图灵 1950 说“机器能思考”，2026 的大模型算过关吗？

一、1950 年：一个"不务正业"的问题

1950 年，二战结束才五年。世界上第一台通用电子计算机 ENIAC 刚造出来没几年，重达 30 吨，占地一整个房间，主要还是用来算炮弹弹道。大多数人对"计算机"的想象，还停留在轰鸣的继电器和打孔卡上。

就在这一年，37 岁的英国数学家艾伦·图灵在哲学期刊《Mind》上发表了一篇题为《计算机器与智能》的论文。他开门见山地问了一个直到今天还在吵的问题：机器，能思考吗？

这篇论文最了不起的地方，不在于它"证明"了什么，而在于它把一个吵了上千年的哲学玄学，重写成了一个可以被实验检验的科学问题。下面我们顺着图灵自己的思路，看看他是怎么一步步走到那个著名结论的。

二、第一步：先拆掉"机器能思考吗"这个伪问题

图灵是学数学和逻辑出身的，他对"思考"这种词天生警惕。论文一开头，他就指出：如果你去查"机器"和"思考"这两个词的日常用法，然后据此下定义，那么答案大概只能去盖洛普民意测验里找——"但这很荒谬"。

"I propose to consider the question, 'Can machines think?' This should begin with definitions of the meaning of the terms 'machine' and 'think.' … this attitude is dangerous. … But this is absurd. Instead of attempting such a definition I shall replace the question by another …"

原文（1950, §1）：我打算考虑"机器能思考吗？"这个问题。这应当从界定"机器"与"思考"二词的含义开始……但这种态度是危险的……（按日常用法去查含义）这很荒谬。因此我不去下这种定义，而是用另一个问题替换它……

他的判断背后有一整套语言哲学的背景：20 世纪初的逻辑实证主义主张，一个概念必须"能被测量、被操作"才算有意义；而图灵在剑桥求学时，又是哲学家维特根斯坦逻辑课上的得意门生，深谙"许多哲学争吵，其实是词语没有精确定义"。

于是他做了一个关键的决定：不去追问机器"内在地"是不是在思考（那是形而上学，无法验证），而改为追问机器"在行为上"是不是和人说的话 indistinguishable（无法区分）。这一步，是整个故事的总开关。

三、他为什么有底气？——1936 年的理论准备

图灵不是拍脑袋问出这个问题的。十四年前，他就已经为"机器能不能思考"埋下了理论地基。

故事要从 1928 年讲起。大数学家希尔伯特提出"判定问题"（Entscheidungsproblem）：是否存在一种通用的机械步骤，能判定任意数学命题是否可证？这个问题暗含一个信念——推理或许可以被彻底机械化。1931 年，哥德尔用不完备定理泼了冷水：任何足够强的系统，都存在既证不出真也证不出假的命题。1936 年，年轻的图灵和丘奇各自证明了判定问题不可解，而图灵的贡献更漂亮——他提出了"通用图灵机"：一台能模拟任何其他机器的抽象机器。

这意味着："可计算"第一次有了严格的数学定义，而"机器"不再是一个模糊的日常词，而是一个可以精确刻画的对象。邱奇-图灵论题随之成形：凡是"能有效地算出来的"，都等价于图灵机算得出来的。图灵由此相信，智能或许也是一种可计算的机械过程。

四、二战把他从理论家变成"机械智能"的见证者

理论归理论，真正让图灵坚信"机器能表现出智能"的，是二战的实战。

1939 到 1945 年，图灵在布莱切利园领导破译德军的 Enigma 密码。他设计了电机式的 Bombe 解码机，后来又参与催生了电子计算机 Colossus。这段经历给了他两点刻骨铭心的信念：

第一，规则 + 规模 + 速度，能产生近乎"类智能"的突破——纯机械的搜索与统计推断，竟能稳定破解人类认为"不可破"的密码；第二，通用机配上电子速度，威力惊人——他亲眼见证 Colossus 证明大规模数字电子技术可行，战争末期已在筹划把"通用图灵机"用电子管实现，也就是后来的数字计算机。

正是这段经历，让他从"理论上机器能算"，走到了"工程上机器能表现出令人的智能行为"。

五、1950 的核心创造：把哲学问题变成一场游戏

基于以上准备，图灵设计了著名的"模仿游戏"（后来被叫做图灵测试）：让一个人类裁判，通过纯文字对话，去分辨屏幕另一边是人还是机器。如果机器让人上当的成功率，和"人与人互骗"时一样高，就算它通过了。

"The new form of the problem can be described in terms of a game which we call the 'imitation game.' … We now ask the question, 'What will happen when a machine takes the part of A in this game?' … These questions replace our original, 'Can machines think?'"

