图灵测试是怎么提出来的？一场游戏的由来

AI 学科还没正式命名之前，先有了一场思想实验。1950 年，英国数学家图灵在《计算机器与智能》一文里设计了一场游戏，用来处理一个当时没法回答的问题：机器能思考吗。这场游戏后来被称为图灵测试，是人工智能史上被广泛引用的设想之一。今天你和 DeepSeek、Kimi 这类助手聊天时感觉「它像不像人」，本质上仍在沿用图灵当年设定的观察角度。

把哲学难题换成一场游戏

图灵的开场很聪明。他没有先给「思考」下定义——他知道这注定争不出结果——而是把问题替换成一场可操作的模仿游戏：如果一台机器在文字对话里能让人类分辨不出来，那么继续追问它「是否真的在思考」就没有多少意义了。哲学争论被换成了一项可以实际进行的测试，这是整篇文章最关键的一个动作。

原始设计的三个角色

按论文的原始设计，游戏里有三个人：一位提问者，两位回答者。提问者与回答者互相看不见，只能通过文字交流，任务是判断对面两位谁是谁。图灵随后提出关键一步：把其中一位人类回答者换成机器，游戏照常进行——如果提问者判断的准确率和区分人类时没有明显差别，机器就算通过了这场模仿游戏。

几个细节常被忽略。第一，交流只有文字，声音、长相都不参与判断，这是设计里刻意剥离的部分。第二，提问者可以问任何问题，从算术到诗歌都行，机器要在所有话题上撑住，而不是背几段标准答案。第三，图灵给过一个公开预测：到世纪之交，机器能在五分钟的对话里让大约七成的提问者判断失误。数字是否兑现见仁见智，但这个预测让人们头一次把「机器智能」当成可以等到的将来时。

模仿游戏速查

• 三个角色：一位提问者，两位回答者，其中一位可换成机器
• 交流方式：纯文字，不见面不听声
• 判断标准：提问者分辨人类与机器的准确率是否明显下降
• 考察范围：任意话题的连续对话，并非固定题库

它常被误读成什么样

流传最广的误读，是把图灵测试当成机器智能的官方及格线，仿佛通过测试就等于证明机器会思考。这层理解并不符合论文本意。图灵自己把这篇文字称为模仿游戏，它提供的是一种提问方式——用可观察的行为替代无法定义的词——而不是一份判定机器有无智能的证书。通过游戏只能说明机器在对话这件事上达到了某个水平，离「理解」「意识」这些更重的词，中间还隔着大片空白。

另一种常见误读是把它当成衡量人机对话的唯一标尺。后来的研究者提出过不少补充设计，比如让提问者知道对面是机器、只考察特定能力的变化版本。这些修正本身也说明：图灵给的是一个起点，一条可以不断修改的观察路径，是一家之言而非终审判决。

这场游戏在历史上的位置

把时间线摆开看会更清楚。1950 年论文发表时，通用电子计算机才问世没几年；六年后达特茅斯会议为这门学科起了名字，见达特茅斯会议一篇；图灵本人的学术线索远不止这一场游戏，可计算性、密码破译等公开事迹见图灵人物篇。1966 年问世的对话程序 ELIZA 只靠句式模板，就让不少使用者觉得「它在听」，头一次让世人见识了这场游戏的另一面：人很容易把自己的理解投射给机器。

再往后，1997 年深蓝在国际象棋上赢过人类冠军，2016 年 AlphaGo 在围棋上走出人类棋谱之外的落子，两场棋局都可以看成这场游戏的延伸——考察的不再是闲聊，而是机器在人类引以为傲的领域里能走多远，见深蓝赢卡斯帕罗夫与AlphaGo 第 37 手两篇。

和今天的产品放在一起看

今天的大模型对话产品，某种意义上每天都在参加一场放大版的模仿游戏：你在输入框里提问，它用文字回答，你凭回答判断它像不像一个「懂你的人」。有意思的地方在于，现代 AI 助手并非按「骗过提问者」这个目标训练，它们解决的是写代码、查资料、写文案这类实际任务，聊天里的「像人」只是副产品。反过来，评价这类产品该看任务完成度，而看各种评测分数时要留个心眼，基准分和实际任务的距离在这件事上同样存在。

如果好奇，可以自己设计一场小规模模仿游戏：让豆包和一位朋友同时回答你的问题，你来判断谁是谁。试过几次就会体会到图灵当年的用意——判断「是不是人」容易，定义「会不会思考」难，他把后者从问题里拿掉，是整篇文章里相当聪明的一步。

关于图灵测试的三问三答

• 图灵测试通过了吗？：以公开报道看，多个对话系统在限时文字对话里已能达到让人难以稳定分辨的水平，但「通过测试」不等于「有智能」，两者是不同的命题。
• 图灵当年预测的年份到了吗？：他预测世纪之交机器能在五分钟对话里骗过约七成提问者，这个数字是否兑现取决于测试条件，学界没有统一结论。
• 现在的 AI 还需要图灵测试吗？：作为产品评价已经不够用，实际任务的表现更重要；但作为一种提问思想，它仍提醒人们区分「表现像」和「真的会」。