【原题】COMPUTING MACHINERY AND INTELLIGENCE
【译题】计算机器和智能
【作者】阿兰图灵
1. 模仿游戏（The Imitation Game）
我提出来考虑个问题“计算机可以思考么？”这个句子需要对“机器”和“思考”的意义作出定义。这种定义可能受到了框制以反映出到目前为止一般意义上的使用之或然性（The definitions might be framed so as to reflect so far as possible the normal use of the words），但是这种态度是危险的，如果“机器”和“思考”这些单词的意义是通过“检测它们一般是被怎么使用的（examining how they are commonly used）”来找到话，“计算机可以思考么？”这个问题的意义和答案就很难逃出这样的结论：需要从一种统计意义上的审视去寻找，例如一次盖洛普民意测验（a Gallup poll）。不过这很荒唐。代替这样一种定义的尝试，我要把问题作另一个替换，其和问题很接近，而且是可以以相对不含糊的单词来表达。
问题的新形式可以用术语“一个游戏”来表示，即我们称之为“模仿游戏”。这个游戏是三个人玩的，一个男人（A），一个女人（B），一个询问者（C），其性别男女不限。该询问者在一个和另外两个人隔开的房间里待着。对于询问者，游戏的对象就是去决定另外两个人的性别。询问者是通过标签X和Y来认识他/她们的，而且在游戏结束的时候他要么说“X 是 A，且 Y 是 B”，或者“X 是 B，且 Y 是 A”。询问者被允许对A和B提问，因此：
C: X愿意告诉我他或她自己头发的长度么？
现在假设X实际上是A，然后A必需回答。现在游戏中A就要试图去使C作出错误的鉴定。他的答案因此可能是：
“我是短发，最长的一根大约九英寸长。”
为了使发声的音调不会有助于询问者，答案应当被写下来，或者更好是打印出来。理想的安排是在两个屋子里放置电传打印机。问题和答案可以由一个中间人作出传递。对第三个游戏者（B）来说，游戏的对象是帮助询问者。她最好的策略很可能就是给出为真的答案。她可以对她的答案追加一些，比如“我是一个女人，不要听他的！”，但是于事无补，因为哪个男人可以作出相同论述（remarks）。
我们现在来问，“如果一台机器在这个游戏中扮演了A的角色，会发生什么？”询问者还会如同“当游戏像‘当游戏在一个男人和一个女人之间时他的所作所为’这么玩的时候”一样错误决策么？这些问题替换了我们最初的问题“计算机可以思考么”？
2. 对新问题的评论（ Critique of the New Problem）
就如当问起“对此新式问题答案为何？”，某人可能会问“这个新问题值得花精力去讨论么？”我们关注的这后一个问题不会有进一步的讨论（without further ado），因此打断了无限的回退（thereby cutting short an infinite regress）（译注：图灵认为是值得去讨论的）。
这个新问题有一个优势，即在介于物理的和人类的智能容量上花上一条相当清晰的线。没有工程师或者化学家宣称能够生产一种物质，其不能区分出是否是人类皮肤。这在未来的什么时候是可能的，但即便假设这种发明是可得的，我们应当感到在试图通过用这种人工皮肤打扮“思考机器”使得其更像人时，存在着一个收敛点（It is possible that at some time this might be done, but even supposing this invention available we should feel there was little point in trying to make a "thinking machine" more human by dressing it up in such artificial flesh. ）。我们对该问题设下的形式是对在“阻止询问者去看到或者接触到其它的竞争对手，或是听到竞争对手的声音”条件中的事实之反映。 该提议标准的其它一些优势可以由样本问题和回答来显示（Some other advantages of the proposed criterion may be shown up by specimen questions and answers）。因此：
Q：請给我写一个主题是福斯桥的十四行诗。
A：这个我就算了。我从不会写诗。
Q：34957加上70764。
A：（停顿了30秒然后给出答案）105621。
Q：你往国际象棋么？
A：玩的。
Q:我在K1有K，没有其它了棋了。你只有K6的K 和 R1的R。现在是你走了，你怎么玩？
A：（停了15秒）R到R8。
上述问答看上去对我们期望去总结的是合适的：几乎是对人类努力领域中的任何事物的引介（introducing almost any one of the fields of human endeavour that we wish to include）。我们不会由于计算机对在选美比赛中作炫耀无能为力而去惩罚它，也不会惩罚一个在和飞机竞赛中败下阵来的人。我们游戏的条件使得这些障碍不相关（make these disabilities irrelevant）。“证人们”可以就他们所认为可取的“如他们的魅力力量和勇气一样”作吹嘘，但是询问者不能要求实际的展示。
