历史的遗珠：图灵测试与人工智能

https://www.toutiao.com/a6679631871187354119/

都说未来不可期，事实却又未必如此。虽然人们很难预料未来会向何种方向发展，但从目前来看，人工智能技术的底蕴从未像如此一样富足与成熟，可以预见，人工智能必将在未来的科学技术中大放异彩。

提到人工智能，不得不提著名的图灵测试，让我们拂去历史的尘埃，去看一看图灵的贡献是如何影响和指导后世的发展。

概念图：图灵测试与人工智能

图灵测试

图灵测试(Turing test)是艾伦·图灵(Alan Turing)在1950年开发的，它是一种对机器表现出与人类相同或无法区分的智能行为能力的测试。图灵提出，人类评估者在判断人与机器之间的自然语言对话时，评估者会意识到对话中的两个伙伴哪个是机器哪个是人类。在测试中，所有评估者将彼此分开，同时，对话将仅限于 纯文本模式 ，通过计算机键盘和屏幕进行呈现，因此结果 不会取决于机器将单词呈现为语音的能力 。当评估者无法准确地告诉人员对方是人类还是机器时，则称该机器已通过图灵测试，即该机器具备了和人类相似的能力。 测试中，测试结果不依赖于机器对问题给出正确答案的能力，而只取决于其答案与人类给出的答案的接近程度。

图灵测试的“标准解释”，在这个测试中，人类评估者C的任务是试图通过文本确定A或B哪个是电脑，哪个是人

历史的尘埃

在1956年人工智能(AI)研究领域建立之前，英国的研究人员已经对“机器智能”进行了长达十年的探索。这在比率俱乐部【1】的成员中是一个共同的话题，其中就包括艾伦·图灵，这个测验就是以他的名字命名的。

注【1】：比率俱乐部由年轻的精神病学家、心理学家、生理学家、数学家和工程师组成，他们聚在一起讨论控制论中的问题，源于剑桥大学

《计算机器与智能（Computing Machinery and Intelligence）》是图灵发表的第一篇专门研究机器智能的论文。图灵在论文开头写道:

“我建议考虑这样一个问题:‘机器会思考吗？”

（"I propose to consider the question 'Can machines think?'"）

正如他所强调的，解决这类问题的传统方法是从定义开始，定义“机器”和“智能”两个术语。图灵选择不这样做；相反， 他提议将这个问题从“机器能思考吗?”改为“机器能做我们(作为思考实体)能做的事情吗?” 图灵认为，这个新问题的优势在于，它“在一个人的身体和智力能力之间划出了一条相当清晰的界线”。为了证明这种方法，图灵提出了一个测试，灵感来自一个聚会游戏，叫做“模仿游戏”。在这个游戏中，一名男子和一名女子进入不同的房间，客人试图通过写一系列问题和阅读打印的答案来区分他们。在这个游戏中，男人和女人的目的都是让客人相信他们是对方。

下图即为艾伦·图灵在《计算机器与智能》中描述的模仿游戏。选手C通过一系列的书面问题，试图确定另外两名选手中哪一位是男性，哪一位是女性。玩家A（男性）试图欺骗玩家C做出错误的决定，而玩家B（女性）试图帮助玩家C做出正确的决定。

模仿游戏

这一游戏的问世，虽然不是后世图灵测试的精确版本，但是却奠定了图灵测试的模型核心，这在历史的演变中，激励着人们不断地去吹拂尘埃，求得真相。

当世的发展与神经网络

图灵测试奠定了人工智能的基础，为机器如何向人一样思考和判断提供了研究方向与思路，随着后世对人类大脑思考模式研究的加深，一种模仿人类神经元思考的算法-神经网络应运而生。

神经网络，是受到人类大脑中神经元结构的启发所诞生的全新算法。一个简单的“神经元”N接受来自其他多个神经元的输入，每个神经元在被激活时，会对神经元N本身是否应该被激活进行加权“投票”。学习算法需要根据训练数据调整这些权重。

神经网络原理图

神经网络早期的成功应用包括预测股市和控制汽车进行自动驾驶【2】。2010年，使用深度学习的神经网络推动人工智能进入广泛的公众意识，并促成了企业人工智能支出的大幅上升；2017年与人工智能相关的并购规模是2015年的25倍以上。

注【2】：我将在问答详细介绍自动驾驶相关知识

神经网络算法学习逼近最优解仿真

神经网络算法精确聚类模式识别分析仿真

由图灵测试到神经网络，由机器到人工智能，无一不体现着人类在自我求索道路上的不懈追求。相信未来，人工智能将得到质的飞跃，而图灵这一历史遗珠，也必将持续为后世发展贡献思路和方向。