1. 图灵测试,什么叫做图灵测验?
图灵测试(The Turing test)由艾伦·麦席森·图灵发明,指测试者与被测试者(一个人和一台机器)隔开的情况下,通过一些装置(如键盘)向被测试者随意提问。
进行多次测试后,如果有超过30%的测试者不能确定出被测试者是人还是机器,那么这台机器就通过了测试,并被认为具有人类智能。图灵测试一词来源于计算机科学和密码学的先驱阿兰·麦席森·图灵写于1950年的一篇论文《计算机器与智能》,其中30%是图灵对2000年时的机器思考能力的一个预测,我们已远远落后于这个预测。
2. 图灵测试主要用于考察计算机的什么水平?
图灵测试主要用于考察计算机的智能水平。通过模拟人类与计算机的对话,测试计算机是否能够表现出与人类相似的智能行为。
测试中,计算机需要具备自然语言理解、推理、学习和交流等能力,以便能够回答问题、解决问题,并与人类进行无差别的对话。
图灵测试的目标是评估计算机是否能够通过其智能行为使人类无法区分其是否为机器,从而判断计算机的智能水平。这对于评估人工智能的发展和进步具有重要意义。
3. 著名的图灵测试主要用于考察计算机的什么水平?
著名的图灵测试主要用于考察计算机的智能水平,也就是计算机是否能够以一种与人类相似的方式进行交互。
图灵测试的基本思想是,将一名人类评判者和一台计算机放在同一环境中,让评判者与计算机进行对话,并通过对话内容来判断计算机是否具有智能。
在图灵测试中,评判者需要与计算机进行多轮对话,每轮对话都会提出一个问题或陈述一个陈述,评判者需要判断计算机是否能够以一种自然的方式进行回答或表达。
如果评判者无法区分计算机和人类的回答或表达,那么计算机就被认为通过了图灵测试。
4. ameca机器人通过图灵测试了吗?
根据公开资料,Ameca机器人没有通过图灵测试。虽然Ameca机器人被开发出来进行各种任务,但图灵测试是测试一个机器人能否表现出与人类一样的智能水平的测试,通过与否并没有明确记录。
5. 图灵测试有什么意义?
今天我想跟大家说一说“图灵测试”
1950年,阿兰·图灵在那篇名垂青史的论文《计算机械与智力》的开篇说:“我建议大家考虑这个问题:‘机器能思考吗?’”但是由于我们很难精确地定义思考,所以图灵提出了他所谓的“模仿游戏”。
具体就操作层面来说,图灵在他的论文原文中是这样定义图灵测试的:
游戏参与者包括一个男人,一个女人,以及一个任意性别的询问者。
询问者与另两个人待在不同的房间里,并通过打字的方式与他们交流,以确保询问者不能通过声音和笔迹区分二者。
两位被询问者分别用X和Y表示,询问者事先只知道X和Y中有且仅有一位女性,而询问的目标是正确分辨X和Y中哪一位是女性。另一方面,两位被询问者X和Y的目标都是试图让询问者认为自己是女性。也就是说,男性被询问者需要把自己伪装成女性,而女性被询问者需要努力自证。
现在我们问:如果我们把“模仿游戏”中的男性被询问者换成计算机,结果会怎样?相比人类男性,计算机能否使询问者更容易产生误判?”
这里有几个细节值得注意,它们在很大程度上决定了图灵测试的有效性。
(1)首先,图灵测试中询问者与被询问者之间进行的并不是普通的日常聊天,询问者的问题是以身份辨别为目的。这种情况下询问者通常不会花费时间寒暄和拉家常,而是会开门见山地说“为了证明你的身份,请配合我回答下面问题…”。事实上,目前网络上聊天机器人有时能够以假乱真,往往是采用了在用户在不知情的情况下尽量把谈话引到没有鉴别力的话题上的策略(例如“谈谈你自己吧”)。
(2)其次,图灵测试中人类被询问者的参与是必不可少的,她的存在是为了防止计算机采取“消极自证”的策略,例如拒绝正面回答问题,或者答非所问闪烁其词,就像一个真正的不合作的人所做的一样。在这种情况下,另一个积极自证的人类被询问者可以保证询问者总是有足够的信息做出判断。类似的情况也适用于当计算机试图模仿正在牙牙学语的幼童或头脑不清的病人等“特殊人类”时。
(3)另外,图灵测试的原则是要求询问的交互方式本身不能泄露被询问者的物理特征。在图灵所处的年代这几乎只能全部通过基于文本的自然语言来完成,因此图灵限定测试双方基于打字进行交流。但在多媒体技术发达的今天,视频、音频、图片等等“虚拟内容”都可以通过计算机以非物理接触的形式呈现(这当然是60年前的图灵不能预知的!)。因此,允许询问者在图灵测试中使用多媒体内容作为辅助材料进行提问(例如“请告诉我这个视频的笑点在哪儿”)似乎是对原始图灵测试定义的一个自然合理的补充。
(4)最后,今天一般意义上理解的图灵测试不再严格区分人类参与者的性别。通常我们允许人类被询问者是任意性别,而询问者的目标也随之变成辨别哪一位被询问者是人类。
除此之外,完成一次具体的图灵测试还要注意很多操作细节,例如多少人参与测试算“足够多”,多长的讯问时间算“足够长”,多高的辨别正确率算“足够高”,如何挑选人类询问者和被询问者才能代表“人类”的辨别和自证能力,等等。由于图灵测试的巨大影响力,几十年来一直有人尝试挑战它,不时就会传出“某某计算机程序成功通过图灵测试”的消息。我想,正是对于意义深远的实验,我们才理应格外审慎。只有在仔细检查上面所列和其他一些重要细节之后,我们才能对其结果的有效性做出正确判断。
图灵还为这项测试亲自拟定了几个示范性问题:
问: 请给我写出有关“第四号桥”主题的十四行诗。
答:不要问我这道题,我从来不会写诗。
问:34957加70764等于多少?
