當今最先進的人工智能系統已經能夠輕鬆通過圖靈測試，但這一75年前設計的經典評估方法正面臨前所未有的質疑。在倫敦皇家學會近期舉辦的紀念活動中，來自全球的頂尖研究者達成共識：模仿人類對話的能力並不等同於真正的智能，科學界亟需建立全新的AI評估框架。這一轉變不僅關乎技術標準的更新，更涉及人類社會如何定義和管理人工智能的根本問題。
圖靈測試的失效源於現代AI技術的快速發展。大型語言模型通過學習互聯網上的海量文本數據，已經具備了極其逼真的對話能力，能夠在短時間內說服人類評判者相信自己是真人。然而，這種表面的流暢性掩蓋了深層的認知缺陷。研究表明，當面對訓練數據之外的問題時，即使是最先進的AI系統也會暴露出令人困惑的局限性，比如無法正確識別基本物體部位，或在簡單的視覺推理任務中出現系統性錯誤。
從模仿轉向功能評估的範式轉變
紐約大學神經科學家加里·馬庫斯在主題演講中強調，追求通用人工智能可能本身就是一個錯誤的目標。他指出，一些最成功的AI應用恰恰是高度專業化的系統，如谷歌DeepMind的蛋白質結構預測器AlphaFold。這些系統專註於單一任務，卻能在特定領域達到超越人類的性能水平。
這種觀點得到了與會專家的廣泛認同。英國薩塞克斯大學神經科學家阿尼爾·塞斯認為，對通用人工智能的過度關注實際上限制了人們的想象力，使科學界忽視了AI技術的多元化發展可能性。他建議將重點從"機器能否像人類一樣思考"轉向"我們希望AI系統具備什麼樣的功能"。
艾倫·圖靈，1951年。（圖源：Elliott & Fry, Public domain, via Wikimedia Commons）
愛丁堡大學AI倫理學家香農·瓦洛爾提出了更為激進的觀點，認為"通用人工智能"這一概念本身就是過時的科學術語，無法準確描述現實中存在的任何實體或屬性。她指出，智能的定義因文化背景、環境條件和物種特徵而大相徑庭，試圖用單一標準衡量機器智能是不現實的。
瓦洛爾建議完全摒棄"機器是否智能"的問題，轉而關注"機器具體能夠完成什麼任務"。這種功能導向的評估方法有助於避免將理解力、共情能力等人類特有的認知特徵錯誤地歸屬於AI系統。通過將複雜的智能概念分解為具體的能力維度，研究者能夠更準確地評估AI技術的實際價值和應用前景。
安全性與社會價值的優先考量
人工智能研究員加里·馬庫斯（左）與演員勞倫斯·菲什伯恩出席圖靈活動。（圖源：Courtesy of the Web Science Institute at the University of Southampton）
隨着AI技術在社會各個層面的深入應用，其潛在風險也日益凸顯。瓦洛爾強調，科技公司對通用人工智能的炒作實際上轉移了公眾對AI實際危害的關注。這些危害包括技能退化、認知偏差生成以及訓練數據中社會偏見的放大等問題。
來自谷歌DeepMind的威廉·艾薩克代表行業觀點指出，未來的AI評估標準應當優先考慮系統的安全性、可靠性和社會效益。他提出的新評估框架包括三個核心問題：AI系統是否安全可靠、是否提供有意義的社會價值、以及這些價值的成本和收益如何在社會中分配。
這種以安全為中心的評估理念要求對AI系統的惡意使用風險和意外後果進行全面評估。瓦洛爾建議，AI模型應當在安全指標上展開競爭，而非傳統的智能基準測試，包括評估系統被濫用的難易程度以及在現實應用中產生意外或有害結果的可能性。
傳統的圖靈測試之所以不再適用，部分原因在於它忽視了AI技術的社會影響維度。劍橋大學文學研究者莎拉·迪倫提醒說，圖靈最初提出這一思想實驗時，並未將其設想為嚴格的技術評估工具，而是用於哲學層面的思辨。
多元化評估體系的探索方向
面對圖靈測試的局限性，研究界正在探索多種替代方案。馬庫斯提出了"圖靈奧運會"的概念，通過十餘項不同測試來綜合評估AI能力，包括觀看電影並理解情節、按照說明書組裝物品等實際任務。這種多維度評估方法能夠更全面地檢驗AI系統在不同應用場景下的表現。
然而，其他研究者對這種仍以"通用智能"為目標的方法提出質疑。塞斯強調了具身智能的重要性，認為與物理身體的連接不僅僅是智能的附加特徵，而是智能運作的構成性要素。這一觀點挑戰了純粹基於語言或邏輯推理的AI評估方法。
最新的評估工具如抽象推理語料庫第二版試圖通過基於謎題的測試來評估AI的適應性推理能力。這類測試專註於AI系統處理新問題的能力，而非簡單的模式匹配。但研究界對於是否存在單一的通用智能基準仍存在根本分歧。
當前AI發展的一個重要趨勢是專業化應用的興起。從醫療診斷到金融分析，從自動駕駛到科學研究，AI系統正在各個垂直領域展現出強大的能力。這種發展模式表明，與其追求模糊的"通用智能"目標，不如專註於開發能夠解決具體問題的專業化AI系統。
圖靈測試的終結標誌着AI評估理念的根本性轉變：從追求模仿人類轉向服務人類需求。這種轉變要求重新思考AI技術的發展目標、評估標準和社會責任，確保人工智能真正成為增進人類福祉的工具。隨着AI技術的不斷發展，建立科學、全面、面向未來的評估體系將成為確保技術安全發展和社會有序進步的關鍵保障。
