图灵是20世纪最伟大的数学家之一。作为现代计算机概念的缔造者，他的密码破译工作在第二次世界大战中起到了决定性的作用。在那个创意无限的计算机黎明时代，图灵率先提出的测试，说来似乎很简单：如果一台计算机通过对话，能使人们认定它是人类，那么这台计算机便被认为是具有智能的。

图灵试验的标准模式：C使用问题来判断A或B是人类还是机械。对象为：一个具有正常思维的人（代号B）、一个是机器（代号A）。如果经过若干询问以后，C不能得出实质的区别来分辨A与B的不同，则此机器A通过图灵试验。
在现代社会，无论是GPS导航系统与Google搜索引擎，还是自动柜员机与苹果Siri，更遑论象棋大师深蓝（Deep Blue）和满腹经纶的沃森（Watson），人工智能无处不在。但是，迄今为止，没有一台计算机通过了图灵测试。虽然如此，在尝试通过图灵测试的漫漫征程上，模拟人类思维的愿望不断激励着我们。这一原动力，对计算机科学乃至认知科学的发展，产生了深远影响。
而现在，我们有理由相信，一台内核代码已经写就的计算机，拥有通过图灵测试的能力。
“两项革命性的信息技术进步，可能将重新给被闲置已久的图灵测试，带来新的任务，”法国国家科学研究中心的认知科学家罗伯特•弗兰茨（Robert French）在4月12日的《科学》杂志上撰文称，“第一步是准备数量巨大的原始数据：输入的内容包括视频资料和完备的声音环境信息，以及随意的谈话内容和关于各种各样事物的技术文档。第二步是能够整理、收集、处理这些丰富数据的复杂技术。”
这有没有可能创造出相当于人类大脑的认知水平的神经连结网络？它能感知到我们所感知的吗？
图灵第一次进行他的测试，是在一次聚会时。他巧妙的实验令人印象深刻：参加者努力让评判者相信他们的性别是伪装的（图灵本人由于他的同性恋取向受到了严酷的迫害）。那时候，这种创建等效于人类大脑认知方式的低水平神经网络的想法还不存在。然而，复制人类的思想似乎很有可能，相比之下似乎更简单。
我们一般认为，人类的思维是逻辑性的，而计算机能够运行逻辑性的命令。因此，我们的大脑应该是可计算的。计算机科学家由此认为，二十年之内，或许不超过十年，我们就可以看到这样激动人心的事情：人们无法根据对话分辨出，对方是计算机还是人类。
这个过分简约的构想，被证明是建立在错误的理论基础上的。认知过程要远比20世纪中叶的计算机科学家及心理学家所设想的复杂得多。并且令人沮丧的是，在运用逻辑学描述我们的思想过程时，科学家遇到了非常大的困难。并且我们越来越清楚：根据人类大脑所特有的，适应快速变化的外界环境、整合信息碎片等一系列特殊功能来看，模仿人类思维几乎是无法完成的任务。
“对于现实中众多不确定性而言，符号逻辑本身过于脆弱，”斯坦福大学研究机器智能模拟的计算机科学家诺亚•古德曼（Noah Goodman)如是说。尽管如此，现在被我们认为已经失败的传统AI，技术上依旧颇具启发性。因为它们彻底改变了，我们对于人类大脑运作方式的看法。挫折过后，不断涌出的是许许多多极其重要的认知科学新观点。
直到20世纪80年代中期，图灵测试一直都是被放弃闲置的探索领域（尽管今天,它衍生出了专为虚拟聊天机器人设置的年度Loebner奖，同时即时虚拟广告机器人在我们的日常生活中也益发普遍）

（康奈尔大学创新机器实验室的两部虚拟谈话机器人正在进行非常有趣的唠嗑)

