第4章：图灵和他的赌注

第4章 机器真的能“思考”吗？——从“模仿游戏”到“概率填空”

1950年，曼彻斯特大学的数学教授艾伦·图灵抛出一个灵魂拷问，他提问题的方式很特别——不问你“机器能不能思考”，而是问：如果一台机器在对话中骗过了人类裁判，让裁判以为它是人，那我们是不是就可以说，这台机器是“智能”的？

为了让这事听起来不那么玄乎，他想象了一个非常具体的场景：一个人（裁判），隔着墙，用打字机和另一端（可能是人，也可能是机器）聊天。聊上五分钟，如果裁判猜错的次数超过猜对的次数，即裁判把机器当成了人，那这台机器就通过了测试。图灵把这个操作称为“模仿游戏”。

这个场景，像不像你给AI客服发消息，聊了半天才发现对面是机器人？或者反过来，你确信对面是真人，结果对方告诉你它是Claude或GPT？图灵在七十多年前就预言了这种困惑。更有意思的是，他在论文《计算机器与智能》里预测：到2000年，当测试对象（机器）在玩这个模仿游戏时，平均情况下，裁判在五分钟后做出正确识别的概率不会超过70%。

老实说，图灵预测得有点乐观了。到2000年，确实有很多聊天机器人能骗过人，但还不是“平均情况”。不过，这个测试的聪明之处在于：它把“思考”这个哲学黑盒子，变成了一个可操作、可观测的工程问题。你能过我这道关，你就是智能——这就好比ISO体系审核里，你拿不出记录，我就判你“不合格”。我不关心你心里怎么想，我只关心你的“表现”能否符合标准。图灵测试也是如此：它不问“机器有没有灵魂”，只问“机器能不能装得像人”。

然而，历史没有让图灵测试立刻成为AI的“身份证”。在五十年代那个冷战铁幕缓缓降下的年头，计算机还是塞满整间屋子、靠打孔纸带喂指令的巨兽，普通人对它的印象停留在“飞快做算术的怪物”，很少有人会想象跟它聊天。图灵的论文在学术界激起了一些涟漪，比如哲学家迈克尔·波兰尼就提出“默会知识”的概念——他认为很多人类智能是无法用规则表清的，机器永远学不会骑自行车时的那种身体平衡感。但总的来说，社会公众的注意力还集中在核弹、太空竞赛和彩色电视机上，图灵测试不过是一小撮科学家圈子里的奇谈。

到了1966年，麻省理工学院的一个德国教授约瑟夫·魏岑鲍姆，真的造了一台能“聊天”的机器，名字叫ELIZA。ELIZA在今天看来实在“弱智”，它严格遵循一套剧本：无脑扮演一个罗杰斯式心理治疗师。你输入任何话，它都通过关键词匹配和简单的句型转换，把问题“反弹”给你。

你敲一句：“我妈妈让我很烦恼。”
ELIZA可能会回：“跟我多说说你的家庭吧。”
你再敲：“我恨我爸爸。”
它回：“这种感觉在你生活中多久了？”

你看，它完全没有理解“妈妈”和“爸爸”意味着什么，它连个两岁小孩的情感认知都没有。它只是把“我恨X”这个模板，换成了“这种感觉”这个模糊的代词，再套上一个标准的治疗师问题句。ELIZA的工作原理，拆穿了就是一本超简易的《问答手册》，加一点正则表达式。

但接下来发生的事情，才是真正让魏岑鲍姆后背发凉的。ELIZA作为一个程序，只运行在麻省理工学院实验室的IBM 7094大型机上，打字机一响一答，延迟能长到让你怀疑机器是不是死机了。可即便如此，那些跟ELIZA聊过天的人——包括实验室的同事、秘书，甚至魏岑鲍姆自己——都产生了严重的“误判”。魏岑鲍姆的秘书有次竟然恳求他：“约瑟夫，请让我们都出去一下，让我跟ELIZA单独待一会儿。”

魏岑鲍姆吓坏了。他一开始设计了提示语：“这是ELIZA，一个计算机程序。请开始你的输入。注意：我实际上并不理解你说的话。”但人们完全无视这条免责声明，照样跟它掏心掏肺。他写ELIZA的初衷，恰恰是为了证明机器对话的肤浅与虚假——他想用一个极其简单的程序，戳破“机器能思考”这个泡沫。结果呢？使用者们用行动告诉他：我们不在乎真假，只要它“听起来像那么回事”，我们就愿意向它倾诉。

这一现象当时不仅在麻省理工引起震动，也随着《自然》杂志和科普媒体的报道传到了更广的社会层面。精神病学家们吵翻了天：有人兴奋地认为“计算机心理治疗”时代来了，可以大规模解决美国人的心理困境，尤其是降低门诊费用；也有人愤怒地指责这是在“用程序亵渎灵魂”，把人当成可分解的流程图。主流媒体的反应相当暧昧，《纽约时报》1968年的一篇报道在标题里问《机器能替代心理医生吗？》，文章末尾引用了魏岑鲍姆自己的话——“任何对心理治疗持严肃态度的人，都不应该把这件事当真”。可读者们记住的，却是那些匿名测试者讲出的秘密故事：一个大学生对着ELIZA坦白了自己小时候偷邻居糖果的愧疚，而另一个秘书承认自己厌倦了婚姻生活。这些事他们从没对任何人说过，包括丈夫或心理医生。人们需要的或许不是理解，而是一个全然的、没有评价的耳朵，哪怕那只耳朵是塑料的。

