Computing Machinery and Intelligence（图灵测试）

一句话

图灵把无法验证的形而上问题「机器能思考吗」替换成一个可操作的行为测试——模仿游戏（imitation game），即后来的图灵测试：若裁判隔着电传打字机与一台机器和一个真人交谈、却无法可靠地把机器认出来，我们就没有理由否认这台机器「会思考」。他进一步逐条驳倒了九种反对意见，并提出一条通往机器智能的具体路线——不要直接编写成人心智，而是造一台「小孩机器」再教育它，这被视为机器学习、强化学习与进化计算的思想先声。

Glossary · 术语表

坐标

作者阿兰·图灵，文章 1950 年 10 月发表于哲学期刊《Mind》（不是技术刊物）。此时距他 1936 年奠定「可计算性」与通用机、以及二战布莱切利园破译密码，已过去十余年；世界上第一批可编程电子计算机刚刚出现。它上承图灵自己的通用机思想，下启 1956 年达特茅斯会议（「人工智能」一词在那里诞生）——本文比那还早六年，是 AI 领域公认的哲学与目标的起点文献。

问题与动机

图灵开篇就说：「我打算考虑一个问题——机器能思考吗？」但他立刻指出这个问法有毛病：要回答它，就得先给「机器」和「思考」下定义，而这两个词的含义只能靠调查普通人怎么用它们来定，最后必然沦为「统计谁投票认为机器在思考」的口水仗——荒谬且不可能有定论。

当时的争论正卡在这里：一派坚信机器不过是没有灵魂、没有意识的铁疙瘩，谈何思考；另一派则语焉不详。双方都在争「思考」的本质，而本质根本无法验证——你甚至没法证明别人真的在思考，凭什么用更高的标准要求机器？图灵要做的，就是把这个死结从「本质之争」拆成「一个能实际判定的问题」。

核心思想 / 方法

点子一：用「模仿游戏」替换原问题

图灵的第一步棋，是换一个问题——一个和原问题「密切相关、却能明确表述」的问题。他从一个客厅游戏讲起：一名男子（A）、一名女子（B）藏在另一个房间，裁判（C）通过打字条向两人提问，任务是判断谁是男谁是女；A 想方设法误导裁判、B 则努力帮裁判判断正确。然后图灵抛出关键一问：「如果让一台机器来充当 A，会怎样？」裁判认错的频率，会不会和「男女对局」时一样高？

去掉这层原始的性别外壳，它就成了今天人人皆知的图灵测试：裁判隔着电传打字机，同时与一台机器和一个真人交谈，努力分辨哪个是机器；机器则努力伪装成人。如果裁判无法比「瞎猜」更可靠地把机器揪出来，我们就应当承认这台机器「会思考」。

这一步的深意在于把不可验证的「思考本质」换成了可观测的「谈吐表现」——一种行为主义的判据。它有三重好处：其一，只比谈吐、不比外貌与嗓音，把「思考」与「长得像人」彻底分开；其二，问题的范围不设上限——裁判可以问诗歌、算术、下棋、聊天气，几乎无所不包；其三，它把举证责任翻转了：你若坚持机器不会思考，就得说清它到底在哪一句话上露了马脚。图灵不是在定义「思考是什么」，而是在给「我们何时该承认它思考」立一个可执行的标准。

点子二：对九种反对意见的逐条回击

换题之后，图灵预演并反驳了九种「机器不可能思考」的论点，这部分构成全文的说理主体。最有分量的几条是：

• 数学反对（哥德尔式）：不完备定理表明，任何一台确定的机器都有它答不了、或必答错的问题，可见机器有天花板。图灵反问：凭什么假定人类没有自己的天花板？人也会答错、也有想不通的事；这条论点偷偷预设了「人类智力无上限」，而这从未被证明。
• 意识反对（杰弗逊教授）：神经外科医生杰弗逊（Geoffrey Jefferson）说，除非机器是因为感受到情感而写出十四行诗、并且知道自己写了，否则不算思考。图灵指出这条路通向唯我论：照此逻辑，你要确认机器有意识就得变成那台机器——可你要确认别人有意识，不也得变成别人？我们对人采取「大家都在思考」的礼貌约定，凭什么独独苛求机器？他并不否认意识是个谜，只是认为不必先解开这个谜，才能回答测试里的问题。
• 洛夫莱斯夫人反对：早在 19 世纪，阿达·洛夫莱斯（Ada Lovelace）评价巴贝奇的分析机时说：「它不能创造任何新东西，只能做我们知道怎么命令它做的事。」即机器无法带来惊喜。图灵回应：机器常常让他吃惊；「凡惊喜必有心智参与」本身就是错觉——惊喜往往只是我们没算到后果而已。机器完全可以做出连设计者都没预料的行为。
• 各种「机器永远不能 X」：不能幽默、不能犯错、不能享用草莓奶油、不能成为自己思考的对象……图灵说这些多半是从「见过的那几台丑机器」草率归纳出来的偏见。仅举「犯错」为例：他区分功能性错误（线路坏了）与结论性错误（算出错答案）——想让机器犯后一种错，编个程序让它偶尔出错即可，毫不困难。