答:(停30秒后)105721
问:你会下国际象棋吗?
答:是的。
问:我在我的K1处有棋子K;你仅在K6处有棋子K,在R1处有棋子R。轮到你走,你应该下哪步棋?
答:(停15秒钟后)棋子R走到R8处,将军!
图灵指出:“如果机器在某些现实的条件下,能够非常好地模仿人回答问题,以至提问者在相当长时间里误认它不是机器,那么机器就可以被认为是能够思维的。”
从表面上看,要使机器回答按一定范围提出的问题似乎没有什么困难,可以通过编制特殊的程序来实现。然而,如果提问者并不遵循常规标准,编制回答的程序是极其困难的事情。例如,提问与回答呈现出下列状况:
问:你会下国际象棋吗?
答:是的。
问:你会下国际象棋吗?
答:是的。
问:请再次回答,你会下国际象棋吗?
答:是的。
你多半会想到,面前的这位是一部笨机器。如果提问与回答呈现出另一种状态:
问: 你会下国际象棋吗?
答:是的。
问:你会下国际象棋吗?
答:是的,我不是已经说过了吗?
问:请再次回答,你会下国际象棋吗?
答:你烦不烦,干嘛老提同样的问题。
那么,你面前的这位,大概是人而不是机器。上述两种对话的区别在于,第一种可明显地感到回答者是从知识库里提取简单的答案,第二种则具有分析综合的能力,回答者知道观察者在反复提出同样的问题。“图灵测试”没有规定问题的范围和提问的标准,如果想要制造出能通过试验的机器,以我们的技术水平,必须在电脑中储存人类所有可以想到的问题,储存对这些问题的所有合乎常理的回答,并且还需要理智地作出选择。
那么人工智能如此发达的今天,是否有人通过了图灵测试呢?
答案是有的。
2014年6月7日发生了一件事情:聊天程序“尤金·古斯特曼”(Eugene Goostman)在英国皇家学会举行的2014图灵测试大会上冒充一个13岁乌克兰男孩而骗过了33%的评委,从而“通过”了图灵测试。
你肯定还想问,Siri有没有通过图灵测试呢?
答案是没有。
看来Siri还有很长的路要走啊!
6. 人工智能领域有哪几位科学家荣获图灵奖?
个人觉得,人工智能的基础就是计算机技术的不断进步和发展;所以,每一个获得图灵奖的人的都算得上人工智能领域的科学家。
截止至2005年,获此殊荣的华人仅有一位,他是2000年图灵奖得主姚期智。
历年图灵奖获得者
2007 Edmund M. Clarke、Allen Emerson和Joseph Sifakis 获奖原因:在将模型检查发展为被硬件和软件业中所广泛采纳的高效验证技术上的贡献。而DDJ则将三人的贡献称为“在发现计算机硬件和软件中设计错误的自动化方法方面的工作”。
2006 Fran Allen 获奖原因:对于优化编译器技术的理论和实践做出的先驱性贡献,这些技术为现代优化编译器和自动并行执行打下了基础。
2005 Peter Naur 获奖原因:由于在设计Algol60程序设计语言上的贡献。Algol60语言定义清晰,是许多现代程序设计语言的原型。
2004 Vinton G. Cerf、Robert E. Kahn 获奖原因:由于在互联网方面开创性的工作,这包括设计和实现了互联网的基础通讯协议,TCP/IP,以及在网络方面卓越的领导。 2003 Alan Kay 获奖原因:由于在面向对象语言方面原创性思想,领导了Smalltalk的开发团队,以及对PC的基础性贡献。 至理名言:预测未来的最好方法是创造它。
2002 Ronald L. Rivest、Adi Shamir、Leonard M. Adleman 获奖原因:由于在公共密钥理论和实践方面的基础性工作。
2001 Ole-Johan Dahl、Kristen Nygaard 获奖原因:由于面向对象编程始发于他们基础性的构想,这些构想集中体现在他们所设计的编程语言SIMULA I 和SIMULA 67中。 2000 Andrew Chi-Chih Yao(姚期智) 获奖原因:由于在计算理论方面的贡献而获奖,包括伪随机数的生成算法、加密算法和通讯复杂性。
1999 Frederick P. Brooks, Jr. 获奖原因:由于在计算机体系架构、操作系统以及软件工程方面所做出的具有里程碑式意义的贡献。人月神话的作者。
1998 James Gray 获奖原因:由于在数据库、事务处理研究和相关系统实现的技术领导工作。
1997 Douglas Engelbart 获奖原因:由于提出了激动人心的交互式计算机未来构想,以及发明了实现这一构想的关键技术。
1996 Amir Pnueli 获奖原因:由于在计算科学中引入temporal逻辑以及对编程和系统认证方面的杰出贡献。
