Vortrag: Turing Test 2.0 Reimagining the Goals of Artificial Intelligence in the Post-GenAI World

Dieser Vortrag findet in Englischer Sprache statt.

Monojit Choudhury ist Forscher im Bereich Künstliche Intelligenz und Computerlinguistik mit einem Fokus auf Sprache, Gesellschaft und menschenzentrierte KI. Seine Forschung beschäftigt sich mit Mehrsprachigkeit, sprachlicher Variation und dem Verhältnis zwischen Sprachtechnologien und menschlicher Kommunikation. Wir freuen uns ihn im Rahmen der Mercator Lecture bei uns willkommen zu heißen!

Seit seiner Entstehung diente der Turing-Test – die damals scheinbar kühne Vision von Maschinen, die mit einer solchen sprachlichen Gewandtheit kommunizieren, dass die Grenze zwischen menschlichem und künstlichem Geist verschwimmt – als Leitbild für Sprachverständnis und Künstliche Intelligenz. Im Zeitalter großer Sprachmodelle scheint diese Vision greifbar nah und zugleich zunehmend leer, da KI-Systeme den Menschen inzwischen nicht nur bei sprachbezogenen Aufgaben, sondern auch in vielen anderen komplexen Bereichen regelmäßig übertreffen. Dies hat zu dem Eindruck geführt, dass wir uns der Entstehung einer Artificial General Intelligence (AGI) oder sogar einer Superintelligenz nähern – oder sie womöglich bereits erblickt haben. Doch dieser Eindruck ist irreführend. Aktuelle Systeme erzielen zwar beeindruckende Ergebnisse in spezifischen Benchmarks, doch diese Tests erfassen oft nur sehr begrenzte Ausschnitte dessen, was echtes Sprachverständnis eigentlich bedeutet.

In diesem Vortrag argumentiert Monojit Choudhury, dass die eigentliche Herausforderung an anderer Stelle liegt. Sprache ist kein einheitliches Gebilde, sondern ein lebendiges Mosaik individueller Stimmen, geprägt durch Kontext, Kultur und Erfahrung. Sie auf eine generische, durchschnittlich „menschliche“ Leistung zu reduzieren, verfehlt ihr Wesen. Er schlägt daher eine Neufassung des Turing-Tests vor – den „Turing Test 2.0“: die Fähigkeit, nicht irgendeinen Menschen, sondern ein konkretes Individuum zu modellieren. Dieser Perspektivwechsel knüpft an philosophische Traditionen an, die Bedeutung in Gebrauch, Interaktion und gelebter Wirklichkeit verorten. Damit eröffnet sich eine ambitioniertere und nachhaltigere Vision von KI: nicht bloß flüssigen Text zu erzeugen, sondern sich mit der menschlichen Erfahrung auseinanderzusetzen, die Sprache zugleich widerspiegelt und formt. Darüber hinaus argumentiert er, dass der Turing Test 2.0 nicht nur ein theoretisch fundiertes Verständnis von Generalisierung im maschinellen Lernen bietet, sondern auch transformatives Potenzial für Bildung, kognitive und psychologische Therapien sowie die sozialwissenschaftliche Forschung entfalten kann.