5
是人，还是机器

英国人艾伦·图灵出生于1912年，在多个科学领域有杰出贡献，是计算机科学家、数学家、逻辑学家、密码分析学家、理论生物学家，被誉为“计算机科学之父”“人工智能之父”“密码破译之父”。

图灵提出的图灵机模型建立了现代计算机的工作逻辑，通过简单的操作就可以执行复杂的计算任务，为现代计算机的发明奠定了理论基础。图灵在人工智能方面也做出了历史性的开创工作。

1950年，图灵首次提出要让计算机像人一样思考。在论文《计算机器与智能》（ Computing Machinery and Intelligence ）中，他提出一个影响深远的问题：“机器会思考吗？”图灵并不是在询问机器是否具备生物学意义上的思考能力，而是探究机器是否能够模拟人类思考的过程—让人们无法区分输出来自人类还是机器！

如果机器的行为在某种程度上足够接近人类，以至于我们无法区分，那么我们就可以认为机器在特定意义上“会思考”！这种思考方式，为人们提供了一种评估机器智能水平的框架。

由于上述这个标准并不像数学定义那样严格，充满了主观色彩，很难准确地界定。为此，图灵提出一种评估机器是否具备人类智能的测试方法—图灵测试。

如图5.1所示，在测试过程中，测试者与被测试者（一个人和一台计算机）被分隔开，测试者并不清楚被测试的人类和计算机分别在哪个房间。测试者通过一些输入设备（如键盘），向被测试者随意提问。测试者根据被测试者的回答，判断被测试者是机器还是人。经过多次测试后，如果计算机能够让所有测试者误判的平均次数超过总次数的30%，即认为这台计算机通过了测试，并认为该机器具有人类智能。这就是图灵测试的基本思想。

图灵测试极大地推动了人工智能的发展，它为人们提供了一种理解和评估机器智能的方法，激励后来的研究者不断追求更高级别的机器智能。图灵曾经预测，到2000年人类应该能够使用10 GB的计算机设备，制造出可在5分钟问答中骗过30%成年人的人工智能。然而，从目前的科技发展来看，我们远远落后于这个预测。

图灵测试也存在一些争议和局限性。图灵测试依赖于人的判断，虽然通过增加测试人数可以减少人类主观因素带来的影响，但图灵测试没有规定问题的范围和提问的标准，使得测试结果具有一定的模糊性和不确定性。

“智能”是一个复杂的概念，包括逻辑推理、创造力、情感理解等多个方面，图灵测试更关注语言理解和交流能力，忽略了其他方面的因素，因而即使一个机器通过了图灵测试，也不足以证明它具备了全面的智能。图灵测试还存在“中文屋悖论”（一个不懂中文的人在一个房间里，使用一本中文对照书将中文输入转化为输出，尽管从外界看来他似乎理解中文，实际上并不理解）等问题。美国著名哲学家约翰·塞尔（John Searle）指出，一台机器能够按照预设的规则回答问题，并不表明它理解了问题的含义或掌握了真正的智能。

人工智能系统的多样性正在不断增加，一些智能系统可能只擅长处理特定领域的任务，在其他领域则表现不佳，图灵测试很难准确评估这些系统的智能水平。

图灵测试和他的论文《计算机器与智能》是人工智能研究的基础，开启了人工智能领域的新篇章，为后来者提供了重要的启示，激发了更多的思考。随着人工智能技术的不断发展，人们对机器智能的理解也在不断深化，不再局限于图灵测试的简单框架，而出现了许多更复杂的测试方法。但无论如何，图灵提出的这个问题都将继续引导人们思考机器智能的本质和未来。

让机器和人一样思考，在那个年代无疑是个石破天惊的疯狂想法。回顾历史，很多重大的发现和发明，都来自这些疯狂的想法，或许正如孔夫子说的那样—“狂者进取”罢！作为“人工智能之父”，图灵的理论贡献和实践研究，推动了人工智能领域的发展，为我们理解智能和认知的本质提供了新的视角，他的思想和成就永远铭刻在人工智能的历史长河中。

1966年，美国计算机协会（Association for Computing Machinery，简称ACM）设立了图灵奖，用以奖励那些对计算机事业作出重要贡献的个人，它是美国计算机协会在计算机技术方面所授予的最高奖项，被誉为“计算机学界的诺贝尔奖”。

全世界有很多奖项是以科学家的名字命名的，比如著名的诺贝尔奖、数学界的菲尔兹奖、计算机学界的图灵奖、信息学界的香农奖等。不知道你思考过没有，为什么要设立这些奖项？你是用什么态度去看待各种奖项的？

2014年，有一部电影大片《模仿游戏》（ The Imitation Game ），讲述的就是图灵在二战期间破译德军恩尼格玛（Enigma）密码机并扭转二战局面的故事。图灵热衷于长跑，他认为长跑是他释放巨大工作压力的唯一方法。 XQeqZW39ONcH9DnG0e3bJalD4VOfLYV5jnVoK1E1ceU41+rO7cqnoTy7VbuhX0Bt