Идеята за изкуствения интелект често се свързва с така наречения „тест на Тюринг“. Това е концепция, предложена през 1950 г. от Алън Тюринг – британски математик и пионер в компютърните науки. Тюринг поставя пред науката един прост въпрос: може ли една машина да мисли като човек?

Вместо да се опитва да дефинира какво точно означава „мисленето“ в този контекст, той предлага практичен експеримент. Ако човек води разговор чрез текст (например чат) с двама „събеседници“ – единият човек, а другият машина – и не може със сигурност да различи кой кой е, тогава можем да кажем, че машината демонстрира интелигентно поведение.

Нови изследвания също подчертават, че днешните големи езикови модели не само имитират човешката реч – някои от тях я надминават, когато става въпрос за убедителност.

Според мета-анализ, публикуван в Proceedings of the National Academy of Sciences и разгледан от The Conversation, най-новото поколение чатботове демонстрира способности за изразяване на емпатия, разбиране на настроенията, както и адаптиране към контекста, които могат да заблудят потребителите, че разговарят с реален човек. Изследователите ги определят като „антропоморфни агенти“ – системи, които звучат като хора и могат да изграждат усещане за близост и доверие.

Това поставя въпроси за яснотата на начина на работа, възможността за манипулация и дълбочината на взаимодействието между човек и машина, особено в сфери като образование и здравеопазване.

По време на конференция Чън Дъли отбеляза, че в следващите 5–10 години AI може да замести част от човешкия труд и да създаде сериозни социални предизвикателства

Старши изследовател от китайския стартъп DeepSeek предупреждава за рисковете от AI върху обществото

През следващите няколко десетилетия идеята за това как мислят машините стои в ядрото на огромна част от AI изследванията. Целта на технологичните корпорации и разработчици е да накарат изкуствения интелект да „говори като нас“, „мисли като нас“ и да изпълнява задачи по начин, наподобяващ човешкия. Това обяснява защо днес много от AI системите се фокусират върху имитация на човешка реч, стил и дори логика, вместо върху създаване на напълно нови и нечовешки способности.

Според Ерик Брюнольфсон, професор в Stanford Institute for Human-Centered Artificial Intelligence и един от най-цитираните икономически специалисти в областта на дигиталната трансформация, този начин на мислене по-скоро води до „капана на Тюринг“ (The Turing Trap) – грешка, при която технологиите се оптимизират да имитират човека, вместо да съпътстват и разширяват човешките способности.

Паралелно с развитието на езиковите модели част от индустрията насочва усилията си към пренасяне на тази имитация в реалния, физически свят. Компании като Tesla, Boston Dynamics и Nvidia работят върху хуманоидни роботи, които се учат да извършват действия, наподобяващи човешки жестове и движения.

Според Los Angeles Times, за да бъде това възможно, хиляди работещи в Индия и други държави са наети да изпълняват рутинни задачи – например да сгъват кърпи, докато носят камери на главата си. Записите се използват, за да се обучат роботите как човек хваща, обръща, стиска и подрежда предмети. Това показва колко далеч стига стремежът към имитация – не само на езика и мисленето, но и на човешките действия, което повдига нов въпрос: ако обучаваме машини да заемат не само нашите функции, но и нашето място в пространството, какво точно остава за нас?

Зад футуристичните демонстрации на Optimus стои изтощителна човешка работа – служители на Tesla повтарят стотици движения всеки ден, за да научат робота да ходи, да кляка и да се движи като човек

Човешкият труд зад AI: Вътре в лабораторията на Tesla, където хора учат роботите да имитират човека

В интервю за Financial Times Брюнольфсон посочва, че съществува основен институционален и икономически стимул за автоматизация: ако една задача вече се изпълнява от човек, се приема, че тя е „доказано възможна“, което улеснява изследванията, оценката на резултатите и бизнес аргументацията. Тази логика обаче насочва иновациите към заместване на човешкия труд, а не към повишаване на производителността на хората.

Последиците са структурни. Производителността може да расте, но ползите се концентрират в притежателите на капитала и технологичните активи. Трудовите възнаграждения намаляват, а икономическата и политическата власт се концентрира в ръцете на малцина.

Пример за алтернативна посока е историческият преход към автомобилизация. Ако Хенри Форд беше имал за цел единствено да създаде машина, която „върви толкова бързо, колкото човек може да бяга“, индустриалният растеж нямаше да се случи. Реалният напредък идва от създаването на възможности, които нямат човешки еквивалент.

Големите езикови модели вече помагат в рутинни дейности като търсене и анализ на информация. Но появата на инструменти, които генерират реклами, визуално съдържание и цели видеа само по текстово описание, поставя под въпрос бъдещето на творческите професии. Опасението е, че вместо да надгради човешкия талант, AI може да го измести — и да пренареди пазара в полза на автоматизацията.

Брюнольфсон смята, че решението е пренареждане на работните процеси, така че машините да изпълняват повтарящите се и оперативни задачи, а хората да се фокусират върху дейностите с висока добавена стойност: интерпретация, вкус, разказване, вземане на решения и взаимодействие с други хора.

Подобен подход вече се наблюдава в софтуерната разработка, където AI поема писането и тестването на код, а инженерите се фокусират върху по-сложните решения. Подобни промени се виждат и в здравеопазването, където автоматизацията на медицински записи намалява административната тежест и оставя на лекарите повече време за анализ, диагностика и общуване с пациентите.

Новите програми по изкуствен интелект обещават да подготвят „артисти на бъдещето“, но сред студентите расте страхът от автоматизация и загуба на идентичност

Изкуственият интелект навлиза в света на дизайна и изкуството – но каква цена ще заплати творчеството?

За да се насочи изкуственият интелект към допълване на човешките умения, а не към тяхното изместване, според Брюнольфсон са необходими три ключови промени:

По-добри показатели за ефективност при внедряване на AI – успехът трябва да се измерва не според намаляване на персонала, а според подобряване на качеството на услугите, резултатите и удовлетвореността на клиентите.

Пазарни и регулаторни механизми, които поощряват сътрудничеството между хора и машини – чрез по-справедливо данъчно третиране, достъпни технологии и конкуренция, която не заключва иновацията в ръцете на малък брой играчи.

Сигурна публична инфраструктура и ясни защитни правила – чрез стандарти за защита на данните, надеждни среди за разработка и ясни отговорности при чувствителни приложения като здравеопазване и финанси.

„Ако настройваме стимулите по правилния начин, технологичната граница и границата на възможностите за хората могат да се движат напред заедно“, заключава Брюнольфсон пред Financial Times.