12 คำศัพท์ของเทคโนโลยี AI ที่คนทำธุรกิจในยุคนี้ต้องรู้จัก

เทคโนโลยี AI หรือ Artificial Intelligence ได้เข้ามามีบทบาทในทุกมิติของชีวิตมนุษย์อย่างรวดเร็ว ในช่วงทศวรรษที่ผ่านมาความฝันในการสร้างเครื่องจักร หรือระบบคอมพิวเตอร์ที่สามารถคิด และเรียนรู้ได้เหมือนกับมนุษย์แทบจะเป็นเรื่องที่เป็นไปไม่ได้ แต่ในปัจจุบันเทคโนโลยีได้เข้าไปอยู่โทรศัพท์สมาร์ทโฟนที่เราใช้กันอยู่ทุกวัน เว็บไซต์ที่เราเข้าไปหาข้อมูลทุกวัน รวมไปถึงอุปกรณ์เครื่องใช้ในบ้าน

ในหลายๆตัวอย่าง เทคโนโลยีได้แทรกซึมเข้าอยู่ในกระบวนการทำงานโดยที่เราไม่รู้ตัว จากผลสำรวจล่าสุดของ Narrative Science ที่ได้ทำการสำรวจผู้บริหารทั้งหมด 235 ท่าน พบว่ามีเพียงแค่ 38% ของผู้บริหารที่ทราบว่าได้มีการนำเทคโนโลยี AI มาใช้ในการทำงาน แต่ในขณะที่ 88% ของผู้บริหารได้มีการใช้เทคโนโลยี AI ภายในองค์กรอยู่แล้ว เช่น การวิเคราะห์แบบพยากรณ์ (Predictive analytic) การจัดทำรายงานโดยใช้ระบบอัตโนมัติ การรู้จำ และตอบโต้ด้วยเสียง (Voice Recognition) เป็นต้น ทำให้เห็นประเด็นสำคัญของปัญหานี้คือ คนส่วนใหญ่ไม่เข้าใจว่าเทคโนโลยี AI คืออะไร 

และเมื่อต้องทำงานร่วมกับนักวิจัย และนักพัฒนาสินค้าที่มักจะศัพท์เฉพาะเกี่ยวกับ AI ยิ่งอาจทำให้เกิดความสับสนได้มากยิ่งขึ้น โดยเฉพาะคนที่ไม่ได้ทำงานเกี่ยวข้องกับด้านเทคโนโลยี AI ขนาดผู้ที่มีประสบการณ์ในบางครั้งอาจจะยังสามารถอธิบายถึงความแตกต่างระหว่าง Machine Learning กับ Deep Learning ได้ค่อนข้างยาก 

ในบทความนี้ AI GEN จะทำให้คนที่ต้องทำงานเกี่ยวกับเทคโนโลยี AI ไม่ว่าจะเป็นฝั่งที่ทำงานด้านธุรกิจ และฝั่งที่ทำงานด้านเทคโนโลยีมาทำความเข้าใจคำศัพท์เกี่ยวกับเทคโนโลยี AI เพื่อที่จะสามารถพูดคุย และมีความเข้าใจในเรื่องเทคโนโลยี AI ที่ตรงกัน

1. Artificial Intelligence หรือปัญญาประดิษฐ์

คำอธิบายที่เข้าใจได้ง่ายมากที่สุด Artificial Intelligence หรือปัญญาประดิษฐ์ คือระบบคอมพิวเตอร์ที่สามารถคิดได้เหมือนกับมนุษย์ 

จากในยุคแรกๆของการนำคอมพิวเตอร์มาใช้งาน คอมพิวเตอร์มีความสามารถในการทำหน้าที่เกี่ยวกับเรื่องตรรกะได้ดี เช่น คำนวณปัญหาคณิตศาสตร์ที่ไม่ซับซ้อน อย่างไรก็ตามหน้าที่อื่นๆ เช่น การสร้างบทสนทนา ระบุว่ารูปนี้เป็นสุนัข หรือแมว จำแนกว่าบุคคลคนนี้กำลังมีความสุข หรือเสียใจ ยังคงเป็นเรื่องยากสำหรับคอมพิวเตอร์ในยุคนั้น

