1950 - 圖靈測試#
案件摘要#
1950 年，Alan Turing 在《Mind》期刊發表〈Computing Machinery and Intelligence〉，把「機器能思考嗎」這個無法操作的哲學問題，置換成一個可操作的遊戲：
本案的本質是：智慧的第一個操作型判準——不是看內部結構，而是看外部對話。Turing 同時在文中預言了機器學習（「與其程式化成人的心智，不如程式化成兒童的心智再讓它受教育」），使本文成為 AI 的宣言書。
前因 -- 為什麼會有這個案子#
- 1936 年 Turing 已證明通用圖靈機的存在（見 1943-麥卡洛克皮茨邏輯神經元.md 中的計算等價討論）——「機器能計算」已解決，剩下「機器能思考」。
- 1943 年 McCulloch 與 Pitts 證明神經網路在邏輯上等價於計算機——大腦與機器的界線在數學上已經模糊，哲學界卻仍激烈抗拒。
- 1940 年代末的社會氛圍：ENIAC（1945）問世、控制論流行（Wiener 1948），「電子腦」成為報紙熱詞，也引發恐慌與反彈。
- Turing 的動機：他厭倦了「機器不能思考」的循環論證與情感抗拒（人們說機器沒有靈魂、不能犯錯、不能 falling in love），決定繞過定義之戰，直接換題。
- 關鍵置換：原問題「機器能思考嗎」依賴「思考」的定義——Turing 把它換成「機器能在模仿賽局中不被辨認嗎」，後者完全可操作。
線索與推理 -- 數學式、程式、理論#
第一條線索：模仿賽局的規則#
Turing 設計的賽局有三個角色：詢問者（C）、一男（A）、一女（B）。A 設法假扮女人、B 設法幫助 C，C 只能透過文字（teletype）提問，最後猜誰是誰。現在把 A 換成機器：
| 角色 | 原版賽局 | 圖靈測試版 |
|---|---|---|
| A | 男人（假扮女人） | 機器 |
| B | 女人 | 人類 |
| C | 詢問者 | 詢問者（只能打字提問） |
判準：若 C 在多輪賽局中無法以高於隨機的準確率分辨機器與人，則機器通過測試。用機率寫：若辨認準確率 \(p \le 0.5\) （純猜測），則不可分辨。Turing 甚至預言：「到 2000 年，以平均 70% 的準確率辨認五分鐘對話都將不可能」——他高估了進度，但方向正確。
第二條線索：九大反對意見的逐條駁斥#
Tuning 在文中整理了當時所有的反對意見並逐條回應——這是哲學史上少見的「偵探式辯護」：
| 反對意見 | Turing 的回應 |
|---|---|
| 神學反對（機器無靈魂） | 神學論證不適用於經驗問題；歷史上上帝也造過無靈魂的軀體 |
| 意識反對（機器無主觀體驗） | 唯我論陷阱：若只信自己的體驗，也無法證明他人有意識 |
| 各種喪失能力（不能犯錯、不能創作、不能 falling in love） | 機器可以犯錯；能力缺失可由更好的程式逐一解決 |
| Lovelace 夫人反對（機器只會照指令，無法原創） | 「只會照指令」是對機器的偏見；機器可採取新判斷（創造性 = 搜尋 + 偶然） |
| 連續性反對（神經系統是類比的，計算機是數位的） | 離散近似連續的誤差可在容許範圍內 |
| 自主性反對（機器不能做出意外之事） | 控制論的回饋系統本來就有不可預測性 |
| 心靈直覺反對 | 直覺不是證明 |
最致命的一擊是對意識反對的回應：如果行為上完全不可分辨，堅持「內部沒有意識」就滑向唯我論——這是行為主義判準的哲學底牌。
第三條線索：兒童機器——機器學習的預言#
Turing 在文末提出建造智能機器的路徑：
「與其嘗試程式化成人的心智，不如程式化成兒童的心智，然後用教育使它成長。」
他把「兒童機器」拆成三個部分——這幾乎是神經網路學習系統的藍圖：
| Turing 的部件 | 1943/1949/1957 年的對應 |
|---|---|
| 初始結構（小隨機） | 隨機初始化的權重 |
| 教育過程 | 訓練資料 + 更新規則 |
| 獎勵與懲罰 | 有教師訊號的赫布變體 \(\Delta w = \eta(t-y)x\) （1957 感知器） |
這一段使本文不只是哲學文章，更是 AI 的研究綱領——1956 年 Dartmouth 會議的提案書幾乎就是這一段的工程化版本。
