有通不過圖靈測試的，智力正常的成年人嗎？

---

重複提問是一些自閉症人士的語言特點。一個是因為他們希望通過重複的問題（特別是他們已經知道答案的問題）獲得控制感，因為自閉症不喜歡超出預期的事情；另外一個可能是他們希望和對方交流，但是不知道如何進行其他方式的對話。缺乏靈活性和適應性，缺乏交流的思維組織和表達能力，都是自閉症，阿斯伯格症需要改善和提供的短板。

---

謝邀。這個問題很有必要一答。首先我向題主強調，本答案點評對象是問題而不是你本人。我願意相信題主提問的初衷是出於對科學、尤其是人類行為與人工智慧科學的興趣，題主對這位親戚並無貶低或歧視之意。所以，本答案所批評的對象不一定針對題主或任何具體個人，而是行為。

本人並非人工智慧專業，對於圖靈測試在人工智慧領域的價值不作評價，而僅針對本答案中提議的「用圖靈測試測人」作答。本答案表達了對亞症患者以及其他特殊群體進行「算不算人」的測試屬於人格侮辱（這種行為）的抗議，更重要的是澄清各種各樣「測試」包括圖靈測試存在的缺陷。

一、對任何人，無論是亞症患者、腦癱患者、智障患者還是沒有特殊障礙的普通人，提出「測一測你像不像人類」都是人格侮辱。

任何測試都是為了回答某具體問題而設計。圖靈測試之所以設計出來，要回答的問題是「機器與人的分別是否能被識別出來」（The Turing Test (Stanford Encyclopedia of Philosophy)）。在這個問題中，不言自明的前提假設是「機器不是人」，所以才要檢驗它在多大程度上「像人」。如果把圖靈測試用在人而不是機器身上身上，提出給某人做「是否像人」的測試，那就等於默認了「某人不是人」的前提，這不是否定、侮辱某人的人格，是什麼？這個測試的本質上是比較一個人和一個非人之間有多相似，既然兩個受測者都是人，到底比較什麼？一個人有多像另一個人？到底是患阿症的親戚更符合「人」的定義，還是用來做比較的另一個人更能代表「人類」？

好吧你一定要測，你的親戚在多大程度上跟一個你認為是普通人的人相像。如果你的親戚已經被診斷為存在亞斯伯格綜合症，那就是說已經由專業測試人員根據專門制定的標準對你這位親戚進行了與普通人群的比較了。比較的結果是，這位親戚與普通人相比存在明顯的差異，而且差異符合「亞斯伯格症」的定義。已經測出了結果，還用圖靈測試測什麼？難道圖靈測試更準確？

二、圖靈測試有多準確？很不靠譜。

好吧，我假設，因為亞斯伯格綜合症和其他特殊人群診斷方式太複雜了，花費太高了（的確是）；甚至你覺得醫生的診斷不準確不靠譜，為什麼不找一個更容易操作、成本更低的準確識別方式？很好，這就是我的博士論文要回答的問題。但是要回答這個問題，首先要掌握最新的科學研究前沿知識。50年代不是前沿。

圖靈測試在剛提出來的1950年代的確很科學很酷炫。可是科學已經飛速發展了60多年了各位父老鄉親！測量學、統計學、對人類行為的科學研究早已建立起更科學更酷的測量方式來判別一個人是屬於「一般人」還是非同一般、在哪些方面不一般。今天，圖靈測試的娛樂性質就跟測星座差不多，除了上個新聞拍個電影供茶餘飯後說閑話之外沒有任何參考價值。如果用圖靈測試的方式測人，即對於想要作出某種判斷（例如，算不算正常人）的某人A，選取任意對比樣本（而不是經過隨機抽樣）B，對他們分別提出同樣的問題，讓裁判員（具有主觀性的某個人）判斷A在多大程度上像「人類的樣本」B，這種測試別說在科學研究領域了，就是在大街上算命的也鄙夷你（【原創】當我談論算命時，我想談的是大數據（4.22更新）），其中幾個主要鄙夷點在於：

1.
人類的樣本（B）的選取：50年代隨機抽樣技術不如今天廣泛運用於對人類行為的研究，因此圖靈測試用的是非隨機抽取的單個樣本，無論在樣本量，還是在抽樣方式上，都不足以具備代表性。樣本代表性差，比較出來的結果說明不了任何問題。

2.
測試的行為樣本（問題）的選取：50年代對於人類在各個方面（例如某個年齡段的正常人在認知、語言、運動能力、社交情緒能力等方面）哪些行為上的差異（及其組合）能夠區別出「正常」與「特殊」的研究，也才剛起步，還不清楚應該收集哪些行為樣本的數據進行比較。今天，根據不同的測試目的，各種各樣標準化測試已經發展出經過檢驗的有區分度的診斷標準，以供準確聚焦各類特殊情況，迅速判別出來。例如，對自閉症的判斷現在國際上比較通用的有美國的DSM-V標準和ICD-10標準等等。

3.
分析判斷（裁判員）手段的設計：誰來比較A和B的回答是相似還是不同？用什麼標準比較？作出準確判斷的把握有多大？圖靈測試中對裁判員的質量缺乏控制。今天，對各類特殊人群的診斷大多要求診斷人員具備專業資格並接受該診斷要求的特定培訓甚至通過資格審核，除了在非常貧窮、專業人士缺乏的地區。