คำว่า “Artificial Intelligence” ได้ถูกนำมาใช้ครั้งแรกในงานเวิร์กช้อปด้านวิทยาการคอมพิวเตอร์ปี 1956 โดยเป็นคำที่ถูกกล่าวถึงหน้าที่ที่มนุษย์สามารถทำได้โดยง่าย แต่คอมพิวเตอร์ทำหน้าที่นั้นได้ยาก กล่าวโดยสรุปจากงานเวิร์กช้อป ผู้เข้าร่วมงานในครั้งนั้นจะอุทิศตนให้กับการคิดค้นที่จะทำให้คอมพิวเตอร์มีความสามารถในการใช้ภาษา และทำสิ่งที่เป็นนามธรรมได้ เพื่อที่จะแก้ไขปัญหาซึ่งแต่เดิมต้องใช้มนุษย์ในการแก้ไขปัญหาเท่านั้น

จนถึงปัจจุบัน นักวิจัยทางด้านเทคโนโลยี AI ได้ศึกษาสิ่งเหล่านี้ที่เป็นเทคโนโลยี AI ในยุคบุกเบิก ความสามารถด้านการเข้าใจภาษาด้วยระบบประมวลภาษา หรือ NLP, Image recognition หรือระบบจดจำรูปภาพ หรือวัตถุ และ Machine learning ได้มาเป็นส่วนหนึ่งของเทคโนโลยี AI การศึกษาวิจัยด้านเทคโนโลยี AI ได้ครอบคลุมถึงด้านอื่นๆด้วย ยกตัวอย่างเช่น ความฉลาดทางสังคม (Social intelligence), ความคิดสร้างสรรค์,รถยนต์ไร้คนขับ ระบบการแนะนำสิ่งที่เกี่ยวข้อง (Recommendation engines) และอื่นๆ

2.Machine Learning หรือการเรียนรู้ของเครื่อง

Machine Learning หรือการเรียนรู้ของเครื่องเป็นสาขาหนึ่งของเทคโนโลยี AI ที่โฟกัสที่การทำให้คอมพิวเตอร์สามารถพัฒนาตัวมันเองได้จากการศึกษาการรู้จำแบบ เกี่ยวข้องกับการศึกษาและการสร้างอัลกอริทึมที่สามารถเรียนรู้ข้อมูลและทำนายข้อมูลได้ โดยอัลกอริทึมนั้นจะทำงานโดยอาศัยโมเดลที่สร้างมาจากชุดข้อมูลตัวอย่างเพื่อการทำนายหรือตัดสินใจโดยไม่ต้องเขียนโปรแกรมไว้อย่างชัดแจ้ง นักวิทยาศาสตร์คอมพิวเตอร์ Arthur Samuel ได้อธิบายไว้ว่า Machine Learning นั้นสามารถทำให้คอมพิวเตอร์สามารถทำงานได้โดยไม่ต้องมีการเขียนโปรแกรมไว้อย่างชัดแจ้ง และคำกล่าวของนักวิทยาศาสตร์คอมพิวเตอร์ท่านนี้ได้ถูกมานำมาใช้กันอย่างแพร่หลาย

นักวิทยาศาสตร์คอมพิวเตอร์ได้มีหลากหลายแนวทางที่จะทำให้คอมพิวเตอร์สามารถเรียนรู้ได้ เช่น พวกเขาอาจจะใช้ทั้งอัลกอริทึ่มทั้ง supervised หรือ unsupervised มาช่วยทำให้คอมพิวเตอร์สามารถทำหน้าที่นั้นๆได้ดียิ่งขึ้น ในปัจจุบันเราสามารถพบเจอเทคโนโลยี Machine learning ได้ง่ายๆเมื่อเราเจอกับระบบที่ช่วยแนะนำสิ่งที่เกี่ยวข้องต่างๆ เช่น ใน Amazon หรือ Netflix ที่มักจะชอบแนะนำสินค้าที่เราอาจจะซื้อ หรือหนังที่เราน่าจะดูมาให้ รวมถึง Machine learning ยังเป็นส่วนสำคัญสำหรับเครื่องมือที่ใช้วิเคราะห์ข้อมูลในองค์กรขนาดใหญ่อีกด้วย

3.Deep Learning หรือการเรียนรู้เชิงลึก

เหมือนกับที่ Machine learning เป็นส่วนหนึ่งของเทคโนโลยี AI และ Deep learning ก็เป็นส่วนหนึ่งของ Machine learning ที่โฟกัสที่การกำหนดรูปแบบที่เป็นนามธรรม รวมถึงกำหนดคอนเซป โดยระบบ Deep learning จะนำข้อมูลที่มีอยู่เป็นจำนวนมากมาจัดเป็นหมวดหมู่ และแยกคุณลักษณะผ่านทางการเรียนรู้ทั้งโดยมีผู้บังคับบัญชา (supervised) และเรียนรู้โดยไม่มีผู้บังคับบัญชา(unsupervised)

