图灵测试

用一个游戏替换一个问题

图灵测试是一种从行为而非定义入手、讨论机器智能的思路。它出自艾伦·图灵（Alan Turing）1950年的论文《计算机器与智能》（Computing Machinery and Intelligence），发表在《Mind》上，文中把它称为「模仿游戏」（imitation game）^[1][2]。论文开篇提出要考察「机器能思考吗？」这个问题，随后用一个密切相关、表述更明确的问题把它替换掉^[1][2]。

模仿游戏怎么玩

图灵在原文中描述的是一个三人参与的室内游戏：一名男子、一名女子，以及一位待在另一个房间、与其他两人分开的提问者（interrogator）^[1][2]。提问者看不见参与者，只能通过书面文字与他们交流；为了让语调不成为线索，回答应当写下来，最好是打印出来^[1][2]。提问者要做的是判断另外两人中谁是男子、谁是女子。接着图灵提出：如果让一台机器扮演其中一方，会发生什么？他说，这些问题就取代了原来的问题——「机器能思考吗？」^[2]

这一步很关键：与其争论「思考」到底是什么，不如设计一个局面，让关于机器智能的主张可以通过观察一场对话来检验。

通常的理解

对图灵测试的一种标准解读是：由一位人类评估者（evaluator）阅读一份自然语言对话的文字记录，对话的两方分别是人和机器^[1]。评估者要找出哪一方是机器；如果评估者无法可靠地把两者区分开，机器就算通过^[1]。在这种理解下，结果并不取决于机器能否正确回答问题，而只取决于它的回答有多像人的回答^[1]。图灵始终没有说明提问者是否知道其中一方是计算机^[1]。

他还给出了一个具体的目标：他预测，大约50年后，普通提问者经过5分钟提问，做出正确判断的概率不会超过70%^[1]。这就把一个哲学问题变成了带有时间限制和判定门槛的东西。

它衡量什么、不衡量什么

图灵测试严格说来只关心对象如何表现，也就是机器的外部行为，采取的是行为主义或功能主义的路径^[1]。它并不直接检验计算机是否表现得聪明，只检验它是否表现得像人^[1]。答案正确与否无关紧要，与人的相似程度才是全部标准。

这一设计也有代价。既然唯一的证据是机器输出的内容，测试就无法看到内部是否存在类似理解的东西。

批评

塞尔（Searle）的「中文房间」（Chinese room）论证指出，即便有一个很好的智能操作定义，也未必能说明存在心智、意识或意向性（intentionality）^[1]。这一点直接适用于一个建立在文字记录之上的测试：系统可以给出很像人的回答，而关于这些回答背后究竟发生了什么，争论依然开放。

这篇论文发表在《Mind》第59卷第236期、第433至460页^[2]，至今已过去数十年，模仿游戏仍然是人们谈论机器智能时最熟悉的一种表述方式——它的价值与其说在于给出合格线，不如说在于清楚说明：「机器能思考吗？」这个问题若要从行为上回答，究竟该长成什么样子。