5分でわかるチューリングテスト
チューリングテストとは、機械が人間のように会話できるかどうかを調べるテストです。審査員は、姿の見えない2人の相手と文字だけで会話します。1人は人間、もう1人はコンピューターです。審査員がどちらが機械かを見抜けなければ、その機械は「合格」になります。イギリスの数学者アラン・チューリングが1950年に考えたもので、人工知能の歴史でもっとも有名なテストといえます。
このテストはSFでも大きな題材になってきました。心とは何か、新しい心が現れたらどう見分けるのか、という問いを物語にしやすいからです。このページは、SFの歴史の案内の一部です。仕組み、わかることとわからないこと、そしてSF作品での登場例を順に見ていきます。
チューリングテストの仕組み
チューリング自身は、これを「テスト」とは呼んでいません。「模倣ゲーム（imitation game）」と呼びました。1950年に発表した論文「計算機械と知性（Computing Machinery and Intelligence）」は、学術誌『マインド（Mind）』に載りました。冒頭で彼は「機械は考えることができるか」という問いを取り上げます。ただ、この問いは言葉があいまいで、そのままでは答えが出せないと考えました。そこで、実際に確かめられる別の問いに置きかえることを提案したのです。
元のゲームには3人が登場します。男性と女性が別々の部屋にいて、審査員は第三の部屋から紙に書いた質問を送ります。審査員は「どちらが女性か」を当てようとし、男性は審査員をだまそうとします。ここで、男性の役を機械に代わってもらったらどうなるでしょうか。審査員は、これまでと同じくらい間違えるのでしょうか。これが元の問いでした。
いま広く知られているのは、次のような簡単な形です。
- 審査員が、姿の見えない2人の相手に文字で質問する。
- 相手の1人は人間、もう1人はコンピューターのプログラムである。
- 決められた時間の会話のあと、審査員がどちらが機械かを答える。
- 審査員がよく間違えるほど、機械は人間らしいと判断される。
やりとりを文字だけにしたのには理由があります。声や顔、体つきを取り除けば、審査員は「何を話したか」だけで判断するしかありません。つまりこのテストが調べるのは機械の中身ではなく、会話の上でのふるまいです。
チューリングの予想
チューリングは、控えめな予想を述べています。およそ50年後、つまり2000年ごろには、5分間の質問のあとで平均的な審査員が機械を正しく見抜ける確率は70％以下になるだろう、という予想です。言いかえると、10回のうち3回ほど審査員をだませる、ということです。ただし彼は、そのような機械に意識があるとは言っていません。答えが人間と同じくらいよければ、「本当に考えているか」を言い争ってもあまり意味がない、という立場でした。
この考えが生まれた背景
チューリングは、1936年に抽象的な計算機の仕組みを発表し、数学者のあいだですでに知られていました。これはのちに「チューリングマシン」と呼ばれ、コンピューターの理論の土台になります。第二次世界大戦中は、イギリスのブレッチリー・パークでドイツ軍の暗号の解読に加わりました。戦後は、計算だけでなくもっと幅広いことのできる機械を作る方法を考えはじめます。
1950年の論文は、遊び心がありながら慎重です。チューリングは、予想される反対意見を自分で並べ、ひとつずつ答えています。宗教的な理由、数学的な理由、「機械は創造的になれず、人を驚かせることもない」という意見などです。最後の意見には、自分は機械にしょっちゅう驚かされている、と答えました。また、大人の心を最初から作るより、子どものような単純なプログラムを作って教えていくほうがよいかもしれない、とも述べています。
科学的にはどうなのか
チューリングテストはもともと思考実験でしたが、のちの人々はこれを競技のようなものにしようとしました。ここでは、わかっていることと、いまも議論が続いていることを分けて見ていきます。
人をだました初期のプログラム
1966年、MITのジョセフ・ワイゼンバウムは「イライザ（ELIZA）」という短いプログラムを作りました。利用者の文を質問に言いかえて返すだけで、カウンセラーのような受け答えをします。ところが、利用者の中にはイライザが自分を理解していると感じる人がいて、ワイゼンバウムは驚きました。イライザの中身は単純なパターン照合で、意味は何も理解していません。少しの言葉だけで、人は相手に心を感じてしまうことを示した例です。
1972年には、精神科医のケネス・コルビーが、妄想を持つ患者のふりをする「パリー（PARRY）」を作りました。精神科医に本物の患者の記録と見分けてもらったところ、うまく区別できなかったと報告されています。これはチューリングが描いたテストそのものではありません。それでも、特定の性格を演じるほうが、何でも話せる人間を演じるより簡単だということを示しています。