เพื่อให้เข้าใจวิธีการทำงานของ Deep learning ให้ลองนึกถึงการสอนให้คอมพิวเตอร์แยกแยะว่ารูปไหนเป็นรูปของสุนัข และรูปไหนเป็นรูปของแมว โปรแกรมเมอร์สามารถเขียนโปรแกรมเพื่อบอกได้ว่ารูปไหนคือรูปสุนัข และรูปไหนคือรูปแมว ถึงแม้ว่ามนุษย์สามารถบอกได้เลยว่ารูปไหนคือสุนัข หรือรูปไหนคือแมว แต่เป็นเรื่องที่ยากที่แยกความแตกต่างว่ารูปไหนคือสุนัข หรือรูปไหนคือแมว โดยใช้อัลกอรึที่มที่คอมพิวเตอร์สามารถเข้าใจได้ อย่างไรก็ตามระบบ Deep learning สามารถวิเคราะห์ภาพของสัตว์หลากหลายประเภท แล้วนำมากำหนดเป็นหลักการ หรือกฏเกณฑ์เพื่อดูว่าสิ่งไหนจะเป็นตัวแยกแยะว่ารูปไหนคือสุนัข และรูปไหนคือแมว 

ระบบ Deep learning ต้องใช้การทำงานของโครงข่ายใยประสาทเสมือน หรือ Neural networks และหน่วยประมวลผลภาพกราฟฟิค หรือ Graphical processing unit (GPUs) โดย GPUs คือระบบประมวลผลคอมพิวเตอร์ซึ่งสามารถประมวลผลข้อมูลในจำนวนมากได้ดี เริ่มต้นจากการใช้ในจัดการวิดีโอ และภาพกราฟฟิค แต่ในขณะเดียวกัน GPUs มีประสิทธิภาพสูงในการประมวลผลข้อมูลจำนวนมาก รวมถึงทำหน้าที่ในส่วนของระบบ Machine learning

4.Cognitive Computing หรือระบบคอมพิวเตอร์เสมือนมนุษย์

Cognitive Computing หรือระบบคอมพิวเตอร์เสมือนมนุษย์ คือการทำให้โปรแกรมคอมพิวเตอร์สามารถเลียนแบบกระบวนการคิดของมนุษย์ในสถานการณ์ที่มีความซับซ้อน และคำตอบที่ได้อาจจะกำกวม และไม่แน่นอน โดย Cognitive computing จะมีความคาบเกี่ยวกับเทคโนโลยี AI เนื่องจากมีความเกี่ยวข้องกับเทคโนโลยีที่อยู่เบื้องหลังที่เหมือนกันเพื่อทำให้มีความสามารถในการรับรู้ เช่น ระบบการให้คำปรึกษา โครงข่ายประสาทเทียม (Neural networks) วิทยาการหุ่นยนต์ (Robotics) และ เทคโนโลยีเสมือนจริง (Virtual Reality)

5.Neural Network หรือโครงข่ายประสาทเทียม

Neural Network หรือโครงข่ายประสาทเทียม คือระบบคอมพิวเตอร์ที่จำลองการทำงานจากสมองของมนุษย์ 

ในปี 1956 ที่นักวิทยาศาสตร์ได้มีการรวมตัวกันทำเวิร์กชอป และได้มีการหารือเกี่ยวกับเรื่องเทคโนโลยี AI กันเป็นครั้งแรก โดยมีความเห็นกันว่าทุกๆมิติของการเรียนรู้ และคุณลักษณะของความสามารถในการคิดและเรียนรู้ของมนุษย์สามารถนำมาเป็นหลักการที่อธิบายได้อย่างแม่นยำ และสามารถสร้างคอมพิวเตอร์ที่เลียนแบบทักษะนี้ของมนุษย์ได้ ในความเป็นจริงแล้วนักวิทยาศาสตร์คิดว่าเป็นเรื่องง่ายที่จะสร้างโมเดลคอมพิวเตอร์ที่ทำงานได้เหมือนกับสมองของมนุษย์ ซึ่งคงใช้เพียงนักวิทยาศาสตร์ 10 คนกับเวลาเพียง 2 เดือนก็น่าจะเพียงพอ