1995 Manuel Blum 获奖原因:由于在计算复杂性理论、密码学以及程序校验方面的基础性贡献。
1994 Edward Feigenbaum、Raj Reddy 获奖原因:由于他们所设计和建造的大规模人工智能系统,证明了人工智能技术的重要性和其潜在的商业价值。
1993 Juris Hartmanis、Richard E. Stearns 获奖原因:由于他们的论文奠定了计算复杂性理论的基础。
1992 Butler W. Lampson 获奖原因:由于在个人分布式计算机系统及其实现技术上的贡献,这包括:工作站、网络、操作系统、编程系统、显示、安全和文档发布。
1991 Robin Milner 获奖原因:由于在可计算函数逻辑(LCF)、ML和并行理论(CCS)这三个方面突出和完美的贡献。
1990 Fernando J. Corbato' 获奖原因:由于组织和领导了多功能、大规模、时间和资源共享的计算机系统的开发。
1989 William (Velvel) Kahan 获奖原因:由于在数值分析方面的基础性贡献。
1988 Ivan Sutherland 获奖原因:由于在计算机图形学方面开创性和远见性的贡献,其所建立的技术历经二、三十年依然有效。
1987 John Cocke 获奖原因:由于在编译器设计和理论、大规模系统架构以及开发RISC等方面的重要贡献。
1986 John Hopcroft、Robert Tarjan 获奖原因:由于在算法及数据结构设计和分析方面的基础性成就。
1985 Richard M. Karp 获奖原因:由于在算法理论方面,特别是NP-completeness理论方面,连续不断的贡献。
1984 Niklaus Wirth 获奖原因:由于开发了EULER、 ALGOL-W、 MODULA和PASCAL一系列崭新的计算语言。
1983 Ken Thompson、Dennis M. Ritchie 获奖原因:由于在通用操作系统理论研究,特别是UNIX操作系统的实现上的贡献。
1982 Stephen A. Cook 获奖原因:由于其于1971年发表的论文,奠定了NP-Completeness理论的基础。
1981 Edgar F. Codd 获奖原因:由于在数椐库管理系统的理论和实践方面基础性和连续不断的贡献,关系数据库之父。
1980 C. Antony R. Hoare 获奖原因:由于在编程语言的定义和设计方面的基础性贡献。 1979 Kenneth E. Iverson 获奖原因:由于在编程语言的理论和实践方面,特别是APL,所进行的开创性的工作。
1978 Robert W. Floyd 获奖原因:由于在如何开发高效、可靠的软件方法论方面的贡献,这包括:建立分析理论、编程语言的语义学、自动程序检验、自动程序综合和算法分析在内的多项 计算机子学科。
1977 John Backus 获奖原因:由于在高级语言方面所做出的具有广泛和深远意义的贡献,特别是其在Fortran语言方面。
1976 Michael O. Rabin、Dana S. Scott 获奖原因:由于他们的论文"有限自动机与它们的决策问题",被证明具有巨大的价值。
1975 Allen Newell、Herbert A. Simon 获奖原因:由于在人工智能、人类识别心理和表处理的基础贡献。
1974 Donald E. Knuth 获奖原因:由于在算法分析和程序语言设计方面的重要贡献,计算机程序设计艺术的作者。
1973 Charles W. Bachman 获奖原因:由于在数据库方面的杰出贡献。 1972 E.W. Dijkstra 获奖原因:由于对开发ALGOL做出了原理性贡献。
1971 John McCarthy 获奖原因:由于其讲稿"The Present State of Research on Artificial Intellegence",对人工智能领域的贡献。
1970 J.H. Wilkinson 获奖原因:由于其在数值分析方面的研究工作。
1969 Marvin Minsky 获奖原因:人工智能理论及软件 1968 Richard Hamming 获奖原因:由于其在计数方法、自动编码系统、检测及纠正错码方面的工作。
1967 Maurice V. Wilkes 获奖原因:由于设计和制造了第一台内部存储程序的计算机EDSAC。 1966 A.J. Perlis 获奖原因:由于其在先进编程技术和编译架构方面的贡献。