是时候让图灵测试退休了，吗？
AI早已能完美伪装成人类，但模仿从未等于智慧。研究者呼吁废弃图灵测试，把焦点转向AI的安全性、社会价值与真正的人性问题。
如今，最强大的人工智能模型早已轻松通过图灵测试——那场由数学家Alan Turing提出的著名思想实验：一台机器若能在文字交流中让人分不清真假，它就算“像人一样聪明”。
然而，许多科学家开始质疑：我们还需要这样的测试吗？
在伦敦皇家学会10月初举办的一场活动上，来自全球的研究者一致认为，是时候让图灵测试退场了。他们主张，不该再纠结机器是否“像人”，而应转向更务实的问题——AI是否安全、是否可靠、是否真正有益于人类。
“我们得先想清楚，我们究竟想要什么样的AI。”英国萨塞克斯大学神经科学家Anil Seth说，“一味追逐所谓‘通用人工智能’，反而束缚了我们的想象——更糟的是，让我们忽视那些我们绝对不该拥有的系统。”
这场会议之所以特殊，不只是为了纪念Turing发表那篇问世75周年的论文，更是一次集体反思。会上，纽约大学神经科学家Gary Marcus直言：“也许通用人工智能根本不是当下该追求的目标。”他举例说，像Google DeepMind的AlphaFold那样的AI，只专注于预测蛋白质结构，虽然单一，却极其高效。“它不会写诗，但它能改变科学。”
剑桥大学文学学者Sarah Dillon指出，Turing的“模仿游戏”从未打算成为真正的智力测试——那原本只是一次哲学思考：机器能思考吗？可随着AI的发展，这个游戏却被误读成智能的标尺。
今年3月，有研究者用改进版的图灵测试对四个聊天机器人进行实验，结果显示：最先进的模型已能成功“骗过”人类评审。但在会议上，多位专家强调，这只是模仿，不是理解。
“只要跳出它的熟悉范围，你马上能看到它的笨拙。”Marcus说。有的AI甚至连给大象的身体部位贴标签都搞不清楚，也画不出指针不在“十点十分”的时钟。这种“聪明”，依然是脆弱的幻象。
不过，语言模型的快速进步让科学界不得不面对一个问题：如果机器终有一天能在各种认知测试中追平人类，我们要用什么标准来衡量“智能”？
一些研究者提出新的评估方式，比如“抽象推理测试集ARC-AGI-2”，旨在检测AI解决陌生问题的能力。也有人建议举办“图灵奥运会”——让AI去完成一系列任务，比如理解电影情节、或根据说明书组装家具。但也有声音认为，这样的测试仍然忽略了真正的智慧——那种依赖身体、情感与环境交织的能力。
“智能并非漂浮在空中。”Seth说，“它存在于我们的身体之中，体现在我们与世界互动的方式里。”
来自爱丁堡大学的AI伦理学家Shannon Vallor更是直言：AGI(通用人工智能)是一个过时的概念。“所谓‘智能’，在不同文化、时代、物种中都有不同含义。我们该问的不是‘机器聪明吗’，而是‘它到底能做什么？’”
她主张，将AI的能力拆解成具体功能——比如语言生成、图像识别、逻辑推理——比空谈“智能”更有意义。否则，我们容易误把机器的“能力”当作人类的“理解”或“共情”。
Vallor还警告，科技公司对“通用智能”的痴迷，掩盖了真正的风险：AI可能削弱人类技能、制造幻觉、放大偏见。她认为，AI竞赛的标准不该是“聪明程度”，而应是“安全性”——包括它是否容易被滥用、是否会在现实世界中产生意料之外的危害。
Google DeepMind的William Isaac对此表示认同。他认为，未来的“图灵测试”应当聚焦三个问题：AI是否安全？是否可靠？是否真正造福公众？而且还要问——这种“造福”的代价由谁承担？
“科学家的责任，是以事实为基础，把炒作削减到最低。”Isaac说。
或许，真正值得人类思考的，不是机器能否像我们一样思考，而是当它越来越像我们时，我们还剩下什么独特的智慧。