แต่ระยะเวลาที่ได้วางไว้ไม่ได้ใกล้เคียงกับความเป็นจริง เมื่อคิดถึงเรื่องที่ว่าในปัจจุบันนักวิทยาศาสตร์ก็ยังคงดำเนินการสร้างระบบคอมพิวเตอร์ที่สามารถทำงานให้ได้เหมือนกับสมองของมนุษย์ อย่างไรก็ตามนักวิทยาศาสตร์คอมพิวเตอร์ได้ดำเนินการคืบหน้าไปมาก เพราะในปัจจุบันโครงข่ายประสาทเทียม หรือ Neural Network ที่ใช้โหนดที่คล้ายคลึงกับเซลล์ประสาททางชีววิทยา สามารถทำงานหลายอย่างที่เกี่ยวข้องกับคอมพิวเตอร์วิทัศน์ (Computer vision หรือการที่คอมพิวเตอร์สามารถเข้าใจภาพหรือวิดีโอในรูปแบบเดียวกับที่ระบบการมองเห็นของมนุษย์) การรู้จำคำพูด กลยุทธ์เกมกระดาน และอื่นๆ

6.Supervised (การเรียนรู้แบบมีผู้บังคับบัญชา) และ Unsupervised Learning(การเรียนรู้แบบไม่มีผู้บังคับบัญชา)

ภายใต้การทำงานของ Machine learning และ Deep learning มีหลากหลายวิธีที่เป็นไปได้ที่จะสามารถสอนให้คอมพิวเตอร์เรียนรู้ได้ และ 2 วิธีที่ได้รับความนิยม คือการเรียนรู้แบบมีผู้บังคับบัญชา (Supervised Learning) และการเรียนรู้แบบไม่มีผู้บังคับบัญชา(Unsupervised Learning)

สำหรับการเรียนรู้แบบมีผู้บังคับบัญชา หรือ Supervised Learning ระบบคอมพิวเตอร์จะมีอาจารย์ ซึ่งก็คือมนุษย์ หรือ Data Scientist ที่จะเป็นคนป้อนข้อมูลตัวอย่างเข้าไปในระบบ ตัวอย่างเช่นในเคสของการแยกแยะว่ารูปไหนคือรูปสุนัข และรูปไหนคือรูปแมวที่ได้ยกตัวอย่างไปเมื่อก่อนหน้า การเรียนรู้แบบมีผู้บังคับบัญชาจะต้องมีคนที่ทำหน้าที่ป้อนข้อมูลรูปสุนัข และรูปแมวเข้าไปในระบบ และระบบคอมพิวเตอร์จะทำการเรียนรู้จากข้อมูลที่ถูกป้อนเข้าไป

สำหรับการเรียนรู้แบบไม่มีผู้บังคับบัญชา หรือ Unsupervised Learning ไม่ได้มีการป้อนข้อมูลตัวอย่างเข้าไปในระบบ แต่ระบบจะทำการหารูปแบบ หรือแพทเทิร์นจากข้อมูลที่มีอยู่ โดยรูปแบบนี้จะเป็นประโยชน์เมื่อต้องการหาข้อมูลเชิงลึกจาก Big data ที่มีอยู่
และอีกประเภทหนึ่งของ Machine learning คือ การเรียนรู้แบบกึ่งมีผู้สอน (Semi-structured learning) โดยจะมีข้อมูลให้ระบบได้เรียนรู้ส่วนหนึ่ง และให้ระบบเรียนรู้จากข้อมูลเหล่านั้น หลังจากนั้นระบบจะทำงานได้ดีหรือไม่ขึ้นอยู่กับความสมบูรณ์ของงานที่ได้รับมอบหมาย

7.Algorithm  หรือชุดของคำสั่งที่สร้างไว้ตามขั้นตอน

ความหมายในพจนานุกรมของอัลกอริทึ่ม หมายถึงกระบวนการ หรือชุดของกฎที่ใช้ในการคำนวณ และการแก้ไขปัญหาอื่นๆโดยเฉพาะการทำงานของคอมพิวเตอร์ หรือถ้าเป็นในคำจำกัดความของ Layman ได้กล่าวไว้ว่าเมื่อเราพูดถึงอัลกอริทึ่ม มักจะเป็นเรื่องของกระบวนการ และโดยมากเป็นกระบวนการที่เกี่ยวข้องกับคณิตศาสตร์

