1950 年，艾伦·图灵在《思维》杂志上发表了其著名论文《计算机器与智能》，并提出了如今广为人知的图灵测试。70 年来，图灵测试一直被认为是人工智能学术界的“北极星”。随着人工智能技术的发展，之后也有许多其他测试诞生，但没有一个能够与之齐名。

　　“图灵测试展现出极致的简单和优雅，这让它在过去 70 年中长盛不衰。”DataRobot 数据科学副总裁扎克·麦耶说。

　　机器得到的结果取决于我们设置的指令，但其执行过程却更为高效。我们必须承认，机器运行时的很多中间状态，是在设计初始指令时无法预见的。机器自己也会感悟出很多知识。在这种情況下，我们有必要将机器视为智能的。

　　虽然自图灵测试概念诞生以来，人工智能均以通过图灵测试为目标，但进入新时代，人工智能评价标准却需要从旧基准中脱身升级。

　　2020 年 12 月 28 日，亚马逊副总裁兼语音助手 Alexa 首席科学家罗希特·普拉萨德在《快公司》上发表的文章中表态，图灵测试已经失去了意义，是时候建立新的人工智能衡量标准了。

　　图灵测试仅限于机器能否给出类人的回答

　　“机器能否思考？”

　　为了回答这个问题，艾伦·图灵提出一种测试方法：如果一个测试者对无法确认身份的两个对象（一人、一机器）提出相同的一系列问题，得到的答案让他无法区分究竟谁是机器、谁是人，那么则认定机器通过测试。

　　这种测试方法后来被人们归纳为图灵测试。研究者希望能够据此检测机器是否能表现出人类也无法区分的行为，很多初期的人工智能助手都是基于此目标设计的。

　　麻省理工学院教授大卫·敏德尔说：“这样的界定，展示的智慧是有限的。”

　　图灵在他的论文中曾预测，到 2000 年，一个普通人在图灵测试中正确区分人和机器的可能性将降到 70% 甚至更低。

　　然而，图灵当年的预测没有应验。

　　普拉萨德认为，图灵测试的目标和当前人工智能研究方向不完全一致，人工智能研究者对通过图灵测试的兴趣不大。人工智能派上更大用场的地方是植入到手机、汽车和家里，人们更关心的是 AI 能够带来哪些更新的交互体验和技术进步，而不是通过测试的分数有多高。

　　事实也如此，人们更加关心与机器的互动及它所能提供的帮助，而不是区分机器和人类。

　　另外，一些科学家发现，让人工智能在图灵测试里取得更好成绩并不难，只需要让计算机给出的答案尽量像人类给出的答案就行了。例如回答图灵测试设计的问题时，计算机可以瞬间给出答案，而普通人需要思考或查找信息的时间更长，为了模仿或骗过人类，机器也可以模仿人类给出适当的停顿、延迟。

　　从某种角度看，这样的图灵测试更像是一场人工智能“欺骗”人类的游戏。但由此出现了一个突出的问题——为了通过测试，很多机器被迫削弱了快速查找信息和计算的能力。

　　机器快速计算和信息查询的能力远强于人类，这些能力构成了现代人工智能的核心。在诸如视觉、自然语言处理等领域，最强的算法已经取得远超人类的结果，以 AlphaGo 击败顶级人类围棋选手为代表的种种人工智能的重大进展，很难在一成不变的图灵测试中得到体现。

　　也正因此，从应用的角度出发，让计算机放弃自己的优势去模拟人类确实完全没有必要。

　　更重要的是，图灵测试仅考虑了文本交流的情况，而没有考虑到现在的人工智能已经能够使用各种传感器，能够从视觉、听觉、触觉等多角度来感受外部世界。

　　通过图灵测试已不是现在的研究重点

　　毫无疑义的是，人工智能对人类社会的影响已超越了图灵测试的范畴，人工智能研究的目标早已不再局限于 AI 与人类的区别，而是如何发挥机器的速度和信息搜索优势，代替人类完成工作或改善人们的日常生活。

　　用图灵测试来检验今天的人工智能水平，还有些局限不能忽略，如图灵测试没有详细的标准，也没有固定的问答模式，一套流程提问和判断非常主观，缺乏严谨的标准，并不科学。

　　那么，这是否意味着图灵测试已经过时？

　　事实并非如此，即便图灵测试已不能完全证实人工智能的进步程度，但一个优秀的人工智能应该能够通过图灵测试。有研究者指出，图灵测试的巧妙在于它没有直接去定义什么是“智能”，而是将“能否思考”这个抽象的问题，引入了一个更精准，也看似更实用的场景。

　　从这个角度看，图灵测试不能称为过时，只不过是现代人工智能研究不应该把通过图灵测试作为重点。普拉萨德亦指出，尽管没有考虑到人工智能日益增强的收集数据能力和计算能力，图灵测试仍然是聊天机器人和数字助理常用的基准。

　　人工智能需要建立一套全新衡量标准

　　普拉萨德认为，应该创造新的智能评估方式，适用于评估一般类型的智能机器。新的测试应该弄明白人工智能是如何表现出类似人的智能特征的，包括语言能力、自我监督和具备“常识”。此外，测试范围还应该包括人工智能在多大程度上改善了人们的日常生活。

　　中国工程院院士、清华大学信息学院院长戴琼海教授也曾在公开演讲中指出，人工智能发展非常快，已经取代了人类以往常用的大部分工具。但是，这种取代能不能做得更好，需要做一套测试。

　　即便是与图灵测试捆绑最深的人工智能对话系统，其研究者也在呼唤对图灵测试进行改进。

　　前微软全球执行副总裁、微软亚洲研究院院长沈向洋还在微软任职时提出，图灵测试已难不倒像微软小冰这样的情感型人工智能产品。鉴于今天的人工智能技术环境，计算机学术界有必要对图灵测试进行修正和升级，是时候讨论难度更高的“超图灵测试”了。

　　普拉萨德强调，新的衡量标准应该体现出机器在效率上的优势，比如计算、搜索、代人完成任务等，综合评价人工智能给人类带来的帮助，而不是执迷于消除人工智能和人的区别。他认为，人工智能只有具备更广泛的学习能力，才能成为处理大量任务方面的专家，针对特定任务所表现出的智能并不能代表人工智能真正的能力。

　　随着人工智能技术的进步和更多被应用到现实生活中，人们一边对人工智能改善自己生活有了更多的期待，一边又对人工智能的使用甚至滥用提高了警惕。

　　对此，业界正在逐渐达成共识——新的人工智能衡量标准应该在伦理层面有所顾忌，而非固化地遵从图灵测试的标准。

　　不能否认的是，研究人员仍对更强大的类人智能问题感兴趣，而大众亦越来越受到科幻影视所展现的未来世界的影响，向往更加强大的“通用人工智能”，即像人一样思考、像人一样可从事多种工作的机器。

　　戴琼海提出，新一代图灵测试，要从专用智能走向通用智能，要针对新一代人工智能提出的目标和要求，给出新的测试方向。人工智能的需求始终在改变，在不断重新考虑设计新的评价标准和体系的过程中，人类跨越图灵测试已经成为必然结果，但其作为人工智能发展初期的导航标，极大地激发了人类对人工智能的想象，非凡意义将永远不会磨灭。