其余几条——神学反对（思考是灵魂专属）、「鸵鸟」反对（机器会思考太可怕、但愿它不能）、神经系统的连续性、行为的不可形式化、乃至他半认真讨论的超感官知觉（ESP/心灵感应）——图灵也一一作答。这一整节的锋芒是一致的：几乎所有「机器不能思考」的断言，要么建立在对人类自身的过度自信上，要么建立在对机器的狭隘想象上。

点子三：与其硬编成人，不如培育「小孩机器」

全文最有前瞻性的，是结尾的学习机器一节。图灵算了一笔账：直接编写一个成人心智，工程量大得吓人。他转而提议：「与其编程序去模拟成人的心智，为何不去模拟孩子的？再给它一套合适的教育，不就得到了成人的大脑？」

他把这个方案拆成三块：初始状态（出厂时的「小孩机器」）、教育过程（老师用奖励与惩罚去训练它）、以及其他经验。他甚至给出了一个近乎进化算法的类比：把小孩机器的结构看作遗传物质、对它的改动看作变异、实验者的取舍看作自然选择——让好的变体留下来。他还建议在学习中掺入随机成分。

这段话在 1950 年近乎科幻，却精准预言了此后 AI 的主干道：智能不必被完整地手写出来，它可以被「学」出来。今天从深度学习的梯度训练、到强化学习的奖惩、到进化算法，全都能在这一节里找到影子。

关键结果

这是一篇哲学论证文，没有实验、没有数据集——它的「结果」是一套思想框架与一个大胆预言。图灵预测：约五十年后（即 2000 年前后），可以给存储约 10⁹ 比特（约合今天一百多 MB）的计算机编程，让它把模仿游戏玩得足够好，使普通裁判在五分钟提问后、正确识别的概率不超过 70%（即被机器骗过约三成）。他还预言，到那时人们对语言与观念的用法会大变，以至于「谈论机器会思考而不会被反驳」。他甚至粗估了工程量：「按我现在的速度每天能写约一千位程序，六十个人稳定干五十年，也许能完成。」这些数字与其说是精确预测，不如说是把一个哲学立场落到可讨论的量级上。

为什么重要 / 影响

它的影响力远超一篇论文：「图灵测试」成了机器智能的文化图腾，几乎每一本 AI 教科书、每一次「机器是否真懂」的公共辩论都从它讲起。更深层的贡献有两点：其一，它为一门尚未诞生的学科定下了可操作的目标与判据——六年后达特茅斯会议才把这门学科命名为「人工智能」；其二，「学习机器 / 小孩机器」一节提前半个世纪指出了「让机器自己学」这条正确路线。它也把「智能」的讨论从神学与形而上学，硬生生拽进了工程与科学可以着手的领域。1966 年的聊天程序 ELIZA、1991 年起的 Loebner 奖竞赛，乃至今天的大语言模型评测，都是它投下的长影。

局限与批评

• 「会装」不等于「真懂」——中文房间：哲学家塞尔（John Searle）1980 年的中文房间思想实验最为致命：一个人关在屋里、按规则手册摆弄中文符号，能骗过外面的中国人，但他根本不懂中文。可见通过行为测试，未必代表有真正的理解与语义——这直接动摇了图灵测试的行为主义前提。
• 测的是「像人」而非「智能」：游戏奖励的是伪装成人、乃至骗术——机器可以靠装傻、故意打错字、答非所问来蒙混，而这些和真正的智能无关；反过来，一个远超人类但「不像人」的智能，可能通不过测试。这个判据是高度拟人化的。
• 它量的可能是「人有多好骗」：仅靠模板匹配的 ELIZA 就骗过了不少人，说明人类倾向于过度赋予对方心智（ELIZA 效应）。于是测试的结果，一半取决于机器、一半取决于裁判的轻信。
• 范围偏窄：刻意限定为「隔屏打字对话」，虽然巧妙地剥离了外貌，却也把智能压缩成了文字聊天，忽略了感知、运动、具身等大量非语言的智能形态。
• 它或许本就不是「定义」：不少学者认为，图灵从未想把测试当作「智能的定义」，而更像一记终止形而上争论的修辞——如今大语言模型能在轻量场景下骗过人，反倒让「通过测试到底证明了什么」重新成为争议，也侧面说明这个判据的边界一直很模糊。

要点