เมื่อเราอยู่ชั้นประถม เราได้เรียนเกี่ยวกับอัลกอริทึ่มสำหรับการหารยาว คุณได้เรียนรู้กระบวนการเกี่ยวกับการคูณ บวก ลบ และการปัดทศนิยม 

และเมื่อเราพูดถึงอัลกอริทึ่มของเทคโนโลยี AI และ Machine learning เรากำลังพูดถึงกระบวนการเดียวกันกับตอนที่เราเรียนคณิตศาสตร์ตอนชั้นประถม แต่มีความซับซ้อนมากกว่า ตัวอย่างเช่น Google ได้ใช้อัลกอริทึ่ม (กระบวนการที่มีการตั้งกฎเอาไว้) ในการตัดสินว่าเว็บไซต์ไหนจะถูกแสดงผลอยู่ด้านบนสุดของหน้าการค้นหา ในเทคโนโลยี Machine learning ระบบได้ใช้ประเภทของอัลกอริทึ่มที่หลากหลายเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด ตัวอย่างอัลกอริทึ่มที่ใช้กันบ่อย ได้แก่ แผนผังต้นไม้ (Decision trees), อัลกอริทึ่มแบบจำแนก (classification algorithms), อัลกอริทึ่มแบบถดถอย (Regression algorithms) เป็นต้น

8.แชทบอท

แชทบอท หรือที่เรียกว่าบอท หรือเจ้าหน้าที่ในการให้ข้อมูลลูกค้า แชทบอทคือเทคโนโลยี AI ที่ใช้ความสามารถในการประมวลผลภาษาแบบธรรมชาติ (NLP) ในการสร้างบทสนทนาให้สามารถดำเนินต่อไปได้โดยที่ไม่ต้องใช้พนักงานในการตอบคำถาม ในปัจจุบันตัวอย่างของแชทบอทที่เป็นที่รู้จัก ได้แก่ Siri ของ Apple, Cortana ของ Microsoft และAlexa ของ Amazon อย่างไรก็ตามมีหลายบริษัทที่ได้ลงทุนในเทคโนโลยีแชทบอท และหลายเว็บไซต์ได้มีการนำแชทบอทมาใช้ในการตอบคำถามด้านเทคนิคให้กับลูกค้า รวมถึงนำแชทบอทมาใช้ในการแนะนำลูกค้าในแต่ละขั้นตอนของการขาย และสร้างปฎิสัมพันธ์กับลูกค้าในรูปแบบใหม่ๆ

9.Data mining หรือการทำเหมืองข้อมูล

Data mining คือการมองหารูปแบบ หรือแพทเทิร์นในชุดข้อมูล โดยที่สามารถระบุถึงความสัมพันธ์ และเทรนด์ของข้อมูลที่มิเช่นนั้นข้อมูลนั้นอาจจะถูกละเลยไปได้ ยกตัวอย่างเช่น ถ้านำ Data mining ไปใช้กับข้อมูลยอดขายของ Walmart อาจจะทำให้พบว่าคนที่อยู่ทางภาคใต้ชอบซื้อมันฝรั่งยี่ห้อใดยี่ห้อหนึ่งโดยเฉพาะ หรือในช่วงเดือนตุลาคมคนมักจะซื้อสินค้าที่มีคำว่า “เครื่องเทศฟักทอง” อยู่บนผลิตภัณฑ์

เครื่องมือ Data mining ไม่จำเป็นต้องมีความสามารถในเรื่องของ Machine learning หรือ Deep learning แต่ในปัจจุบันด้วยความก้าวหน้าของเทคโนโลยีซอฟต์แวร์ Data mining ทำให้ส่วนใหญ่จะมีฟีเจอร์เหล่านี้อยู่ด้วย

10.Natural Language Processing หรือความสามารถในการประมวลผลภาษาแบบธรรมชาติ

Natural Language Processing หรือ NLP คือสาขาหนึ่งของเทคโนโลยี AI ที่เกี่ยวข้องกับความสามารถในการเข้าใจ และสร้างสรรค์คำพูดได้เหมือนกับที่มนุษย์ใช้ภาษา โดยปกติคอมพิวเตอร์จะสามารถเข้าใจภาษาที่ใช้ในการเขียนโปรแกรม แต่การที่จะให้คอมพิวเตอร์เข้าใจภาษาอังกฤษ หรือภาษาจีนนั้นมีความซับซ้อนกว่ามาก

