计算机器与智能是艾伦·图灵于1950年撰写的一篇开创性论文，发表于期刊《心》（Mind）。它是人工智能哲学领域最具影响力的著作之一，引入了如今广为人知的图灵测试概念。图灵在论文开篇提出“机器能思考吗？”这一问题，并提出了一个实用、可操作的标准来回答它，将讨论从抽象的哲学定义转向了可经验检验的场景。
这篇论文为随后数十年的人工智能研究奠定了基础，并回应与驳斥了一系列针对机器智能可能性的反对意见，涵盖从神学和数学论证到基于意识与创造性的论点。其思想持续影响着机器学习、神经网络和大型语言模型等不同领域中的讨论。
模仿游戏
图灵的核心提议是“模仿游戏”，这是一种旨在避免定义“思考”或“意识”的测试。在最初的表述中，人类审讯者通过文本与两个实体交流：一个人和一台机器。审讯者的任务是判断哪一个是哪一个。如果机器能在相当大比例的时间内成功骗过审讯者，使其做出错误识别，则机器通过测试。图灵认为，如果机器能以这种方式成功模仿人类，那么就有理由说这台机器在思考。
这一表述侧重于可观察的行为，而非内部心理状态。它回避了机器是否能真正感受或具有意识的问题，而是提出，能维持令人信服的文本对话的能力是智能的充分标准。该测试随后成为文化标志，常简称为图灵测试，并一直是批评与改进的对象。
反对意见与反驳
论文的很大一部分致力于回应针对机器智能可能性的九大主要反对意见。图灵预见了后来在AI讨论中常见的论点。他考虑了神学反对意见，即思考是人类灵魂的属性，以及“鸵鸟心态”反对意见，即思考机器的前景过于令人不安而不愿考虑。他还讨论了数学方面的反对意见，特别是基于哥德尔不完备定理的论点，有人认为这显示了机器可能体现的任何形式系统的固有局限性。
图灵用逻辑和实用论证反驳了这些观点。例如，他指出，数学反对意见混淆了单个机器的能力与人类智力的更广泛概念，并注意到人类自身也受类似局限性制约。他还驳斥了基于意识的论点，，即机器永远无法真正感受情绪或拥有主观体验，，指出我们也永远无法确定另一个人类的内在生活。他的回应是务实的，强调问题应由实验而非先验推理来解决。
数字计算机与学习机器
图灵将讨论建立在他所处时代的技术基础上，描述了数字计算机的架构。他解释说，数字计算机在原则上是通用机器，只要有足够的存储和时间，就能模拟任何其他数字机器。这种通用性是其论证的关键：如果一台机器能被编程来模拟人脑，那么它就可能展现出智能行为。
他还推测了如何制造这样的机器。与其直接尝试编程智能，图灵建议最有前景的方法或许是制造一个“儿童机器”，然后对其进行教育与学习的过程。这一想法预示了现代机器学习和深度学习范式，即模型基于大型数据集进行训练，而非显式编程。图灵甚至提出了一种强化学习形式，建议机器可因正确行为获得奖励，因错误行为受到惩罚，这一概念预示了现代技术，如基于人类反馈的强化学习。
遗产与影响
这篇论文的影响力远超其直接历史背景。它将AI确立为一门合法的科学研究领域，并提供了明确、可测试的目标。图灵测试一直是众多竞赛的主题，最著名的是勒布纳奖，并在无数论文和大众媒体中被引用。虽然一些研究者如今认为该测试过于拟人化或易于玩弄，但它仍是一个基础性的思想实验。
图灵的思想也与当代发展产生共鸣。大型语言模型和生成式AI的兴起将机器智能问题重新推向前沿。像OpenAI和Google DeepMind开发的现代系统能够进行流畅对话，但它们是否真正“思考”仍是一个悬而未决的问题。图灵的论文为讨论这些问题提供了框架，即使技术格局已发生巨大变化。他强调学习与适应而非硬编码规则的观点已被证明具有先见之明，因为基于海量数据训练的神经网络现已主导该领域。
批判视角
尽管具有持久重要性，这篇论文也面临重大批评。一些哲学家，如约翰·塞尔，认为通过行为测试并不能保证真正的理解，正如中文房间论证所示。另一些人指出，该测试对人机对话的侧重可能过于狭隘，可能排除了非拟人化的智能形式。图灵本人承认了这些局限性，指出“机器能否思考”这一问题“过于无意义，不值得讨论”，他的测试是对更基本定义的务实替代。
近年来，研究者提出了替代基准，如常识推理、创造力或从最少数据中学习能力的测试。然而，图灵的原始论文仍是这些辩论的试金石。这是一份将哲学严谨与技术洞见相结合的非凡文献，其核心问题，，机器能思考吗？，，继续推动着研究界与公众对AI的迷恋。