コンテストと「合格」の主張
1991年に始まったローブナー賞は、もっとも人間らしいチャットボットに毎年賞を出す催しでした。長いあいだ優勝したのは、わざと打ち間違いをしたり、冗談や話題そらしを使ったりする工夫の多いプログラムでした。2014年には、ロンドンの王立協会での催しで、13歳のウクライナの少年という設定の「ユージン・グーツマン」が、審査員の約3分の1をだまして合格した、と主催者が発表しました。しかし、多くの研究者はこの主張に反対しました。設定された年齢の若さと話題のそらし方に頼っていたこと、そして合格ラインはチューリングのおおまかな予想にすぎず、決まりではないことが理由です。
2025年には、カリフォルニア大学サンディエゴ校の研究者たちが、審査員が人間とAIの両方と5分間同時に会話する3者形式の実験を行いました。大規模言語モデルのGPT-4.5は、人間らしい人物像を与えられたとき、約73％の確率で「人間のほう」だと判断されました。これは本物の人間より高い割合です。人間らしい会話をすること自体は、いまの言語モデルにとってもう高い壁ではない、とわかる結果です。
テストでわからないこと
哲学者のジョン・サールは1980年に、合格しても理解していることの証明にはならないと主張しました。有名な「中国語の部屋」という思考実験です。中国語がわからない人が、規則の書かれた本を見ながら中国語の質問に答えます。外から見れば、返事はなめらかです。しかし部屋の中では、誰も意味を理解していません。サールは、プログラムを動かすコンピューターも同じだと考えました。
これには、本を含む部屋全体なら理解していると言えるのではないか、という反論もあり、議論はいまも続いています。多くの研究者が共有しているのは、もう少し控えめな見方です。会話のテストに合格しても、わかるのは人間らしい話し方がうまいということだけで、意識や感情、理解までは決められません。そのため現在のAI研究では、ひとつのテストよりも、目的ごとの多くの評価方法が使われています。
ちなみに、ウェブサイトでよく見るCAPTCHA（キャプチャ）は、「コンピューターと人間を区別する完全自動の公開チューリングテスト」という英語の頭文字から名づけられました。ここでは立場が逆になり、機械が相手を人間かどうか判定します。
SF作品での登場例
SFは、チャットボットが現れるずっと前から「心を試す」場面を描いてきました。フィリップ・K・ディックの小説『アンドロイドは電気羊の夢を見るか？』（Do Androids Dream of Electric Sheep?、1968年）では、バウンティ・ハンターがフォークト＝カンプフ検査を使い、質問への感情の反応からアンドロイドを見つけ出します。これは言葉ではなく体の反応を読むので、チューリングテストそのものではありません。ただ、「どうやって見分けるのか」という問いは同じです。映画『ブレードランナー』（1982年）で、この場面は広く知られるようになりました。
映画『エクス・マキナ』（2015年）は、テストの立場を逆にします。プログラマーのケイレブは人里離れた家に呼ばれ、アンドロイドのエヴァと話します。彼女が機械であることは最初からわかっています。問われるのは、それでも彼女が心を持つと彼に信じさせられるかどうか、そして本当に試されているのは誰なのか、という点です。こうした作品では、チューリングテストは合否の試験というより、人間の弱さを映す鏡になっています。孤独、信頼、理解されたいという願いなどです。
このテストは、ほかの2つの話題とも近い関係にあります。不気味の谷は、人間に近いものがかえって不気味に感じられる現象です。技術的特異点は、機械が人間の能力をはるかに超える未来の考えです。人間として通用するプログラムは、この2つの物語のどちらでも、最初の一歩として描かれることが多いのです。
よくある誤解
- 「合格すれば、その機械には意識がある」：このテストが見るのは会話だけです。内面の経験については何も言えず、チューリング自身もそうは主張していません。
- 「ユージン・グーツマンが、コンピューターは考えられると証明した」：2014年の主張は多くの専門家に批判されました。そのプログラムは理解ではなく、話をそらす工夫に頼っていました。
- 「公式のチューリングテストがひとつある」：標準的な形はありません。制限時間、審査員の数、合格の基準は、実験ごとに違います。
- 「チューリングは人をだます機械を作りたかった」：彼が求めたのは、「考える」という言葉にこだわらずに、機械の知性を議論するための実用的な方法でした。
- 「コンピューター科学の専用の道具だ」：もとは論文の中の哲学的な問いでした。いまも授業や物語の中で、議論のきっかけとして使われることが多いテストです。