คุณอาจจะมีประสบการณ์กับวิวัฒนาการของ Natural Language Processing หรือ NLP เมื่อคุณใช้บริการ Search engine ในยุคแรกของอินเตอร์เน็ต ผู้ใช้งาน Search engine ต้องพิมพ์คำเชื่อมเพื่อช่วยในการค้นหาคีย์เวิร์ดที่ต้องการ เช่น ถ้าคุณต้องการค้นหาคำว่า “ความหมายของปัญญาประดิษฐ์ และ Machine learning” คุณจะต้องพิมพ์ว่า “ปัญญาประดิษฐ์” หรือ “Machine learning” และ “ความหมาย” เข้าไปใน Search engine แต่ในปัจจุบันความสามารถทางด้านความเข้าใจภาษาของ Search engine ได้พัฒนาขึ้นมาก เพียงแค่พิมพ์ “ปัญญาประดิษฐ์คืออะไร” ก็จะได้คำตอบที่คุณต้องการ พร้อมทั้งแจ้งแหล่งที่มาของข้อมูล

11.Predictive Analytics หรือการวิเคราะห์เชิงทำนาย

ในปัจจุบันเกือบทุกบริษัทได้มีการนำข้อมูลมาใช้ในการวิเคราะห์ Predictive Analytics หรือการวิเคราะห์เชิงทำนายเป็นการวิเคราะห์ข้อมูลประเภทหนึ่งที่สามารถบอกผู้ใช้งานได้ว่าอะไรที่มีแนวโน้มจะเกิดขึ้นในอนาคต

ยกตัวอย่างเช่น ใส่ข้อมูลยอดขายย้อนหลังของบริษัท 10 ปีเข้าไปในระบบ และให้ระบบคาดการณ์ว่ายอดขายในไตรมาสถัดไปจะเป็นอย่างไรเมื่อพิจารณาจากข้อมูลที่มีอยู่ในปัจจุบัน เป็นต้น

ระบบ Predictive Analytics ในปัจจุบันมักจะถูกรวมเข้ากับความสามารถของ Data mining และ Machine learning และถือว่าเป็นความก้าวหน้าอีกขึ้นของเทคโนโลยี AI โดยที่ระบบ Predictive Analytics ได้ใช้อัลกอริทึ่มในการช่วยประมวลผลข้อมูล และคาดการณ์ถึงเหตุการณ์ที่อาจจะเกิดขึ้นในอนาคตได้

12.Turing Test หรือการทดสอบของทัวริง

การทดสอบของทัวริงเป็นชื่อที่ตั้งตามผู้ที่คิดค้น คือ อลัน ทัวริง (Alan Turing) นักวิทยาศาสตร์ในยุคแรกที่เป็นผู้คิดค้นทฤษฎีเกี่ยวกับเทคโนโลยีปัญญาประดิษฐ์ อลัน ทัวริงได้นำเสนอบททดสอบแบบง่ายๆเพื่อทดสอบว่าระบบคอมพิวเตอร์นั้นสามารถทำงานได้บรรลุผลของเทคโนโลยี AI หรือไม่ โดยจะมีคนที่เป็นคนพิมพ์คำถามเพื่อซักถามระบบคอมพิวเตอร์ และหลังจากนั้นจะมีทั้งคน และระบบคอมพิวเตอร์ที่จะเป็นคนพิมพ์ตอบคำถามเหล่านั้น ถ้าคนที่เป็นผู้ถามคำถามไม่สามารถแยกได้ว่าคำตอบนั้นมาจากคน หรือมาจากคอมพิวเตอร์ ในความเห็นของอลัน ถือว่าระบบนั้นได้ผ่านการทดสอบ และบรรลุเป้าหมายของเทคโนโลยี AI 

ในปีที่ผ่านๆมา มีระบบ AI หลายระบบได้เคลมว่าระบบ AI ของตนเองนั้นได้ผ่านการทดสอบของทัวริงเรียบร้อยแล้ว แต่ผลจากการทดสอบยังคงข้อโต้แย้งกันอยู่ บางกลุ่มได้มีการตั้งคำถามว่าการทดสอบของทัวริงเป็นวิธีที่ดีพอแล้วหรือยังที่จะมาใช้ทดสอบประสิทธิภาพการทำงานของระบบ AI โดยเรื่องนี้ก็ยังเป็นหัวข้อในการสนทนากันอยู่ในแวดวงเทคโนโลยี AI