以上種種測量上的缺陷，是圖靈測試誕生的年代無法避免的。這並不能否定圖靈測試在50年代的劃時代意義及對現代科學的啟發。但到了今天，簡單重複圖靈測試意義不大，而試圖對人類進行圖靈測試就更是冒著違反倫理的風險。如果對現代人類行為和心理測試有興趣，建議閱讀更多現代的相關著作，例如Modern
Psychometrics, Third Edition: The Science of Psychological Assessment（作者John
Rust, Susan Golombok · 出版社Taylor Francis，2014）。

---

要看誰當提問者了，如果AS問AS的話……

---

樓主的問題準確地說應該是「AS能不能通過反圖靈測試」。
圖靈測試是人考機器，而反圖靈測試是機器考人。驗證碼就是一種反圖靈測試，用來區分人和機器人程序，避免有人用機器人程序搞亂。但是驗證碼有一個很大的缺陷：盲人無法使用驗證碼。因為驗證碼是圖像，盲人看不到圖像，必須通過驗證碼閱讀軟體讓明眼志願者代他們讀驗證碼，而像12306等網站為了防黃牛禁止一切外掛軟體，驗證碼閱讀軟體也包括在內。所以網上買火車票是盲人的噩夢。這個問題國際上都沒有解決方法，國外就有學者斷言驗證碼在無障礙方面具有本質上的致命缺陷，它根本就無法區分殘疾人和機器。
現在言歸正傳。樓主其實點出了一個常常被我們這些健全人忽略的問題，那就是殘疾人，乃至與一切少數群體（因為現在AS是一種疾病的觀點已經開始被質疑，一些研究者認為這只是一種區別或特質）很少被設計者考慮到。設想驗證碼這種以來視覺的區別人與程序的方式被其他方式取代了，它能夠識別盲人，但也許它就真的識別不出AS。我認為這不是沒有可能。

---

我在「精神分裂症」狀態，發掘了卡西歐程序型計算器的潛在功能，不使用（ENT）程序變數輸入鍵,利用SD機能或K、M、X、Y寄存器輸入程序變數，編製的12個程序在國家級科技期刊發表。中國知網輸入作者-畢永查閱。我初中都沒有畢業，是自學的，每撰寫一篇論文的時候，家人都說「精神病」又犯了，程序完成發表了，他們說我又「正常」了。看了「學者綜合征」的文章，我可以「自大」一下，稱之為「精神病學者」。提供一個樣本，請參考。

---

通得過。
普通問題的智商太低了，你以為連續問同一個問題我就看不出來了嗎？
一般邏輯是這樣的，當有人向我問問題的時候，我已經考慮了這個問題的目的是什麼，我有多少種回答的可能性，然後挑選最簡單，不引發不可預見後果的答案，但是因為缺乏同理心，這種自己認為萬全的答案卻總是被認為不妥當。阿斯伯格的自我矛盾與成長就是破除這種矛盾。
當你連續問我同一個問題的時候，我已經判斷是一個惡意問題，會有幾種結果，第一，判斷問我問題的是機器人，我會把你砸爛；第二，如果你是一個惡意提問的人，我不會回答了，因為我判斷不了我採取不同回答策略對問題會不會發生漂變的影響。
之所以那個親戚會連續回答，在於交往中，阿斯伯格有一個基本觀點，問題者相對回答者在問題層面上是欠智的，所以會回答問題，在感受到問題的惡意性之前，他會一直回答你的問題，因為知識的優越性，他可以回答你問的所有問題的時候，他已經無法判斷你的問題意圖了而已。
阿斯伯格不是交流不了，而是情感反應異於常人，如果阿斯伯格知道了圖靈測試的一般規則，又了解到問問題的人可能懷有極大的主觀惡意，那麼這一生中你都別想對他做測試了，問題一出口就拉黑名單。

---

結果一：測試結果是「人」。證明圖靈測試包涵面很廣，考慮到了特殊情況；
結果二：測試結果不是「人」，證明圖靈測試並沒有考慮到為人的特殊情況，其判定結果的方式看似嚴謹，實則漏洞很大。
隨口一答

---

拋開倫理等等一系列問題，題主的這個疑惑其實並沒有太大的意義，題主的親戚我相信還是可以通過圖靈測試的，因為第一，基本不會有interrogators這樣問問題…第二，這只是一個方面，並不能完全用來考核被試。我的建議是，要不題主去試試University of Reading開發的小玩意,Eugene Goostman.

割………………………………………………

再多說一句，現在主流科學界也不認為圖靈測試有多大的意義，事實是就是沒有什麼卵用→_→。要真想學習人工智慧相關的知識，高票答案推薦的著作是入門基礎，題主可以嘗試，網路資源很好找，找不到可以私信我…

---

又不是傻

---

的確，創立圖靈測試的那個人本身就是as。答主可以看看《模仿遊戲》。從另外的角度來說，如果有人類通不過圖靈測試，說明圖靈測試需要完善，而不是這沒通過圖靈測試的人不是人。

比如，沒法說話沒法寫字沒法交流的殘疾人、老年痴獃等等這些，他們能不能通過圖靈測試？如果通不過，只是說明圖靈測試有問題而已。

---

這個測試本來就有問題，我只需要回答你的提問，沒必要揣測你提問的動機或者你是不是一部笨機器。
至於我們是不是人類，這是毋庸置疑的事實，更不需要你來關心。
我們從來都不擔心自己通不過測試，所以沒必要用不耐煩來表達自己能察覺到什麼。

---

推薦閱讀：