Eugene Goostman「通过」了图灵测试——持续了五分钟

2014 年 6 月 7 日，在伦敦皇家学会，三十位评委与几款程序进行了五分钟的键盘对话。其中一个程序，Eugene Goostman——一个以来自敖德萨、养着一只豚鼠的 13 岁男孩为人设的聊天机器人——被十位评委（33%）当成了人类。组织该活动的雷丁大学的 Kevin Warwick 宣布，艾伦·图灵的测试首次被通过。

媒体将其放大为「世界首次」：BBC 以「计算机 AI 通过图灵测试」作为头条。然而，30% 并非一个门槛——而是图灵自己在 1950 年的预测，即到 2000 年机器能骗过三分之一的评委。Eugene 并非新面孔：它自 2001 年起就开始参赛，在 Loebner 奖中排名落后于其他系统。连其合作者 John Denning 都打了圆场：「我认为我们通过了『一个』图灵测试，但我不确定是不是『那个』图灵测试。」

一天之内，该领域就发起了反击。「这完全是胡说八道，一派胡言。我们甚至还没接近，」Stevan Harnad 说。Marvin Minsky 表示：「从设计糟糕的『实验』中学不到任何东西。」Gary Marcus 称 Eugene 是「一个巧妙编写的软件」，其「幻觉转瞬即逝」；Murray Shanahan 说这一声明「完全不得要领，贬低了真正的人工智能研究」。Noel Sharkey 道破了玄机：「假装成一个乌克兰 13 岁男孩是一个非常聪明的策略，这可以限制对话的范围。」

人设就是策略：一个非英语母语的儿童，还有一只宠物，可以解释每一个不合理的回答。当被追问骆驼有多少条腿时，Eugene 回答「介于 2 到 4 之间。也许，三条？」——这个回答被理解为童言无忌，而非程序错误。这场闹剧的真正代价是公众认知：「AI 通过了图灵测试」成了一个不断重复出现的头条标题，真正的人工智能研究人员至今仍在反驳，而五分钟的剧本化聊天取代了图灵的开放式对话，成为公众理解中「通过」的含义。

「图灵测试被通过」的神话，头条仍在重复

图灵的 30% 是一个预测，而非及格线——活动将其视为门槛，并在达到的那一刻就宣布了胜利

人设在起作用：一个养着豚鼠的 13 岁孩子让每一个不合理的回答看起来都像人类——因此测试衡量的是伪装，而非机器智能

五分钟的无限制对话比 Loebner 奖的 25 分钟标准更低——而 Eugene 在该奖中排在七个系统之后

宣布跑在了审查前面：当天就宣布了「世界首次」，在领域专家有机会评估之前，因此更正声浪从未追上头条

图灵的 30% 是一个预测，而非及格线；一个能解释所有不连贯回答的人设衡量的只是伪装，而非机器智能。

Eugene 的胜利没有被任何人撤消，也没有被多少人接受：聊天机器人保留了自己的人设，其创作者继续前进，而这一事件则成为图灵测试声明超越其证据的教科书案例。真正的损害在于公共语言——「通过图灵测试」成为了一种头条简写，真正的人工智能里程碑至今仍需要与之抗争。活动组织者自己的辩护——对话是「无限制的」——只凸显了测试从图灵那种开放式的、长达数年的审问，缩减到五分钟与一个无法被抓住把柄的青少年对话的距离有多远。