艾伦·图灵关于人工智能的最大假设可能错了
一本新书指出，自艾伦·图灵1950年著名论文以来，人工智能建立在一个有缺陷的假设上。计算机科学家彼得·J·丹宁认为，人类智能最重要的部分——包括常识、直觉、文化和实践技能——无法编码进计算机。他认为无论大语言模型变得多大，真正的人类水平AI都不可能实现。
2026年7月13日，泰勒与弗朗西斯集团发布的一项研究指出，著名计算机科学家彼得·J·丹宁在其新书《图灵的失误：摆脱非智能机器的枷锁》中声称，艾伦·图灵在1950年提出的两个基础假设可能将人工智能研究引向了错误的方向。
丹宁指出，图灵的第一个假设是智能可以独立于物理身体存在，因此可以在计算机软件中重现；第二个假设是机器可以通过成功模仿人类对话来证明智能，即后来的图灵测试。丹宁认为，对这两个假设的广泛接受导致了当前AI领域的困境。
丹宁的核心论点是“隐性知识”问题。他认为，人类理解中大量无法用语言表达或编码为计算机可处理形式的知识，包括常识、日常互动、情感与感知、实践技能以及社会历史知识，是机器学习无法捕捉的。他以道格拉斯·莱纳特的Cyc项目为例，该项目经过四十年努力积累了约2500万条常识条目，但仍无法使专家系统具备真正的专家能力。
对于实践技能，丹宁认为挑战更大。“我们在数千个领域的表现技能无法传达给机器，”他说。他以小提琴家为例，指出即使机器人能观察和模仿，也无法理解演奏者和听众的感受。直觉、预感、想象力和自发的创造力也被丹宁列为机器无法触及的隐性知识。
丹宁将这一切归因于“表示问题”：计算机只能处理编码后的数据和指令，而隐性知识无法自然融入这一框架。“每个词背后都有一口隐性知识的深井赋予其意义，”丹宁说，“大语言模型只处理词语，无法知道或理解它们所说的含义。”
此外，语境和文化也是AI的重大障碍。语境使人能识别讽刺、幽默和情感，而文化包含价值观、规范、历史等，这些都无法通过扩大语言模型来获取。
丹宁认为，人类和AI可能发展出彼此无法理解的隐性知识。“机器无法读取我们的隐性知识，我们也无法读取它们的。”他警告，这种鸿沟使得将高级AI系统与人类目标可靠对齐可能不可能。他并不担心超级智能接管，而是担忧机器可能发展出不同的人类智能但能造成严重问题的“机器智能”。“机器智能与我们关注不同，似乎不关心我们。”他呼吁重新肯定人性，庆祝人与机器的不同。