第四條線索：中文房間——三十年後的反證#
1980 年，哲學家 John Searle 提出中文房間思想實驗，直接反擊圖靈測試： - 一個不懂中文的人坐在房間裡，靠一本規則書比對中文字符、產出中文回覆——房間外的人以為房間「懂中文」，但裡面的人只是按規則操作。 - Searle 的主張：語法不等於語義——機器可以有完美的符號操作（語法），卻沒有理解（語義）。 - 這是對圖靈測試最強的反證：行為上不可分辨 ≠ 理解。 - 反駁與回應延燒至今：連結主義者的回應是「系統整體可以有意義」（systems reply）——而 2017 年之後的大型語言模型讓這場辯論重新開庭：LLM 的行為驚人地像理解，Searle 的語法/語義界線是否還站得住？（見 2022-ChatGPT與RLHF.md）
第五條線索：預測的驗證——Loebner 獎到現代評測#
Turing 的判準後來被各種方式操作化，驗證的歷史本身就是一部偵探案：
| 年代 | 操作化 | 結果 |
|---|---|---|
| 1966 | ELIZA（Weizenbaum） | 極簡的規則替換竟騙過部分使用者——「ELIZA 效應」說明人類過度擬人化 |
| 1991–2019 | Loebner 獎競賽 | 聊天機器人屢屢被識破，判準嚴格化後無人真正通過 |
| 2014 | 「Eugene Goostman」號稱通過 | 靠假裝 13 歲烏克蘭男孩迴避提問——被評為取巧，不算通過 |
| 2020s | 大型語言模型 | LLM 的對話能力遠超 Turing 的預言，但學界轉向更嚴格的能力評測（benchmarks） |
ELIZA 的偵探意義尤其深刻：Weizenbaum 本想用 ELIZA 證明「淺層的符號操作就能騙人」，藉此批判圖靈測試——結果反而證明了 Turing 的直覺：辨識的難度在於人類的擬人化傾向，不在於機器的智慧。圖靈測試測的到底是機器還是人？這個問題在 2020 年代的 LLM 時代更加尖銳。
結案 -- 後果與影響#
- 「圖靈測試」成為 AI 的文化圖騰：無論學術界是否用它評測，大眾都以它理解 AI 的目標。
- AI 作為學科的思想起點：Turing 的兒童機器綱領 → 1956 Dartmouth 會議正式命名「人工智慧」。
- 哲學辯論長盛不衰：Searle 的中文房間（1980）、Block 的機器人回覆、Dennett 的意向立場——圖靈測試開啟的戰場七十年未歇。
- 伏筆一：圖靈測試的可操作判準 → 1956 Dartmouth 會議提出「讓機器使用語言、形成抽象概念」等具體目標。
- 伏筆二：兒童機器 + 獎懲學習 → 1957 感知器 → 1986 反向傳播 → 2022 ChatGPT 的 RLHF（人類回饋強化學習正是「教育 + 獎懲」的工程化）。
- 伏筆三：對話即測試 → 現代語言模型以對話為介面（見 2022-ChatGPT大型語言模型.md）——Turing 在 1950 年就預言了 AI 的介面形態。
關鍵人物與文獻#
- Alan Turing：〈Computing Machinery and Intelligence〉, Mind, 1950；〈On Computable Numbers〉（1936）
- Warren McCulloch & Walter Pitts：邏輯神經元（1943），大腦即計算的數學證據
- Norbert Wiener：《Cybernetics》（1948），回饋與自主性的概念來源
- John Searle：〈Minds, Brains, and Programs〉（1980），中文房間反證
- Ada Lovelace：1843 年對分析機的評註，「Lovelace 反對」的來源
- 相關案件：1943-麥卡洛克皮茨邏輯神經元.md、1949-Hebb學習規則.md、1956-Dartmouth會議.md、1957-Perceptron感知器.md、2022-ChatGPT與RLHF（科學與歷史/人工智慧/2022-ChatGPT與RLHF.md）、2022-ChatGPT大型語言模型（科學與歷史/神經網路/2022-ChatGPT大型語言模型.md）