如何評價《Science》上刊載的最新研究：人工智慧通過圖靈測試？
今天，一篇人工智慧論文登上了《科學》雜誌的封面，為人們帶來了人工智慧領域的一個重大突破：三名分別來自麻省理工學院、紐約大學和多倫多大學的研究者開發了一個「只看一眼就會寫字」的計算機系統。（論文點此下載：Human-level concept learning through probabilistic program induction）
各方評價
劍橋大學的信息工程教授Zoubin Ghahramani說：「我認為這對人工智慧、認知科學和機器學習是一個重大的貢獻。深度學習目前已取得了重要的成功，這篇論文非常清醒地表明了深度學習的局限性，因為深度學習需要大量的數據，並且在這篇論文所描述的任務上表現很差。這篇論文也展現了實現類人機器學習的重要方法。」
也有一些人對「人工智慧超越人腦」這種說法持謹慎態度。艾倫人工智慧研究所的Oren Etzioni說：「對『超人的表現』這種詞，我會非常謹慎。當然，這個演算法確實展現出了超過一般人的表現，除了達斯汀·霍夫曼。」（指霍夫曼主演的《雨人》電影。）
首先這個研究不知道怎麼會跟圖靈測試扯上關係，人家研究的是書寫學習能力，圖靈測試的基礎結構是問答，兩者什麼關係呢？但說個題外話，圖靈測試本身就是個無解的矛盾的測試：因為具備真正智力的機器可能會假裝不通過圖靈測試。所以圖靈測試測不出個圖靈來。===後來看了一下相關文章，得知說的是視覺圖靈測試，測試方式很簡單：把機器寫的和人寫的都給人看，看他們能不能猜出來哪個是機器寫的，這個進步雖值得慶祝但離強AI不知道差到哪裡去了，圖樣圖森破哪義務。所以這個視覺圖靈測試跟圖靈測試也不知道差到哪裡去了
我很好奇，如果直接拉一個熊孩紙去做圖靈測試，也許壓根就通不過。然而呢，這熊孩紙照樣可以在未來掌握很多經驗，至少以平常人的水平，用哪怕膚淺片面的視角、漏洞百出的邏輯、孱弱的專業知識背景，輕輕鬆鬆理解本國語言，享受生活，趨利避害，結婚生子，居家旅行......嗯，哪裡出了問題？說好的圖靈高能呢？
我的機器女友指日可待&>_
我想請問那個人工智慧通過圖靈測試的後綴是誰加進去的。。。
原文說的是"visual turing test"，指的是讓計算機「寫字」然後讓人識別是誰寫的
這個難易度和傳統意義上的圖靈測試是兩回事。。。基本看完了這篇論文，發現這真是一個【【超級出色】】的工作。我認為最吸引人的不是「只看一眼就會寫字」，而是「只看一眼就有了這個字元的概念並且能分辨相同概念下的手寫字元」，但其實這兩類任務都是基於類似的框架，後者利用了最後輸出的「置信度」信息。對於具體是怎麼學習的，待我看看代碼...
-----20160103更新根據文章中的圖表，通過圖靈測試的部分是「創造新的字元概念並生成手寫體」，那麼具體用了什麼方法實現這種效果呢？在先驗概率分布「非參數化」（不考慮先驗概率分布）的情況下，對一個【外國字元】圖片進行學習。這樣一來，學習到的概念不能很好地反映該外國字元，從另一個方面看就是創造出新概念了。文中還嘗試了不使用外國字元圖片的新概念生成方法，但這個方法並沒有通過圖靈測試。
所以說，新聞標題真是嘩眾取寵...與深度學習形成互補。
「這篇論文最令人興奮的成果或許是能讓那些宣稱智能計算機系統的學習方式與人類完全不同的批評者閉嘴，因為他們的主要論據正是計算機不能從單個例子中形成概念。」
還有，我持樂觀態度，不認為通過圖靈測試的技術是災難最近在做一些相關的事情，所以對這方面有一些了解
這篇論文中提到的程序應用了人工智慧中一個比較新的領域：類腦計算和one-shot learning思想（關於類腦計算可以參考傑夫·霍布斯的《人工智慧的未來》）one-shot learning 一學即會。僅需要少量有限的樣本即可達到效果實際上這個程序通過的視覺圖靈測試是有一點取巧的以下是運行這個程序的兩個截圖
特徵提取後，計算機開始利用自己的先驗經驗（預先建立的知識基礎）來「寫字」，通過在特徵的關鍵部分進行「擾動」，實現了對視覺圖靈測試的迷惑。
這樣就寫出各種各樣的字
從論文中的實驗過程和結論可以看出，利用BPL（貝葉斯程序學習）作為初始模型能推理出人類寫字的一般規律。這個實驗結果最大的突破在於它打破了機器學習系統需要大量數據進行訓練的傳統，至少在視覺學習領域前進了一大步。
別傻了，圖靈的成就和貢獻無可否認，但這不代表他所有的理論都是對的，圖靈測試早就被公認存在缺陷了。他是幾十年前的人了，在計算機這個日新月異的行業幾十年……想想你五年前用的什麼手機你就明白了。
推薦閱讀：
※學習機器學習有哪些好工具推薦？
※對於人工智慧的學習有哪些建議？
※人工智慧10年後會替代50%的工作，那剩下的人類以何為生？
※人工智慧在最近20年有可能大量代替老師的工作嗎？
※機器學習成就人工智慧，還是人工智慧成就機器學習？