原文（1950, §1）：这一新形式的问题可以描述为一个我们称之为"模仿游戏"的游戏……我们现在问："当一台机器取代其中一方的角色时，会发生什么？"……这些问题替换了我们原本的"机器能思考吗？"

这最关键的一步，是"降维"。他不再问机器"是否真的在思考"（内在意识，谁也验证不了），而是问它的"行为是否让人无法区分于人类"（外在表现，可以实验）。这等于用操作主义终结了千年的哲学缠斗，把"机器智能"从一个形而上学口水战，变成了一个工程上可以反复做实验的科学问题。

六、他预判了所有反驳，并一一堵死

论文的第六节，图灵一口气反驳了九类反对意见。其中有两条特别值得今天的人记住。

其一是"洛芙莱斯夫人反对"：19 世纪的数学家洛芙莱斯曾评价巴贝奇的分析机"只能做我们命令它做的事，无法原创"。图灵的反击干脆利落——

"Machines take me by surprise with great frequency. … The appreciation of something as surprising requires as much of a 'creative mental act' whether the surprising event originates from a man, a book, a machine or anything else."

原文（1950, §6）：机器令我吃惊的频率相当高……无论令人惊讶之事是出自一个人、一本书、一台机器还是别的什么，"识别出某事物令人惊讶"同样都需要一次"创造性的心智活动"。

他用"养育孩子"来类比：我们不是给机器编好一切程序，而是像教育孩子一样"教育"它——先给一个初始状态，再让它从经验中学习。这实际上就是今天"机器学习"的雏形。

其二是"意识论证"：有人说，机器没有真正的情感和理解，所以不算思考。图灵的回击更狠——他指出，这其实滑向了唯我论：

"According to the most extreme form of this view the only way by which one could be sure that a machine thinks is to be the machine and to feel oneself thinking. … It is in fact the solipsist point of view."

原文（1950, §6）：按此观点最极端的形式，人要确信一台机器在思考，唯一办法是成为那台机器并感受到自己在思考……这其实是唯我论(solipsism)的立场。

他的意思很明白：如果你坚持以"真正意识"作为思考的门槛，那你其实也证明不了别人在思考——那你只能滑向"只有我自己有意识"的唯我论。所以，用可观察的行为来评判智能，不是回避谜团，而是最公平、最可推进的做法。

七、他的预言，与今天的尴尬

图灵不只用静态程序，还提出了"学习机器"，并给出了一个可证伪的著名预言：

"I believe that in about fifty years time it will be possible to programme computers … to make them play the imitation game so well that an average interrogator will not have more than 70 per cent chance of making the right identification after five minutes of questioning."

原文（1950, §6）：我相信大约五十年后，将有可能给计算机编程，使它们把模仿游戏玩得极好，以至于一名普通提问者在五分钟询问后做出正确判识的概率不超过 70%（即有三成概率被骗）。

这篇论文发表于 1950 年，"约五十年后"就是 2000 年前后。而今天回看，图灵的预言被一代代技术接力印证：

2012 年深度学习靠 ImageNet 翻身，2016 年 AlphaGo 击败李世石，2017 年 Transformer 让模型能"读懂"长文本，2022 年 ChatGPT 让普通人第一次能自然地和机器对话、常常难辨人机的身份。2024 年，诺贝尔物理学奖甚至颁给了神经网络领域的 Hopfield 与 Hinton——反向印证了图灵"用机器模拟智能"的路线。

但尴尬也恰恰在这里。1980 年，哲学家约翰·塞尔提出"中文房间"论证：一个不懂中文的人关在房里，靠手册把中文符号转成中文符号输出，外面看来"像懂中文"，但他其实不懂。塞尔借此主张：通过图灵测试 ≠ 真正理解。

可图灵其实早料到了这一层。他在 1950 年就把"意识/理解"之争推到了唯我论的死角——他并非否认意识之谜，而是主张：在意识问题被攻克之前，用可观察的行为来归智能，已经是足够务实的做法。所以今天的真相是：大模型在"图灵测试"这个游戏上几乎满分通关，却顺手把问题推回了我们——当机器能完美伪装思考，我们反而更该想清楚：人所谓的"思考"，到底特别在哪？

八、图灵若活到今天

他大概会微微一笑：我早说了，别纠结机器"会不会想"，先看它"像不像在想"。76 年后，我们一边惊叹大模型通过图灵测试，一边又因为它"只是统计"而焦虑——这恰恰是他设下的那道分叉口。

而今天你和大模型打交道最实用的姿势，不是和它争哲学，而是学会"下指令让它表现得更好"。这恰恰就是提示词工程——把模糊的意图，翻译成机器能稳定"演好"的剧本。图灵把"思考"替换成了"表现"，而提示词工程，就是教你去设计那个"表现"。

关联推荐

• 模块二 · 提示词工程实战：让 AI 第一次就听懂你 —— 想让大模型"像在思考"用得顺手，先从写好提示词开始。

[关联映射] 引流型：本篇呼应 M2 提示词工程课——图灵测试考的是"表现"，提示词考的是"你会不会设计表现"。