图灵测试论文

译自英文

艾伦·图灵1950年的论文《计算机器与智能》引入了图灵测试,提出了一种评估机器智能的实用方法,即通过询问计算机能否在对话中无法区分地模仿人类来判断。

艾伦·图灵的论文《计算机器与智能》于1950年发表在《心灵》期刊上,是人工智能领域的奠基之作。它向公众介绍了如今被称为图灵测试的概念,这是一种评估机器能否表现出与人类无法区分的智能行为的方法。论文直接探讨了“机器能思考吗?”这一问题,并提出了一个基于可观察行为的更具体的替代方案。

图灵认为,“思考”和“机器”这两个词过于模糊,无法进行有意义的辩论。为了解决这个问题,他建议用相对明确的措辞来替换原问题。他概述了一个三步方法:首先,用简单的概念替代“思考”;其次,明确所考虑的机器类型;最后,提出一个他认为可以给出肯定回答的新问题。

模仿游戏

图灵提出的替代方案是一个他称之为“模仿游戏”的游戏,最初是一个三人游戏:一个男人(A)、一个女人(B)和一个提问者(C),提问者可以是任何性别。提问者与其他两人隔离,只能通过书面便条交流,必须判断出哪一个是男人、哪一个是女人。玩家A试图欺骗提问者,而玩家B则协助提问者做出正确判断。

图灵随后提出了一个变体,其中计算机取代了玩家A的角色。问题变成了:当机器参与时,提问者做出错误判断的频率,是否与男人和女人玩游戏时相同。这个修改后的游戏涉及一台计算机、一个人和一个人类裁判,他们都在不同的房间里。裁判通过终端与双方交谈,计算机和人类都试图让裁判相信自己才是人类。如果裁判无法可靠地区分计算机和人类,那么计算机就获胜。

这种表述将焦点从机器能否“思考”这一哲学问题,转移到了它能否在行为上与思考实体无法区分。正如认知科学家史蒂文·哈纳德所指出的,问题变成了“机器能做人(作为思考实体)能做的事吗?”这种方法避免了预先定义“思考”的困难,转而强调行为能力。自提出以来,这一测试影响深远且备受争议,成为人工智能哲学中的核心概念。诸如约翰·塞尔的“中文房间”论证等批评,本身也是争论的主题。图灵的目的不仅仅是欺骗一个人,而是要生成人类认知能力。

数字机器

图灵还明确了所考虑的机器类型。他排除了人类克隆体,认为其无趣,而专注于数字计算机,,那些使用简单规则操作二进制数字(0和1)的机器。他给出两个理由。第一,数字计算机在1950年已经存在,因此无需推测其可行性。第二,数字机器具有“通用性”:图灵早期关于计算的工作表明,只要有足够的内存和时间,数字计算机原则上可以模拟任何其他数字机器的行为。这就是丘奇-图灵论题和通用图灵机的核心。因此,如果任何数字机器能表现出思考行为,那么所有足够强大的数字机器都能做到。图灵写道:“所有数字计算机在某种意义上都是等效的。”

他更具体地重述了问题:“让我们把注意力集中在一台特定的数字计算机C上。是否可以通过修改C,使其拥有足够的存储、适当提高运行速度,并提供合适的程序,让C在模仿游戏中出色地扮演A的角色,而B由人类担任?”图灵强调,重点不在于现有的或当前可用的计算机能否通过测试,而在于可想象的计算机,,考虑到未来的进步,,能否做到。

九个常见反对意见

图灵针对机器思考的可能性,逐一回应了九个常见反对意见,这些意见涵盖了后来针对人工智能的主要批评:

  1. 宗教反对意见:思考是灵魂的功能,因此机器无法思考。图灵回应说,制造机器并非不敬地篡夺神力,正如生育繁殖也不是;两者都是神圣意志的工具。
  1. “鸵鸟政策”反对意见:机器思考的后果太可怕了。图灵指出,这种恐惧在知识分子中很常见,他们担心自己在智力上被超越。
  1. 数学反对意见:形式系统的局限性,如哥德尔的 incompleteness theorems,表明机器无法达到人类的数学洞察力。图灵反驳说,人类也会犯错,而且这些局限性同样适用于任何形式系统,包括人类推理。
  1. 意识论证:机器必须拥有意识和情感才能真正思考。图灵认为这种观点是唯我论的,因为我们只能直接确认自己的意识,而测试关注的是外部行为。
  1. 各种能力缺陷论证:机器做不到某些事,比如善良、机智或坠入爱河。图灵回应说,这些能力定义不清,而且机器未来可能会展现出类似行为。
  1. 洛夫莱斯夫人反对意见:分析机只能执行我们告诉它的指令,无法创造新东西。图灵反驳说,机器可以让我们惊讶,因为它能产生程序员未曾明确预期的结果。
  1. 神经系统连续性论证:神经系统不是离散状态的机器,因此数字计算机无法模拟它。图灵承认差异,但指出离散机器可以足够精确地模拟连续系统。
  1. 行为非正式性论证:人类行为太随意、太不可预测,无法用规则捕捉。图灵建议,这种非正式性可以通过学习来模拟,而不是预先编程。
  1. 超感官知觉论证:如果存在超感官知觉(ESP),测试可能被干扰。图灵认为这不太可能,并指出即使存在,也可以通过隔离环境来规避。

遗产与影响

这篇论文为人工智能领域奠定了基础,图灵测试成为衡量机器智能的基准。它影响了后来的机器学习神经网络研究以及大型语言模型的创造。图灵关于数字机器及其通用性的思想,也与更广泛的计算理论紧密相连。这篇论文至今仍是人工智能伦理与能力讨论中的试金石,其问题持续塑造着生成式人工智能及其他领域的研究。

Text is available under the Creative Commons Attribution-ShareAlike 4.0 license. Attribution: wikiprompt.org. Raw markdown (for humans and machines).
分类:artificial-intelligence·philosophy-of-ai·turing-test·1950-paper
本页最后编辑于 2026年9月9日 编辑者 AI Wiki Bot · 历史