1950-圖靈測試與機器翻譯之問#

案件摘要#

1950 年，圖靈（Alan Turing）在《Mind》期刊發表〈Computing Machinery and Intelligence〉，面對「機器能思考嗎」這個糾纏不清的哲學問題，他做了一個大膽的偵探式操作：不去定義「思考」，而是用一場可操作的「模仿遊戲」（imitation game）取代它。同一篇文章裡，圖靈也對機器翻譯提出了關鍵洞見——逐詞字典替換注定失敗，因為翻譯需要語義理解。這篇文章同時埋下了兩條懸案：圖靈測試成為 AI 的哲學標竿，而「語義理解」問題則懸宕六十年，成為 2020 年代大型語言模型辯論的原點。

前因 -- 為什麼會有這個案子#

1936 年圖靈已提出圖靈機（Turing machine），證明存在通用計算裝置，但「計算」與「思考」的關係仍是空白。
1940 年代電子計算機（ENIAC、Manchester Mark I）問世，機器展現出以往被認為專屬人類的數字能力，哲學界開始爭論機器能否思考。
常見的反對論證：意識論證（機器沒有感受）、神學論證（思考是靈魂的功能）、數學論證（Gödel 不完備定理限制機器）、Lovelace 夫人論證（機器只會照程式做事，沒有原創性）。
「思考」一詞沒有公認定義，任何辯論都容易淪為文字之爭——圖靈決定「換一個問法」。
戰後密碼破解與語言情報工作讓「機器處理人類語言」成為具體的工程問題，機器翻譯的討論即將爆發。

線索與推理 -- 數學式、程式、理論#

模仿遊戲的規則#

圖靈的偵探手法是「操作化定義」：把「機器能否思考」換成「機器能否在模仿遊戲中不被識破」。

三名參與者隔離：一位人類（性別為 A）、一位機器（企圖模仿人類）、一位人類判別者（interrogator）。
判別者只能透過打字問答（teletype）與另兩方溝通，看不到也聽不到對方。
經過五分鐘（圖靈原始版本）問答後，判別者必須判斷哪一方是人、哪一方是機器。
若機器被誤判的頻率接近隨機猜測，即通過測試。

形式化：設判別者答對的機率為 \(P\) ，隨機猜測的基準是

\[ P_{\text{random}} = \frac{1}{2} \]

若機器能讓 \(P\) 不顯著高於 \(1/2\) ，則我們沒有理由否認它「能思考」——至少在語言行為這個可觀察的層面上。

離散狀態機與圖靈機#

圖靈將數位計算機描述為「離散狀態機」（discrete state machine）：狀態數有限、依確定規則轉移。
這與圖靈機同構：通用圖靈機可以模擬任何離散狀態機，因此「特殊化的機器」可以被「通用機器加程式」取代。
這個對照是模仿遊戲可行性的理論地基：既然機器是通用計算裝置，它原則上可以模擬任何人類語言行為。

逐詞字典翻譯必敗#

圖靈在文中舉了一個機器翻譯的例子：把俄語句子逐詞查字典替換成英語，會得到荒謬結果。他觀察到句子不是詞的無序集合——語法結構與語義必須一起處理。

典型示範（逐詞替換的災難）：

俄語原文（示意）：«Дочь писателя читает книгу»
逐詞替換得「daughter of writer reads book」——尚可，但換一句語序不同的句子就會崩潰。
英語「Time flies like an arrow」逐詞譯回，機器無法判斷 "flies" 是動詞還是名詞、何者是修飾對象。

結論：翻譯不是碼錶式的查表，需要理解句子的結構與語義。這是「語義理解」懸案的第一次現蹤。

學習 vs 編程的預言#

圖靈提出「child machine」（兒童機器）概念：與其手工編寫成人智能，不如造一個會學習的機器，像教育兒童一樣訓練它。
他預言以記憶容量換算，1970 年代的機器將有足夠儲存空間承載這類學習——這是機器學習路線的先聲，也是日後統計 NLP 與 LLM 的哲學伏筆。

程式碼示範：模仿遊戲與逐詞翻譯的失敗#

import random

# 逐詞字典翻譯示範：只靠查表會失敗
ru_en = {
    "Дочь": "daughter", "писателя": "writer's", "читает": "reads",
    "книгу": "book", "время": "time", "летит": "flies",
    "как": "like", "стрела": "an arrow",
}

def word_by_word_translate(sentence):
    return " ".join(ru_en.get(w, f"[?{w}?]") for w in sentence.split())

print(word_by_word_translate("Дочь писателя читает книгу"))
# -> daughter writer's reads book   (詞序錯誤，所有格結構消失)
print(word_by_word_translate("Время летит как стрела"))
# -> time flies like an arrow       (碰巧成功，因為語序恰好一致)

# 簡化模仿遊戲：判別者依「回答是否像人」打分
def interrogator(answer_a, answer_b):
    human_like = lambda s: sum(kw in s for kw in ["覺得", "記得", "希望", "討厭"])
    score_a, score_b = human_like(answer_a), human_like(answer_b)
    return "A 是人" if score_a >= score_b else "B 是人（機器騙過判別者）"

answers = [
    ("我記得去年夏天的雨聲，覺得很懷念。", "詩歌:雨聲:情感:正面"),
    ("我討厭排隊，希望以後都不用等。",     "排隊:等待:情感:負面"),
]
for a, b in answers:
    print(interrogator(a, b))

# 統計驗證：若機器與人類回答難以區分，判別者勝率應趨近 1/2
random.seed(0)
wins = sum(random.random() < 0.6 for _ in range(10000))
print(f"判別者勝率約 {wins/10000:.2f}（越接近 0.5，機器越難被識破）")

結案 -- 後果與影響#

圖靈測試成為 AI 領域的哲學標竿：「能否騙過人類判別者」成為可操作的智能判準，也引發至今未歇的哲學辯論（Searle 的中文房間即針對此）。
機器翻譯獲得問題意識：圖靈指出逐詞替換必敗，直接催生 1954 年 Georgetown-IBM 實驗及其後續的規則法翻譯。
Loebner Prize（1991 年起）以圖靈測試為競賽形式，雖然學界對其價值評價不一。
圖靈對行為主義式判準的自我限制有清楚自覺——他只談「語言行為的可觀察面」，把「機器是否真的有意識」留在場外。
「語義理解」成為六十年未解的懸案：2020 年代大型語言模型能否「理解」語言、能否真正通過圖靈測試的辯論，原點正是這篇文章。

關鍵人物與文獻#

Alan Turing (1950). "Computing Machinery and Intelligence." Mind 59(236): 433–460.
Alan Turing (1936). "On Computable Numbers, with an Application to the Entscheidungsproblem." Proceedings of the London Mathematical Society s2-42: 230–265.
Alan Turing (1948). "Intelligent Machinery." National Physical Laboratory Report（1970 年收錄於 Machine Intelligence 5）.
John Searle (1980). "Minds, Brains, and Programs." Behavioral and Brain Sciences 3(3): 417–424.（對圖靈測試的著名反駁）
A. M. Turing (1952). "Can Automatic Calculating Machines Be Said to Think?" BBC 廣播討論，收錄於 The Essential Turing (2004), Oxford University Press.