以上为帖子《人工智能下一步，通过图灵测试》的内容
————————————————————分割线————————————————————————

1957年，人工智能（artificial intelligence，AI）的先驱、通用问题求解机（Global Problem Solver）的发明者之一赫伯特·西蒙（Herbert A．Simon）曾说过：“我不是故意让你震惊，但概括来说，现在世界上就已经有了可以思考，可以学习和创造的机器，而且它们的能力还将与日俱增，一直到人类大脑所能够应用到的所有领域。”
西蒙当时曾预言，计算机会在十年之内成为国际象棋冠军。然而现实比西蒙的预测落后了三十年——直到1997年，IBM的电脑“深蓝（Deep Blue）”才战胜了象棋冠军加里·卡斯帕罗夫（Garry Kasparov）。
卷土重来
在人工智能发展早期，学术界和工业界对其前景持有一种过分乐观的态度——这种乐观与其说是对技术的期望过高，倒不如说是当时人们对机器能力的估计实在是过低，以致于当计算机表现出一点点聪明，人们就为之惊叹，而这种惊叹又很容易演化成一种过分的自信。
这样的自信自然无法长久。度过了最初的兴奋后，无论是工业界还是学术界都遭遇了巨大的困难。以机器翻译为例，早期人们以为机器翻译只需要进行字典的对应转换，再加上人为制定的语法规则就能实现；而实际应用时却发现，这样的系统无法应对哪怕稍有复杂的多重语义，也无法针对上下文语境做出恰当的反应，很多理论上能够实现的算法也无法在有限的计算资源上展开。
1973年，英国政府委托数学家詹姆斯·莱特希尔爵士（Sir James Lighthil），对人工智能进行全面评估。结果显示，人工智能无法应对现实世界中存在的“组合爆炸”问题，因此只能实现一些简单的应用。以这份报告为基础，英国政府停止了对AI领域的研究支持。在这之后，人工智能研究陷入了长久的沉寂。
在近半个世纪之后，人工智能领域才又再一次回到人们视线，而这一次，我们拥有的资源与之前可谓不可同日而语——计算资源已经部署在云端，像水和电一样唾手可得；互联网所容纳的信息超过了前人所有的知识储备，现实和虚拟世界也不再泾渭分明。以深度学习为代表的算法发展，也使得机器有能力处理如此庞大的数据。
如果说这些只是理论，那么IBM的超级计算机“沃森（Watson）”在电视节目《危险边缘》（Jeopardy）中战胜人类，获得年度总冠军；Google X的虚拟大脑在没有预先输入的情况下，独立地从Youtube上的1000 万帧图片中学习到了“猫”的概念，就早已不是理论上的可能性，而是真实发生的现实。
第四次工业革命的前夜
尼尔·杰卡布斯坦（Neil Jacobstein）在一次演讲中曾说过这么一句话：“当你站在太空中回望地球，你看不到争吵不停的200多个国家；而当你深入自然奥秘之中，你也看不到界限分明的学科划分。”这句话在一定程度上，可以代表杰卡布斯坦所在的奇点大学（Singularity University）的宗旨。与其说这所大学在教授最前沿的技术，倒不如它在传播最先进的理念。奇点大学专注的不是技术，而是现实世界的改变，这种改变无疑需要一种融合的视角才可能打破我们心智的成见，去实现真正的进步。

机器学习示例

规则化的知识库
规则化的知识库则为机器提供了推理能力。当超级计算机沃森在《危险边缘》中面对这样一个问题：“When 60 Minutes premiered, this man was U.S . President（当《60分钟》初次上演时，这个人是当时的美国总统）”时，Waston需要使用句法分析之类的技术对句子进行句法分解，然后确定“permiered”的语义后面关联的是一个日期；同时要对“60分钟”进行语义消歧，确定它指代的是某个电视节目而非具体的时间。在进行句法分析后，沃森需要最后根据确定的日期，推断当时在位的美国总统。

而斯图尔特·罗素（Stuart Russel）在《人工智能：一种现代方法》（Artificial Intelligence A Modern Approach）中举了一个例子来反驳塞尔：我们能够说CPU会开立方根么？众所周知，CPU所能够执行的基本操作，只有加1、减1、存储、移位等等。然而可以说，CPU不能开立方根么？
塞尔的思想实验的问题在于，他混淆了不同的层次（这也是在谈到意识问题时，大部分情况下人们所犯的错误）——我们并不会讨论这个人是否拥有智能，而是说这个房间作为一个“整体”，是拥有智能的。正如我们不会说人类大脑的布罗卡区拥有智能，而是说这个人拥有智能一样，即使布罗卡区在语言的产生中发挥着极重要的作用。
其实人工智能开创者之一的阿兰·图灵（Alan Turing）早在1950年的论文《计算机器与智能》中就给出了意见。而人尽皆知的“图灵测试”之所以提出，最大的原因就在于“智能”这个概念是模糊和易混淆的，我们需要使用行为来定义智能。没有外部可感的行为，空谈大脑中意识的意向性和灵魂，是没有价值的。
而另一方面，将人工智能想象成灭绝人类的邪恶机器人，终有一天要取代人类的想法也由来已久。但是与其考虑人工智会能像电影《黑客帝国》中描述的那样，将人类奴役并毁灭，我更愿意列举每年交通事故的死亡人数，来论证没有什么便利是没有代价的。在一项技术推广前，进行审慎的评估并做好风险控制，才是更应该做的事情。
映照人类自身的一面镜子
正如杰卡布斯坦在一次TED演讲所称，要应对即将到来的人工智能革命，我们需要在数学素养、生态素养，尤其是道德素养上进行不断地自我提升，从而确保当我们手持利器之时，不会对同胞兵刃相见。
人们对人工智能最多的讨论，其实更像是对我们自身的讨论——关于自身的情感，关于自身在宇宙中的地位，关于自己是渺小还是伟大的一种心情。毕竟，用心理学的观点来看，人工智能，这个除了人本身以外最像人的东西，实在是我们心理投射里一个再好不过的客体。

以上为《人工智能：拿什么向奇点迫近》帖子的内容
——————————————————分割线————————————————————