图灵测试是什么？为什么AlphaGo那么牛却过不了？
导读：本文将介绍人工智能的检测手段——图灵测试。
作者：杜振东 涂铭
来源：大数据DT（ID：hzdashuju）
01 图灵测试相关背景
1946年，冯·诺依曼发明了第一台计算机，这被后人称为20世纪最先进的科学技术发明之一，对人类的生产活动和社会活动均产生了极其重要的影响。更有甚者认为计算机的发明标志着人类走向了第三次工业革命。
计算机强大的计算能力在早期军事密码破译中发挥了突出贡献。但这也引发众多学者的深层思考，部分学者断言计算机只能依附于人类，成为辅助人类的工具。比如人类没有翅膀，但可以驾驶飞机翱翔天空；人类视力存在局限，但可以利用望远镜与显微镜探求世界。而计算机也是为了解决人类计算瓶颈而存在的。
持这种观念的学者较为悲观，在他们看来，计算机永远不会拥有智能，只能像其他设备一样作为工具服务人类。
然而，不少科学家与科幻迷则对计算机的发展持乐观态度，在他们看来，计算机不同于模拟人类行动器官的其他设备，计算机可以尝试模拟人类最核心的控制器官——大脑。
因此，计算机极有可能模拟出人类较其他生物具有最大差异性的内容——智能。具备智能的机器可以控制与管理其他工具设备，像今天人们熟知的无人机和自动驾驶技术便是这种思路的延伸。
但人类还存在另一种对智能体的期待，这种期待夹杂着人类自身的孤独感和对沟通的期盼，这便是对“会话”的渴望，会话式AI——人机交互便应运而生。最早的所谓人机交互是机器充当演员完成演出，但人类想做到真正意义上的交互，而不是这种“提线木偶”。
那么，怎么样才算真正意义上的人机交互，什么才是真正意义的AI智能体呢？图灵测试给出了一种人工智能定义，该定义的提出影响极为深远，是作为鉴定机器是否真正具备人工智能的首要定义。
02 图灵测试的定义
1936年，艾伦·麦席森·图灵发表了题为《论数字计算在决断难题中的应用》的论文。在这篇开创性论文中，图灵给“可计算性”下了一个严格的数学定义，并提出著名的“图灵机”（Turing Machine）设想。
图灵机不是具体的机器，而是一种思想模型，可以制造一种十分简单但运算能力极强的计算装置，以计算所有能想象得到的可计算函数。图灵机与冯·诺依曼机齐名，被载入计算机的发展史中。
1950年，图灵发表了一篇具有划时代意义的论文《计算机器与智能》，文中预言了人类创造出具有真正智能的机器的可能性。由于注意到“智能”这一概念难以确切定义，他提出了著名的图灵测试：如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器的身份，那么称这台机器具有智能。
他在论文中还针对这一假说可能产生的各种质疑进行了解释。图灵测试是在人工智能哲学方面第一个严肃的提案。
▲图灵测试示意图，图片作者：Hugo Férée
图灵测试要求计算机具有欺骗性，即当测试者不知道同其交互的是人类还是计算机时，错误地将机器人当成人类与之沟通。这对于计算机系统的智能性要求极高，同时其设计思路需要极为巧妙。
图灵测试的产生引发了学术界对于人工智能的广泛思考，诸如高性能计算系统、预定义的人机系统被摘去了智能体的帽子。究其缘由，上述系统在人类盲测场景下很快就被辨识出来。
03 图灵测试引发的思考
图灵测试一定是科学的吗，为什么图灵测试难以通过，图灵测试对于当代的我们又有什么思考价值？这些问题也困扰着当今学者。然而我们可喜地看到，随着近年来科技不断发展，人类在通往人工智能的道路上不断前行。
在某些细分场景下（如人脸识别、物体检测、围棋博弈、电子竞技），机器的表现已经超越人类，但仍旧无法通过图灵测试，离真正的人工智能相差甚远。例如，击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人“阿尔法狗”只能专心处理围棋这一项任务。
或许人类创造的人工智能尚不能通过图灵测试的原因，是人类对于自身智能存在的缘由认知尚浅。但这并不影响运用图灵测试审视现在被创造的智能体。
相反，这些思考将有助于人类探究智能体的本质，进而推动人工智能的整体发展。
如何看待当今人工智能的发展？
我在工作中常常面对客户对于市场现有产品智能性的失望，这种失望恰恰来源于人们对人工智能的热切盼望。
特别是如今深度学习的应用遍地开花，人工智能在多项任务中打败人类的消息不断传出，导致许多人对人工智能解决复杂任务抱有巨大期望。然而在缺乏大量标注数据、无法有效定义需求场景、影响结果因素过多等现实问题面前，人工智能的落地并没有我们想象中那么顺利。
但这不应该使我们陷入另一个极端——人工智能悲观派，即认为人类无法创造出真正的可以通过图灵测试的智能体。当前我们应正视人工智能的发展，利用现阶段人工智能相关技术来辅助我们的日常工作。
关于作者：杜振东，国家标准委人工智能技术专家和AIIA（中国人工智能产业发展联盟）技术专家。拥有8年机器学习与文本挖掘相关技术经验，6年中文自然语言处理相关项目实战经验，擅长PyTorch、TensorFlow等主流深度学习框架，擅长运用NLP前沿技术解决真实项目的难题。
涂铭，数据架构师和人工智能技术专家，曾就职于阿里，现就职于腾讯。对大数据、自然语言处理、图像识别、Python、Java等相关技术有深入的研究，积累了丰富的实践经验。
本文摘编自《会话式AI：自然语言处理与人机交互》，经出版方授权发布。
延伸阅读《会话式AI：自然语言处理与人机交互》
点击上图了解及购买
转载请联系微信：DoctorData
推荐语：腾讯、国家标准委AI专家撰写，详解NLP和人机交互，从算法、实战3维度讲解聊天机器人原理、实现与工程实践。
划重点????
干货直达????
数据中台到底包括什么内容？一文详解架构设计与组成
终于有人把云计算讲明白了
下一个十年，AI将在这10大领域颠覆世界！
「区块链+人工智能」：来自谷歌、IBM、百度的真实案例
更多精彩????
在公众号对话框输入以下关键词
查看更多优质内容！
PPT | 读书 | 书单 | 硬核 | 干货 | 讲明白 | 神操作
大数据 | 云计算 | 数据库 | Python | 可视化
AI | 人工智能 | 机器学习 | 深度学习 | NLP
5G | 中台 | 用户画像 | 1024 | 数学 | 算法 | 数字孪生
据统计，99%的大咖都完成了这个神操作
????