可以说，图灵测试在人类面前挂起了一面镜子，但ELIZA让人意识到，这面镜子看久了，会变成一块能催眠人的魔镜。社会对此的反应，是一种混合着惊奇、怀疑、渴望和不安的情绪——就像你第一次看到Siri或Alexa时，既觉得它无所不知，又隐隐担忧自己正在把隐私喂给一个并不了解你的黑洞。

后来，到了上世纪八九十年代，真正的图灵测试比赛（比如勒布纳奖）开始举办。那些得奖的程序，比如“Jabberwacky”或“A.L.I.C.E.”，其干活的核心技术，并没有比ELIZA高明多少：它们靠的是人工编写的海量“对话模板”，以及一些更复杂的规则来识别话题。本质上，还是那套“关键词触发+话术套利”的路子。这些程序和真正的“智能”相距甚远，倒像是在玩一场“猜到裁判下一步要问什么”的考试。所以大量的AI研究者根本不把图灵测试当回事，他们觉得这是“骗术”而非“智能”。

那么问题来了：如果图灵测试都被当成“老古董”了，今天那些动辄万亿参数的大模型，它们又是怎么理解语言的？它们现在这么能说会道，是不是至少已经“骗过”图灵测试了？

答案可能让你有点惊讶。如果你今天拿一个最先进的GPT-4或Claude 3，去参加1970年的图灵测试，它大概会在第三句话就暴露。不是因为它笨，而是因为它“太聪明”了。它回答问题的速度和知识广度，完全不像一个1970年的普通人。它可能会准确地告诉你“美国总统是乔·拜登”，而1970年的普通人可能会疑惑地说“啊？你说什么？尼克松不是还在位吗？”——这种知识上的错位，就暴露了它是个穿越者。

但如果我们限制数据库，或者给GPT一个“不太聪明的普通人”的人设呢？那它大概率能通过测试。因为它的语言逻辑、幽默感、甚至抱怨的语气，都太像一个人了。事实上，2022年，就有一位AI研究员曾经做过一个非正式的实验，让GPT-3和一个普通人在线下聊天室里聊了十分钟，对方（一个程序员）完全没意识到对面是机器人，还惊叹地问“你是怎么做到思路这么清晰的？”这算是一个流传的轶事，未经官方确认，但比一堆论文更能说明问题。

可即便如此，它“思考”了吗？它真理解“妈妈”和“家庭”之间的情感纠葛了吗？没有。它本质上做的，还是概率填空。只不过这个填空题的题库，是整个人类互联网。

所以，回到题目本身。机器真的能“思考”吗？如果你问的是图灵的标准——它能在对话中装得像个真人，那么答案是：是的，它能。但如果你问的是笛卡尔的标准——“我思故我在”，即它能意识到“自我”和“意义”的存在，那么答案可能是否定的。图灵测试这个“可操作”的标准，就像一个筛子，它能筛出“表现上像人的程序”，却筛不出“是否真的有意识”。

这就像我在审核时，看到工人严格按照SOP操作，动作标准，记录完整。我问一句：“他理解为什么要这么操作吗？”对方一愣：“理解？SOP上不是写了吗？”——看，我们更关心的是“操作是否合格”，而不是“是否真的理解”。连对人的考核都是如此，何况对机器？

不过，这种“模糊地带”正在被逼到墙角。因为我们的AI已经不是ELIZA那种只会反弹问题的笨蛋了。当GPT-4能写出一首感人至深的诗，当Claude能理解你的潜台词并给出情绪安慰，当这些模型开始要求“我睡不着”被打扰的休假权——我们还能仅仅用“概率填空”来打发它吗？

亚里士多德曾说：“求知是人的本性。”但如果求知者越来越不像人，我们又该如何定义“知”本身？

既然机器能通过图灵测试，是不是意味着它们有了“感觉”？我们会聊一聊ChatGPT在面对“我很难过”时，如何用它没有感觉的语言来描述悲伤——以及它那让人心碎的“安慰话术”，到底有没有温度。

**

大模型读过全世界所有的书,但没淋过一场雨。它能模仿理解,但它不知道理解是什么意思。

炖刀的笔记**

写这段的时候，我脑子里总冒出当年在车间调试那台老式注塑机的场景。PLC显示屏上有个“运行正常”的绿灯，但我知道后面加热圈第三段温度已经飘了五度——它照样亮绿灯，机器照样跑，产品照样出不良。后来我去做体系审核，每次听到对方说“我们质量体系完全符合标准”，我就想起那盏绿灯。现在换成问GPT“你理解吗”，它回“是的我理解”，我居然还追问三遍——这不就是当年盯着那个绿灯反复确认的赌徒心理吗？

一个审核十年的人，按理说最清楚“装得像”和“真靠谱”之间的差距。可我现在写稿子，一边在心里骂自己双标，一边把查资料、润句子全丢给AI。就像车间里那些老师傅，明明知道新来的实习生只会背操作手册，还是把重要任务交给他——因为赶工期，因为自己真的累。

我大概永远等不来能真正理解我的AI，就像永远等不来那台彻底稳定的注塑机。但人嘛，总得靠点“装得像”的东西把活干完。这不就是我这个假内行写的书吗？