

Fraglich ist bis heute, ob sich mit dem Turing-Test überhaupt ein glaubwürdiger bzw. objektiver Nachweis von künstlicher Intelligenz erbringen lässt. Ein Großteil der am Test geäußerten Kritik stellt vor allem in Frage, ob die täuschend echte Imitation von menschlicher Kommunikation tatsächlich auf eine eigenständige künstliche Intelligenz schließen lässt oder vielmehr nichts weiter als eine täuschend echte Imitation ist. Die Beobachtung von Maschinenverhalten, das eine künstliche Intelligenz vermuten lässt oder scheinbar voraussetzt, sei nicht gleichzusetzen mit objektiv vorhandener künstlicher Intelligenz. Intention und Denkvermögen ließen sich somit durch das Frage-Antwort-Spiel des Turing-Tests weder abbilden noch belegen.

Als optimierter Gegenentwurf wird des Öfteren der Machine-Learning-Test namens Winograd Schema Challenge (WSC) genannt. Dieser nutzt ein vorgegebenes Frageschema, das im Versuchsablauf eine aktive Wissensanwendung, Allgemeinwissen und vernunftbegabtes Denken für korrekte Antworten erfordert. Basierend auf dem Winograd Schema von Terry Winograd, verlangt die Beantwortung der Fragen ein Verständnis von Kontext, menschlichem Verhalten, kulturellem Hintergrund und logischem Denken. Weitere Alternativen sind der Marcus-Test, der künstliche Intelligenzen nach dem Verständnis einer „angeschauten“ Fernsehsendung befragt, und der Lovelace-Test-2.0, der die möglichen kreativen Fähigkeiten von KI untersucht.

Trotz aller genannter Kritikpunkte spielt der Grundgedanke des Turing-Tests – die täuschend echte Imitation menschlicher Kommunikation – auch heute eine große Rolle in der Digitalisierung.

Drei Anwendungsbeispiele veranschaulichen die unverändert aktuelle Bedeutung des Turing-Tests:

• Human Interaction Proof (HIP): Als negativer Turing-Test lässt sich die sogenannte CAPTCHA-Abfrage bezeichnen. Als Human Interaction Proof dient sie dazu, Maschinen möglichst schnell von Menschen zu unterscheiden und Bots durch automatisierte Text- und Bildabfragen vor dem Besuch einer Website effizient zu filtern. CAPTCHA trägt den Turing-Test im Namen: Completely Automated Public Turing test to tell Computers and Humans Apart.
• Bots: Bots sind digitale Werkzeuge, die je nach Einsatzweise positive oder negative Funktionen bieten. Sie kommen beispielsweise als Chatbots zum Einsatz, um Kundenservice effizient zu automatisieren, werden jedoch ebenso als Social Bots oder Spam-Bots genutzt, um Fake-News oder Malware zu verbreiten. In beiden Fällen dienen Formen des Turing-Test dazu, die Entwicklung der Bots zu fördern und diese von Menschen möglichst ununterscheidbar zu machen.
• Sprachassistenten: Sprachassistenten zählen vermutlich zu den Entwicklungen, die dem Grundgedanken von Alan Turing am nächsten kommen. Sprachgesteuerte, menschenähnliche Assistenten wie Alexa oder Siri basieren auf dem Frage-Antwort-Prinzip und sollen alltägliche Funktionen und Bedürfnisse von Nutzern automatisieren. Obwohl aktuell keine der Anwendungen einem Bestehen des Turing-Tests nahekommt, werden die intelligenten Sprachfunktionen durch Machine Learning und Analysen von Nutzerverhalten konstant optimiert und somit menschenähnlicher.