什么是图灵测试？

导读：人工智能的开创者，英国计算机学家图灵很早就意识到了这一点，认为“定义很容易拘泥于词汇的常规用法，这种思路很危险。”，“与其如此定义，倒不如用另一个相对清晰无误表达的问题来取代原题”。“图灵测试”正是这样一个关于人工智能的“替代问题”。

特邀老师

马少平

清华大学教授，博士生导师

中国人工智能学会副监事长

人工智能至今没有统一的定义。为什么人工智能的定义这么难？究其根源在于什么是智能至今都无法说得清楚。

人工智能的开创者，英国计算机学家图灵很早就意识到了这一点，认为“定义很容易拘泥于词汇的常规用法，这种思路很危险。”，“与其如此定义，倒不如用另一个相对清晰无误表达的问题来取代原题”。“图灵测试”正是这样一个关于人工智能的“替代问题”。

艾伦·图灵

图片来源于网络侵删

1950年，38岁的图灵发表了一篇题为“计算机与智能（Computing Machinery and Intelligence）”的论文，提出了一种判断机器是否具有智能的一种测试方法，后来被称之为“图灵测试”。

图灵测试来源于当时流行的一种男女模仿游戏，描述图灵生平的电影《模仿游戏》片名就来源于此。游戏由一男（A）一女（B）和一名测试者（C）进行；C与A、B 被隔离，通过电传打字机与A、B对话。测试者只知道二人称呼是X、Y，通过提问以及回答来判断，最终做出“X是A，Y是B”，或者“X是B，Y是A”的结论。在游戏中，A必须尽力使C判断错误，而B的任务是帮助C。也就是说，男士A要尽力模仿女士，从而让测试者C错误地将男士A判断为女士。

图灵测试概念图

图片来源于网络侵删

在论文中，图灵首先叙述了这个游戏，进而提出这样一个问题：如果让一台计算机代替游戏中的男士A，将会发生什么情况呢？也就是说，B换成一般的人类，机器A尽可能模仿人类，如果测试者C不能区分出A和B哪个是机器，哪个是人类，那么是不是就可以说这台机器具有了智能呢？图灵在论文中预测，在50年之后，计算机在这一模拟游戏中将有不输于人类，一般的提问者在５分钟提问后，能够准确鉴别“哪个是机器哪个是人类”的概率不会高于７０％。也就是说，机器将有不低于30%的概率成功欺骗提问者。后来，图灵在一次BBC的广播节目中，进一步明确了这一概念，认为这一方法可有效判断机器是否具有了智能。这就是鼎鼎大名的图灵测试。事实上，与其说图灵测试是一种测试，倒不如说是一种思想实验，计算机只有达到了这样的程度，才可以说具有了智能。

Eugene Goostman 对话机器人

图片来源于网络侵删

图灵测试提出来以后，很多人参加了挑战，但都没有成功。2011年，一款称为Cleverbot的对话机器人宣称通过了图灵测试，但大家知道其背后的原理是对历史对话的搜索，因而很难说具有智能（https://www.cleverbot.com/）。2014年，BBC报导一个名叫Eugene Goostman的机器程序模仿一个13岁的小男孩，在英国雷丁大学组织的一次测试中成功欺骗了33%的测试者，因而宣称通过了图灵测试。然而，这一结果的测试过程也受到了不少质疑。

人工智能经过六十多年的发展，虽然取得了一些成绩，但还是处于初期阶段，实现智能机器还需要很长一段路要走。

By：清华大学 马少平

人类使用化学药物的历史可以追溯到19世纪，其中阿司匹林是杰出的代表。目前，人们使用的化学药物大约有4000种，每年新增20-30种。

一种新药的开发极其复杂，其中第一步是寻找具有某种属性的先导化合物。在很长一段时间里，人们基于经验开发先导化合物，成本高，周期长。

自上个世纪90年代以来，人们就尝试利用人工智能的方法来辅助新药开发，如预测药物的属性和化合过程等。近年来，人们利用各种机器学习方法直接合成新的药物分子，取得了长足进展。

例如，2020年5月Nature杂志发表了一篇论文[1]，利用循环神经网络（RNN）模型合成具有某种目标属性的分子。研究者首先将分子式重构成一个从左到右的数字/字母序列，再将该分子的各种属性提取出来，之后建立RNN模型，基于这些属性生成对应的数字/字母序列，最后将生成的序列还原成分子结构。

将药物分子表示成数字/字母序列 [2]

提取分子属性 [1]

建立RNN模型，生成符合属性的分子结构 [1]

值得说明的是，上述生成过程是随机的，即由一种属性设定可以生成多种分子结构，越是符合目标属性的分子，生成的可能性越大。如下图所示，左右两图分别是基于两种属性设定生成的分子结构。可以看到每种设定都可以生成多种分子结构，这些结构具有相似属性，因而都是可能的新药候选。制药师可以对这些候选进行筛选，选择可能性较大且成本较低的结构进行试制。这一方法可充分启发研究人员的思路，从而有效缩短发现新药的时间。

由两种不同的属性设定生成的新药候选 [1]

参考文献：

[1]. Kotsias et al., Direct steering of de novo molecular generation with descriptor conditional recurrent neural networks, Nature machine Intelligence, 2020.

[2]. Chen et al, The rise of deep learning in drug discovery, Drug Discovery Today, vol23, no.6, 2018.

By：清华大学 启明

非常有必要。

智能时代的到来已经成为社会发展的必然趋势，人工智能技术则是新时代的主角。从这个意义上说，不论男女老少，都应该学习基础的人工智能技术，只是侧重点不同。

对老人来说，主要应学习人工智能的应用，利用人工智能技术为自己服务，而不是让智能技术成为生活的门槛。例如，当前银行取款、高铁乘车等都要用到人脸识别技术，老人应学习使用人脸识别软件的基础操作，避免因不熟悉操作产生的失误。再比如，越来越多的客服热线采用语音对话机器人，需要对这些系统有所了解，以得到更好的服务。再如，未来家居服务和预警系统会越来越普及，老人应学习如何使用这些系统，以便出现困难或危险时可以得到及时救助。总之，学习一些人工智能的基础知识，可以使老人的晚年生活更方便，更丰富；反之，如果对这些技术一无所知，将有可能极大限制老人的活动空间，造成不便甚至危险。

图片来源于网络侵删

另一方面，老人应学习一些必要的人工智能知识，避免被不法分子利用人工智能技术实施高科技诈骗。例如，当前语音合成和语音转换技术已经非常强大，可以将一个人的声音转换成另一个人的声音，效果可以达到逼真的程度。如果老人收到不合常理的电话，例如要求转账或哭喊勒索，尽管听起来是自己的家人，也要仔细确认，以免上当受骗。

《腾讯防电话诈骗新技术》

图片来源于爱集微侵删

总结起来，老人需要学习一些人工智能的基础知识，而这并不困难。最重要的克服畏难情绪，实际操作一下，人工智能系统肯定比传统系统更简单，更方便。

事实上，人工智能技术最大的受益者应该是老人和孩子，因为这些人群相对弱势，最需要人工智能给以全方位的帮助和保护。当前人工智能技术给老人造成的一些困扰，一方面是因为技术本身还没能实现完美，需要操作者的配合；另一方面也因为科普宣传还不充分，让这些技术显得神秘，间接增加了老人对新技术的畏惧感。这是人工智能从业者需要深刻反思的事情。

By：清华大学 启明