图灵测试——机器能装成人，那它就是在思考吗

大家好，我是 Senko。 本文将解读“图灵测试”。

“机器能思考吗”。一想正面回答这一问，就先得定下“思考”是什么，话头也就在那里停住了。

1950年，数学家艾伦·图灵用干脆把问题本身换成另一个这一手，绕过了这道死胡同：他不再纠缠定义，而是换成“能不能给出与人分辨不出的应答”这个判定得了的问题。

这份果断很漂亮，可同时也一直拖着一份疑虑：“会装就够了吗”。我想正因为AI已成日常，这场论证才更值得重读。

把问题换掉这一手

图灵的论文“计算机器与智能”（Computing Machinery and Intelligence），开头第一句就是“我想考虑‘机器能思考吗’这个问题”。

可他随即就不再追这一问了，因为若从“机器”与“思考”的定义入手，就变成了去调查词的通常用法，答案将由民意调查来定。那样就没有意义了。

于是图灵把问题换成另一种形状，发想是：把含混的问题翻译成一场手续清楚的游戏。我认为这次替换，正是这篇论文里最见脑子的部分。

本来是猜男女的游戏

替换的底本，是当时一种叫“模仿游戏”（imitation game）的玩法。其实最初的设定里并没有机器。

• 分别的房间里有男性A、女性B、提问者C
• C只用文字往来发问，猜哪个是男、哪个是女
• A想骗过提问者，B则老实地帮忙

然后图灵把问题重新立了起来：“那么，若让机器来演A的角色，提问者会以和刚才一样的比例猜错吗”。

做成这个形状，答案实际做一遍就定得下来。“是不是在思考”这个内容上的话头，变成了“分不分辨得出”这个从外面测得了的话头。

如今通常谈的图灵测试，是把这个设定稍作整理的形式：评审与人和机器双方用文字交谈，猜哪一个是机器；猜不中就算机器赢。

顺带一提，图灵还留下过具体的预测：大约五十年后会出现能在五分钟提问里骗过评审的机器（这个估计以当时看来大得离谱的存储容量为前提），正确分辨的概率会掉到七成上下。他把这写作“说机器会思考也能被正常接受”的时间标尺。

被预先打掉的九条反驳

这篇论文的后半，几乎整个用在了回应可预见的反驳上。图灵自己列了九条异议，一条条作答。把主要的列出来。

其中“来自意识的反驳”的回应格外锐利。若说“不确认它是不是真的在感觉就不能认它有智能”，那么我们对别人也做不了同样的确认。把那条标准贯到底，能认下的就只剩自己的心了。

另一处值得注意的，是他放在最后的提议：与其一上来就造大人的头脑，不如造出相当于孩子的头脑再去教育，也许更快。“靠学习去获得能力”这个发想，在那个时点就已写下。

对“会装就够了”的反击

图灵测试越有名，挨的批评也越多。把有代表性的整理一下。

不理解也能通过。最广为人知的批评是“中文房间”：一个只按规则去重排符号的人，一句中文也不懂，从外面看却应答流畅。行为相同，里面也可能是空的。

有一张巨大的表就能通过。还有更极端的例子：只要备下一张把一切可能发生的对话预先写完的、大得离谱的对照表，那台机器就能通过测试。可那里只有检索作业，没有任何配得上叫智能的东西。这个例子把测试“完全不问它怎么得出答案”这一点暴露了出来。

变成了模仿人味儿的竞技。赢下测试的近路不是变聪明，而是模仿人的弱点：故意算得慢、算错，混进打字错误，把话题岔开。实际上，早期的对话程序多半就是朝这个方向调优的，也有用“非母语的孩子”这个设定，把不自然当托词的例子。

太以人为中心。与人不同的智能，越是老实应答就越会被看出是机器。常被拿来作比的是：“飞机放弃模仿鸟之后才飞起来”。只要还把像人当作合格条件，这测试就当不了一般智能的尺子。

人很容易被骗。1960年代造的一个只会做极简单应答的程序，都出现过用户认真向它倾诉烦恼的事。在对方身上找出心来的这份性质，强烈地长在我们这一侧。测试量的也许不是机器的聪明，而是人的好骗。

被翻过来用的地方

有意思的是，这项测试在日常里被以“角色反转的形式”用着——就是网站上常出现的、让你辨认扭曲文字或挑图片的那套机关。

那是一场由机器出题、判定你是不是人的图灵测试，评审与考生对调了位置。它的名称里也含着“用来区分计算机与人的、完全自动化的公开图灵测试”这层意思。

而同一份讽刺，也跟着这套机关走：图像识别性能提高之后，这类题目被一道道攻破。“一直去找只有人才做得到的事”这项工作本身，正在慢慢变难。

大语言模型出现之后变了什么

近年的语言模型不挑话题，都能用自然的文字应答，因此“图灵测试是不是已经被通过了”这个讨论反复出现。

不过这一问没有简单的答案，因为及格线怎么划，结论就整个改变：评审是外行还是专家、对话是五分钟还是几小时、评审知不知道AI的习性，结果都会大幅变动。

而且，就算通过了又能说什么，这个问题也留着。图灵本人并没有证明“通过了就算在思考”。他主张的是：走到那一步，说机器会思考也不会有人反驳得了——这是一条关于用词的预测。

我认为这篇论文的价值，与其说在判定标准本身，不如说在于它戳出了一问：“对一个看不进内侧的对象，我们凭什么承认它有智能”。对人，我们只凭举动就认了心；若只对机器要求另外的证明，就得说出理由。

关于图灵测试常被问到的

真的出现过通过测试的机器吗

宣称通过的例子有好几个，可每一个都带着条件：对话时间短、评审的构成、机器一侧的设定占了便宜，这类批评每次都跟着来。

而且图灵本人并没有严格定下具体的及格线，所以“到这里就算通过”的标准并没有被共享。这份含混，正是讨论没完的最大理由。

只用对话来判定，是不是太窄了

这条指摘由来已久，扩展版也被提出过：不只文字往来，还该把看东西、摸东西、动东西的能力也纳入判定。

背后的主张是：词的意义是在与世界打交道之中习得的，缺了经由身体的经验而只处理语言，成不了真正的理解。这与“词的意义由与外部世界的联系定下”那套论证也是通着的。

这个思想实验对当下的工作有用吗

有用的，我想是“输出看着对”与“处理得对”是两回事这份感觉。测试的弱点正在这里——完全不问过程，只凭结果判定。

评价AI的输出时也是同样的情形：返回来一个像模像样的答案，与返回来一个有根据的答案，并不相同。不问内容的评价，会给擅长模仿的东西打高分。七十多年前的批评，原样成了当下实务上的注意事项。

相关的思想实验

下面是围绕“能不能认机器有心”的心灵哲学思想实验。它们各自从不同角度反驳图灵的那份果断。

结语

本文解读了“图灵测试”。

把“机器能思考吗”这个出不了答案的问题，换成“分不分辨得出”这个测得了的问题。靠这一手，图灵把讨论往前推了一步；与此同时，他也担下了不问内容这份代价，戳这一点的批评一直延续到今天。

有意思的是，那些批评大半都被图灵本人预先论过一遍。他没能答上的，反倒是后来才冒出来的“巨大的对照表也能通过”这条指摘。每次重读都会觉得，这篇论文不只是一部古典，它还站在讨论的现场。

想返回思想实验列表的读者请点击下方链接。

我们下一篇文章见。

著名思想实验大全——中文房间、电车难题、缸中之脑完全解读zh.senkohome.com/thought-experiment-list/