目录:
早在1950年，计算机科学家，密码破译者和战争英雄阿兰·图灵向世界介绍了一个非常简单的前提：如果一个机器人可以与一个人进行基于文本的对话并欺骗那个人相信它至少是人类的30％当时，我们当然可以同意机器人是一个“思考”的机器。图灵的目标是迫使人们更有创意地思考计算机交互，但他无意中最终创建了机器人智能开发人员和评论员多年来一直依赖的测试。但严肃的人工智能思考者并不专注于在三分之一的时间里混淆长期死亡的天才。他们专注于更实质性的指标。
从根本上说，图灵测试的问题在于它的定义很差，因此有助于炒作（例如乔治亚州的假教学助理），而不是提供容易重复的结果。除此之外，人们可以说它可以衡量人类的弱点，而不是人为的力量。欺骗和偏转可以让一个相对简单的聊天机器人“通过测试。”例如，一个名叫Eugene Goostman的机器人设计冒充一名13岁的乌克兰男孩，最近欺骗了三分之一的法官小组相信这个诡计。尤金在谈话中脱颖而出，结果证明这是他的秘密武器。法官们正在期待一个机器人被编程为智能，而不是一个避免问题，制造坏笑话，贬低malapropism，并用表情符号填充文本。
我的年度图灵测试#fml失败了
- jam（@hugdeserver）2016年5月11日
如果不是图灵测试，那么呢？全球的研究人员已经提出了一些替代方案。
解读歧义句
图灵聊天机器人的一个基本问题是机器仍然很难理解对人类有意义的句子。 “彼得对保罗说，因为他和他的女朋友一起睡了。”对于一个人来说，很明显保罗和彼得的女朋友睡了一觉，但对于一台电脑，“他”和“他的”都可以指任何一个人。了解发生的事情需要了解某些人对某人大喊大叫的意义，以及在什么条件下，一个人可能会被激励去做。
多伦多大学计算机科学教授赫克托·莱维斯克（Hector Levesque）提出了具有挑战性的机器来从这些模糊构造的句子（称为Winograd模式）中提取意义，作为图灵测试的替代方案。这需要超越模仿人类语言并进入实际理解领域。已经有25,000美元的奖金可以提供给开发人员，他可以制作一个与此人相同的机器人 - 虽然机器人可能会考虑每个问题长达五分钟。
面部识别
一些A.I.研究人员已经考虑过机器智能可以而且应该超越语言的想法。面部识别是人类做得特别好的一个例子 - 宝宝毕竟可以在出生后的几周内认出它的母亲。
有些计算机在识别人脸方面已经超出了人类的竞争程度，尽管这是否是真正智力的衡量标准仍然存在争议。一台编程非常擅长的机器与拥有可以在不同方式和不同情况下使用的灵活智能完全不同。
大学录取
日本机器人专家正在努力建造一个可以进入大学的机器人。东京大学的入学考试是出了名的困难，对于机器人而言，远远高于高中毕业生。
不幸的是，对于机器人而言，擅长测试需要的不仅仅是记住大量事实。数学问题没有给你一个方程式来解决 - 他们用简单的语言描述一个场景，并由你来决定如何建立一个能得出正确答案的方程式。如果机器人无法掌握所用语言的语法或语境，即使是关于历史事实的直截了当的问题也可能很复杂。
入学考试不仅仅是一个多项选择考试 - 机器人也必须写论文。据推测，剽窃是不允许的，机器必须在给定的主题上产生一些原创和智能的散文。鉴于机器人有足够的时间模仿13岁的语言，这似乎相当遥远。尽管如此，有关研究人员表示他们希望在2021年之前将他们的小机器人送到大学。
播放按播放
这是一个特别高的酒吧。评论体育比赛涉及收集复杂的视听信息并以简明的语言传达正在发生的事情。除了视觉处理系统之外，机器人还必须具备非常好的语言技能。
如果一台计算机甚至可以在足球比赛中制作一份不太好的现场报道，那么人类可能会同意该机器人非常聪明。虽然，也许65年后，体育评论员机器人看起来特别是二维的，我们将不得不想出一些新的障碍让他们跳跃。