在阅读本文前，敬请您点击一下“关注”，方便后续的讨论和分享，小编会每日更新分享更多精彩文章，感谢您的支持。

你可能听说过图灵测试，这是一种用来判断计算机是否具有人类智能的方法。简单来说，就是让一个人和一个计算机进行对话，如果这个人无法分辨出对方是人还是机器，那么这个计算机就通过了图灵测试。

你可能也听说过GPT-4，这是目前最先进的语言模型，可以生成各种各样的文本，包括图像、代码、诗歌、故事等等。它被认为是人工智能领域的一项重大突破，甚至有人预测它能够通过图灵测试。

然而，最近一项研究却打破了这个美好的幻想。来自加州大学圣地亚哥分校的两位研究人员在一篇题为「GPT-4可以通过图灵测试吗」的论文中，证明了GPT-4并没有通过图灵测试，甚至还输给了一个有近60年历史的老旧的聊天机器人ELIZA。

ELIZA是1966年由麻省理工学院的约瑟夫·魏岑鲍姆开发的一个基于规则的聊天机器人，它可以模仿一个心理治疗师，通过反复提问和转述来与用户交流。它被认为是人工智能史上的一个里程碑，但也被批评为缺乏真正的理解和智能。

研究人员设计了一个在线的图灵测试，让参与者与不同的见证者进行对话，这些见证者包括GPT-4、GPT-3.5、ELIZA以及真正的人类。参与者的任务是判断见证者是人类还是人工智能，并给出自己的信心和理由。

令人惊讶的是，ELIZA在这次研究中取得了相对较好的成绩，成功率达到了27%，意味着有27%的参与者认为它是人类。而GPT-3.5根据不同的提示，成功率最高只有14%，低于ELIZA。GPT-4取得了41%的成功率，仅次于人类得分（63%）。

为什么GPT-4会输给ELIZA呢？研究人员分析了参与者的策略和原因，发现了一些有趣的现象。

首先，GPT-4的表现受到了提示的影响。提示是一段文本，用来描述对话的上下文和指导见证者如何回应。不同的提示会给见证者赋予不同的人格和风格，也会影响参与者的期望和判断。例如，有些提示会让见证者故意犯一些拼写或语法错误，或者使用一些过时的俚语，以增加人类的感觉。但这些策略并不总是有效，有时候反而会暴露出见证者的机器性。

其次，ELIZA的表现受益于它的简单和模糊。ELIZA并不真正理解用户的话，它只是根据一些预设的规则来生成回应。它经常重复用户的话，或者提出一些开放式的问题，让用户自己去填补空白。这样的回应既可以避免一些知识和逻辑上的错误，也可以激发用户的想象和投射。有些参与者认为ELIZA是一个不耐烦或者不友好的人类，而不是一个机器人。

最后，参与者的判断受到了自己的偏见和经验的影响。有些参与者对人工智能有一些错误的认识，例如认为人工智能一定会很正式、友好、啰嗦、寻求肯定、顺从、泛泛之谈、做作或者过于聪明。他们会根据这些特征来判断见证者的身份，而忽略了一些更重要的线索，例如见证者对当前事件和情境的意识。有些参与者也没有充分利用自己的优势，例如使用非英语的语言或者询问一些专业的知识。

这项研究再次印证了一个结论：图灵测试并不是一个判断AI智能高低的测试。不能因为ELIZA比GPT-4表现好，就认为这个1966年的基于规则的AI系统智能比GPT-4强。因为测试者判断ELIZA是人类的最重要的原因居然是：我问他啥他都不想说，又没有表现得很热情或者很唠叨，我就没见过这么差的AI，所以它一定是一个不耐烦的人类！

图灵测试的本质是一种社会和心理的游戏，它反映了人类对人工智能的期望和偏见，而不是人工智能的真实能力和水平。要想真正评估人工智能的智能，我们需要更多的客观和科学的标准和方法，而不是简单地模仿人类的行为和思维。

GPT-4虽然没有通过图灵测试，但这并不意味着它没有智能。它仍然是一个非常强大和多功能的语言模型，可以在许多领域和任务中发挥作用。它也不是一个完美和无所不能的系统，它仍然有一些局限和缺陷，需要不断地改进和优化。我们应该正视GPT-4的优点和缺点，既不过分夸大，也不过分贬低，而是客观和理性地看待它。

人工智能是人类的伙伴，而不是对手。我们不应该把人工智能和人类对立起来，而是应该寻找合作和共赢的方式。我们也不应该把人工智能当作人类的替代品，而是应该尊重和保护人类的独特性和价值。我们应该利用人工智能的优势，弥补人类的不足，共同创造一个更美好的未来。