'I propose to consider the question,"Can machines think?" ' Met die vraag begon Alan Turing Computing Machinery and Intelligence. Het artikel uit 1950 richt zich hiermee als allereerste, hoogstwaarschijnlijk, op het onderwerp Artificial Intelligence, ofwel AI, en dan wel op zo'n manier dat er op een totaal nieuwe manier gekeken werd naar machines. Hoe? Met zijn Imitation Game, ofwel de Turing Test. Turing verving hiermee bewust de destijds onmogelijke discussie over wat 'bewustzijn' of 'denken' precies inhoudt door een puur pragmatische, gedragsmatige meetmethode.
De oorspronkelijke Turing Test is een tekstgebaseerde interactie tussen een menselijke beoordelaar, een mens en een machine. Als de beoordelaar niet betrouwbaar kan vaststellen wie van de twee de machine is, dan is de test 'geslaagd'.
De Turing Test werd een mijlpaal in de geschiedenis van AI. De algemene kijk naar machines werd opengebroken en de vraag of computers kunnen denken, was nooit meer hetzelfde.
De Turing Test in een nieuw jasje
Met de opkomst van large language models (LLM's) zoals ChatGPT, Claude, Gemini en Mistral, is de Turing Test ineens weer actueel. Deze AI-systemen zijn in staat om gesprekken te voeren die, zeker oppervlakkig gezien, nauwelijks te onderscheiden zijn van menselijke communicatie. Ze beantwoorden vragen, kunnen steeds vaker grapjes herkennen en maken, herkennen context en kunnen zelfs empathisch overkomen. Daarmee lijken ze de klassieke Turing Test met vlag en wimpel te doorstaan. Sterker nog, recente empirische studies tonen aan dat moderne taalmodellen in gecontroleerde testomgevingen menselijke beoordelaars vaker wel dan niet weten te misleiden. Deze resultaten leggen echter een fundamenteel methodologisch probleem bloot: de test meet inmiddels niet meer de daadwerkelijke cognitieve capaciteit van de machine, maar weerspiegelt eerder de linguïstische kwetsbaarheid en de misleidbaarheid van de menselijke beoordelaar.
Daarmee ontstaat er een nieuw dilemma. Want als AI zó menselijk overkomt, terwijl het nog steeds niet echt 'begrijpt' wat het zelf zegt, wat zegt dat dan over de Turing Test? De zorgen over 'schijnintelligentie' - systemen die slim lijken, maar geen bewustzijn of begrip hebben - worden breed gedeeld onder AI-onderzoekers. In plaats van daadwerkelijk te definiëren of je met een machine praat, meet de Turing Test nu vooral hoe overtuigend een model menselijke taalgedragingen kan imiteren.
Bovendien zijn veel gesprekken met LLM's niet meer vergelijkbaar met de originele testopzet. Waar Turing een streng afgebakende setting bedoelde met meerdere deelnemers en een duidelijk tijdskader, worden AI-chats vaak één-op-één gevoerd en geeft de beoordelaar, bijvoorbeeld door prompt bias, zelf sturing aan de antwoorden. De context is veranderd en daarmee ook de waarde van de uitkomst.
Turing Test vs. AI: hoe (on)geschikt is het?
De kernkritiek op de Turing Test is dat hij te succesvol is geworden. Of beter gezegd: te makkelijk te manipuleren. AI-systemen zijn vandaag de dag getraind op enorme hoeveelheden menselijk taalgebruik, waardoor ze patronen, formuleringen en interactiestijlen moeiteloos kunnen reproduceren. Dat leidt tot overtuigende output, op het eerste gezegd. Bij langere, intensievere en 'persoonlijkere' ondervragingen, wordt het steeds duidelijker dat je met een AI-model praat.
Momenteel worden er in plaats van de Turing Test andere benchmarks voor AI gehanteerd, zoals:
Winograd Schema Challenge, die zelf ook ingaat op waar de Turing Test tekort komt. Deze challenge test of een AI zinnen met subtiele semantische nuances correct kan interpreteren. Omdat LLM's puur op basis van statistische correlaties tekst genereren, vallen ze bij deze test snel door de mand zodra een zin een vorm van logica of wereldkennis vereist die niet direct uit de opeenvolging van woorden herleidbaar is.
ARC (Abstraction and Reasoning Corpus), dat zicht richt op 'fluïde intelligentie' door AI taken te geven die voor mensen weinig tot geen voorafgaande kennis nodig hebben. Dit corpus dwingt de AI om abstracte, visuele patronen te ontcijferen die het model nooit eerder in zijn trainingsdata is tegengekomen, waarmee de grens tussen puur memoriseren en werkelijk probleemoplossend vermogen loepzuiver wordt getrokken.
Theory of Mind-evaluaties worden al langer in de psychologie ingezet om te kijken hoeveel iemand zich kan inleven in anderen. Voor AI is dat natuurlijk nog lastig. Binnen de IT-praktijk vertaalt dit zich naar de vraag of een autonome AI-agent de onderliggende intentie en de contextuele frustratie van een eindgebruiker accuraat kan inschatten, in plaats van het simpelweg genereren van een plausibel klinkend standaardantwoord.
Deze alternatieven kijken op een menselijker vlak naar AI en richten zich meer op minder opvallende interactiepunten. Waar bij mensen een belletje kan gaan rinkelen, slaat dit niet per se bij AI aan.
Een moreel en filosofisch kompas
Dit alles betekent niet dat de Turing Test achterhaald is. Vraag je maar eens af: is het moreel verantwoord om een AI-model zó menselijk te laten lijken dat er niet binnen een bepaalde tijd ontdekt kan worden dat het een machine is?
Ja, er zijn inmiddels technische methoden om te controleren of AI AI is en om AI-gegenereerde output te identificeren, maar deze systemen moeten in de praktijk wel schaalbaar en hanteerbaar blijven. In het kader van de huidige Europese AI-wetgeving en strengere compliance-richtlijnen verschuift de discussie op de werkvloer daarom van een abstracte intelligentietest naar de harde, technische verplichting van cryptografische watermarking en data-herkomst (provenance).
Voor moderne AI-systemen is de belangrijkste toets niet of ze menselijk lijken, maar of ze betrouwbaar, uitlegbaar en veilig zijn. In die zin heeft de Turing Test plaatsgemaakt voor robuustere evaluatiekaders. Maar de originele filosofische waarde blijft: we moeten ons altijd, nu des te meer, af blijven vragen: 'Can machines think?'
