歷史的遺珠：圖靈測試與人工智能

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

都說未來不可期，事實卻又未必如此。雖然人們很難預料未來會向何種方向發展，但從目前來看，人工智能技術的底蘊從未像如此一樣富足與成熟，可以預見，人工智能必將在未來的科學技術中大放異彩。

提到人工智能，不得不提著名的圖靈測試，讓我們拂去歷史的塵埃，去看一看圖靈的貢獻是如何影響和指導后世的發展。

概念圖：圖靈測試與人工智能

圖靈測試

圖靈測試(Turing test)是艾倫·圖靈(Alan Turing)在1950年開發的，它是一種對機器表現出與人類相同或無法區分的智能行為能力的測試。圖靈提出，人類評估者在判斷人與機器之間的自然語言對話時，評估者會意識到對話中的兩個伙伴哪個是機器哪個是人類。在測試中，所有評估者將彼此分開，同時，對話將僅限于 純文本模式 ，通過計算機鍵盤和屏幕進行呈現，因此結果 不會取決于機器將單詞呈現為語音的能力 。當評估者無法準確地告訴人員對方是人類還是機器時，則稱該機器已通過圖靈測試，即該機器具備了和人類相似的能力。 測試中，測試結果不依賴于機器對問題給出正確答案的能力，而只取決于其答案與人類給出的答案的接近程度。

圖靈測試的“標準解釋”，在這個測試中，人類評估者C的任務是試圖通過文本確定A或B哪個是電腦，哪個是人

歷史的塵埃

在1956年人工智能(AI)研究領域建立之前，英國的研究人員已經對“機器智能”進行了長達十年的探索。這在比率俱樂部【1】的成員中是一個共同的話題，其中就包括艾倫·圖靈，這個測驗就是以他的名字命名的。

注【1】：比率俱樂部由年輕的精神病學家、心理學家、生理學家、數學家和工程師組成，他們聚在一起討論控制論中的問題，源于劍橋大學

《計算機器與智能（Computing Machinery and Intelligence）》是圖靈發表的第一篇專門研究機器智能的論文。圖靈在論文開頭寫道:

“我建議考慮這樣一個問題:‘機器會思考嗎？”

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

正如他所強調的，解決這類問題的傳統方法是從定義開始，定義“機器”和“智能”兩個術語。圖靈選擇不這樣做；相反， 他提議將這個問題從“機器能思考嗎?”改為“機器能做我們(作為思考實體)能做的事情嗎?” 圖靈認為，這個新問題的優勢在于，它“在一個人的身體和智力能力之間劃出了一條相當清晰的界線”。為了證明這種方法，圖靈提出了一個測試，靈感來自一個聚會游戲，叫做“模仿游戲”。在這個游戲中，一名男子和一名女子進入不同的房間，客人試圖通過寫一系列問題和閱讀打印的答案來區分他們。在這個游戲中，男人和女人的目的都是讓客人相信他們是對方。

下圖即為艾倫·圖靈在《計算機器與智能》中描述的模仿游戲。選手C通過一系列的書面問題，試圖確定另外兩名選手中哪一位是男性，哪一位是女性。玩家A（男性）試圖欺騙玩家C做出錯誤的決定，而玩家B（女性）試圖幫助玩家C做出正確的決定。

模仿游戲

這一游戲的問世，雖然不是后世圖靈測試的精確版本，但是卻奠定了圖靈測試的模型核心，這在歷史的演變中，激勵著人們不斷地去吹拂塵埃，求得真相。

當世的發展與神經網絡

圖靈測試奠定了人工智能的基礎，為機器如何向人一樣思考和判斷提供了研究方向與思路，隨著后世對人類大腦思考模式研究的加深，一種模仿人類神經元思考的算法-神經網絡應運而生。

神經網絡，是受到人類大腦中神經元結構的啟發所誕生的全新算法。一個簡單的“神經元”N接受來自其他多個神經元的輸入，每個神經元在被激活時，會對神經元N本身是否應該被激活進行加權“投票”。學習算法需要根據訓練數據調整這些權重。

神經網絡原理圖

神經網絡早期的成功應用包括預測股市和控制汽車進行自動駕駛【2】。2010年，使用深度學習的神經網絡推動人工智能進入廣泛的公眾意識，并促成了企業人工智能支出的大幅上升；2017年與人工智能相關的并購規模是2015年的25倍以上。

注【2】：我將在問答詳細介紹自動駕駛相關知識

神經網絡算法學習逼近最優解仿真

神經網絡算法精確聚類模式識別分析仿真

由圖靈測試到神經網絡，由機器到人工智能，無一不體現著人類在自我求索道路上的不懈追求。相信未來，人工智能將得到質的飛躍，而圖靈這一歷史遺珠，也必將持續為后世發展貢獻思路和方向。