1950年、アラン・チューリングは、論文「計算機械と知能」を、次の一文で書き出した。「私は、「機械は考えることができるか」という問いを考察することを提案する」。

ふつうなら、次は「機械」と「考える」という語の意味を決める番である。ところがチューリングは、そこで足を止める。語の意味を、それが一般にどう使われているかを調べて決めるなら、問いの意味と答えは、「ギャラップ調査のような統計調査に求めるべきだという結論を避けるのは難しい」からである。考えるとはどういうことかを世論調査で決める、というのは、たしかに奇妙だろう。チューリングも、これを「これは不合理である」と退ける。

問いを、別の問いに置き換える

定義の代わりに、チューリングが選んだのは、問いそのものを替えることだった。「そのような定義を試みる代わりに、私はこの問いを別の問いに置き換える」。新しい問いは、「もとの問いと密接に関連しており、比較的あいまいでない言葉で表されている」という。この新しい問いを述べるために使われるのが、「模倣ゲーム」と呼ばれる遊びである。

模倣ゲームとは、どんな遊びか

参加者は三人である。男（A）、女（B）、そして質問者（C）。質問者は、ほかの二人から離れた部屋にいて、二人のうちどちらが男でどちらが女かを見分けようとする。質問者は、二人に問いを出すことができる。このとき、Aの目的は、「Cに誤った識別をさせようとすること」である。Bの目的は、質問者を助けることである。

声の調子が手がかりにならないように、「答えは書かれたものにすべきであり、さらによいのはタイプされたものである」。姿も声も使わず、文字のやりとりだけで判断する、という約束になっている。

Aの役を、機械が務める

ここで、チューリングは問いを立てる。「このゲームでAの役を機械が引き受けると、何が起こるか」。質問者は、「男と女のあいだでゲームを行うときと同じくらいの頻度で、誤った判断を下すだろうか」。そして、「これらの問いが、もとの「機械は考えることができるか」に取って代わる」と述べる。

この問いは、機械の中身を調べる問いではない。文字のやりとりの結果を見る問いである。機械が質問者を惑わす側に立ち、人間がその側に立つときと同じくらい質問者を迷わせられるか、が問われている（ここは、本稿の言いかえである）。

ただし、置き換えた問いは、「機械は考えることができるか」とは別の問いである。チューリング自身も、第6節の冒頭で、「置き換えが適切かどうかについては意見が分かれるだろう」と認めている。

模倣ゲームの導入部で、チューリングがどのような言葉で問いを置き換えているのか気になった方へ。

▼ 古典書房のチューリング『計算機械と知能』翻訳HTML　試し読み版（無料）で確認できます。

2025年の実験

この問いに近い形で、いまでは実際に実験されている。2025年3月、ジョーンズとバーゲンは、三者の対話（質問者が、人間とAIに同時に文字で問いを出す形式。1ゲーム5分）で、複数のシステムを比べた結果を公表した。比べたのは、文章を作るAI（大規模言語モデル）のGPT-4.5、LLaMa-3.1-405B、GPT-4oと、1960年代の対話プログラムELIZAである。「人間と判定された」割合は、次のとおりである。

システム（指示の条件）人間と判定された割合
GPT-4.5（人格を演じる指示あり）73%
GPT-4.5（指示なし）36%
LLaMa-3.1-405B（人格を演じる指示あり）56%
LLaMa-3.1-405B（指示なし）38%
ELIZA（1960年代の対話プログラム）23%
GPT-4o21%

「人格を演じる指示」とは、ネット文化に詳しい内向的な若者のように振る舞え、というものである。73%という数字は、この指示があるときの値で、指示がないときは36%だった。参加者は、大学生126人とオンラインの参加者158人で、分析の対象は1,023ゲームである。著者らは、三者形式の標準的なチューリング・テストを、人工のシステムが通過した最初の実証的な証拠だと、プレプリントの要旨で述べている（以上の数字は、論文の最初の公開版、プレプリントによる。のちの学術誌版の要旨では、「最初の」の語は使われていない）。

この研究は、のちに、題名を「Large language models pass a standard three-party Turing test」として、学術誌『PNAS』の123巻21号（論文番号e2524472123、2026年5月19日）に載った。この版の本文で、5分のゲームの数字（73%、36%など）が上と同じであること、および、15分のゲームによる追試が加わっていることを確認した。追試は、オンラインの参加者205人（396ゲーム）を対象に、GPT-5とLLaMa-3.1-405B（どちらも人格を演じる指示つき）、およびELIZAを比べたもので、「人間と判定された」割合は、GPT-5が59%、LLaMa-3.1が56%、ELIZAが17%だった。同じ著者たち以外の研究グループによる追試は、確認できなかった。

ここで、一つ注意しておきたい。この実験が確かめたのは、チューリングが置き換えた問いのほうである。人間と判定されたことが、機械が考えていることを示すのかどうかは、別の問いである。置き換えが適切かどうかは、論文自身が、意見が分かれると認めた点でもある。ちなみに、模倣ゲームは、のちに「チューリング・テスト」と呼ばれるようになったが、この呼び名は、論文自身にはない。

チューリングは、同じ論文の第6節で、この種のゲームの結果について、具体的な数字を挙げた予想も述べている。次の記事では、その「70パーセント」を、ここで見た実験の数字と並べて読んでみよう。

出典