图灵测试是人工智能的最终定论？别这么信誓旦旦！

艾

伦·图灵是计算机科学家、密码破译者，同时也是一位战争英雄，早在1950年，他就提出了一个非常简单的假定：测试人在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果被测试者超过30%的答复不能使测试人确认出哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。艾伦·图灵的目的是促使人们更加创造性地思考人机交互，而他的这个假定却无意中结束了人工智能开发人员和评论家们多年以来一直依赖的测评体系。但严谨的人工智能专家并没有过多纠结于一个去世已久的天才的设想，他们专注于更具实质性的测评指标。

图灵测试的根本问题在于其界定相当模糊，因而测试更有利于宣传炒作（也就是佐治亚州假助教事件），而非提供相对容易复制的结果。除此之外，有人认为图灵测试衡量的是人类的弱点，而非人造的力量。借助欺骗和转移话题这样的诡计，相对不那么复杂的机器人也可通过测试。例如，名为尤金·古斯特曼的机器人冒充13岁的乌克兰男孩成功骗过评委组1/3的人。尤金在谈话中表现得笨笨的，而这竟成为其骗过评委的秘密武器。评委们希望机器人程序是为智能而设计的，而不是设计来回避问题，讲不雅笑话，错用词语或使用表情符号。

如果不采用图灵测试，那么我们该用什么方法来对人工智能进行考核？世界各地的研究人员提出了一些替代方案。

解读歧义句

图灵聊天机器人面临的一个根本问题在于，它们在理解那些人们在聊天过程中能够很容易理解的句子方面仍有一定的困难。“皮特朝保罗大喊大叫，因为他睡了他的女朋友。”人们一看就能明白是保罗睡了皮特的女朋友，但对机器来说，“他”和“他的”可以指代这两个人中的任意一个。要了解这个句子背后发生的事情，就需要知道对某人大喊大叫意味着什么，以及人们在什么样的情况下会这样做。

多伦多大学的计算机科学教授赫克托·莱维斯克提出了一个名为Winograd schema的替代图灵测试的方案，该方案需要机器从结构模糊不清的句子中提取真正的含义，这就需要机器实际理解人类的语言而不仅仅是能模仿。

面部识别

一些人工智能的研究人员认为机器智能不应该仅限于语言交流。例如，人类在面部识别方面做的非常出色，一个刚出生几周的婴儿就可以辨认出他的母亲。

有些计算机在面部识别方面甚至比人类还要厉害，尽管这种方法是否可作为机器智能的衡量标准仍处于争论之中。为单一领域编程的机器与那些智能灵活的机器不同，后者通过不同方式使用并且可用于不同情景。

进入大学

日本机器人专家正在试图构建能够进入大学学习的机器人。东京大学入学考试的难度众所周知，而对于机器人来说，其面临的难度远甚于高中生。

不幸的是，对机器人而言，要想通过测试，记住大量知识是远远不够的。在考试中，数学题并不是直接给出公式让人解答，而是用语言描述一个场景，人们需要自己弄清楚怎样去建立方程进行解答。对于机器人来说，如果它不能把握文章的语法或者上下文的联系，一个简单的历史问题都是很复杂的。

而入学考试考的不仅仅是选择题，机器人还必须会写文章。显然，抄袭是不会被允许的，因此机器人必须按照给定的主题写出原创散文。鉴于目前机器人模仿13岁小孩都还十分困难，要想实现机器人参加入学考试这个目标，任重而道远。不过，研究人员提到他们希望到2021年能够看到他们研制的机器人进入大学学习。

实况报道

拿高杠举例，体育赛事报道会涉及到复杂的视听信息，并且需要用简单明了的语言来传达信息。要想做到这点，机器人除了要有视觉处理系统外，还必须具备很好的语言技能。

如果计算机能够对一个足球比赛做出相对地道的实况报道，那么人类就可能会认同机器人是相当聪明的。虽然，65年来，作为体育评论员的机器人都是以二维的方式来进行报道的，但我们会不断开发，扫除障碍，促使这项技术飞跃发展。

全球技术地图

微信号：drc_iite