这个游戏可能受到由于“可能性的权重过于反对机器（the odds are weighted too heavily against the machine）”的批评，如果这个男人试图去冒充机器，很明显他会演砸（If the man were to try and pretend to be the machine he would clearly make a very poor showing）。他由于在做算术时不精确而且慢，立刻就会放弃。机器就不可以执行某些应当被描述为思考，但是又非常不同于人所作的那种思考么（May not machines carry out something which ought to be described as thinking but which is very different from what a man does）？这个对象是非常强的一个，但至少我们可以说如果，话说回来，能够构建出一个可以玩这个模仿游戏的机器，我们就不需要被这个对象所困。（译注：图灵提到的对象是指不同于人思考的一种机器思考形式？）
可能会有建议说，当玩“模仿游戏”时，机器最好的策略是某个“异于对人的行为作模仿的”东西（the best strategy for the machine may possibly be something other than imitation of the behaviour of a man.）。这可能是，但我认为不大可能会在这种类型里有什么大的影响。在任何情形下都没有打算去对该游戏的理论下一番功夫，而且将假定最好的策略是试图提供自然情况下人会给出的那种答案（In any case there is no intention to investigate here the theory of the game, and it will be assumed that the best strategy is to try to provide answers that would naturally be given by a man.）。
3. 游戏相关的机器（The Machines Concerned in the Game ）
我们在第一节中提到的那个问题，直到对我们说单词“机器”时指的是什么作规定之前，不是非常的清晰。很自然的我们应当希望允许所有种类的工程技术用到我们的机器中来（It is natural that we should wish to permit every kind of engineering technique to be used in our machines. ）。我们同样希望允许该可能性比之可以构建一台可以工作的机器的一个工程师或工程师团队，但其操作者不能满意于通过其构建而得的描述，这是因为他们（译注：指操作者）已经应用了一种在很大程度上是实验性的方法（We also wish to allow the possibility than an engineer or team of engineers may construct a machine which works, but whose manner of operation cannot be satisfactorily described by its constructors because they have applied a method which is largely experimental. ）。最后，我们希望在通常方式下排除这种人造机器（we wish to exclude from the machines men born in the usual manner）。难以对满足这三个条件的定义作出框制。某人可能立即坚持说工程师团队工程师团队应当是一种性别，但这不是真的会被满足的，因为，从一个人的皮肤中的单一细胞（比如说）中培养一个完全的个人，这是很有可能的（for it is probably possible to rear a complete individual from a single cell of the skin (say) of a man）。这样做会是值得非常高度颂扬的生物技术壮举，不过我们不会倾向于视其为“构建一台思考的机器（constructing a thinking machine）”的一个例子。这提示我们丢弃这样的需求：所有类型的技术都是值得而为的（every kind of technique should be permitted）。考虑到事实是当前在“思考机器”的兴趣由一特定种类的机器，通常叫做“电子计算机（electronic computer）”或“数字计算机（digital computer）”，所环绕，遵循这个建议，我们之允许数字计算机参与到我们的游戏中来。
这种限制初次一瞥会觉非常强的（a very drastic one）。我会试图显示这种显示实际上不是这样的。这样做需要这些机器的属性和特征的一个短期账户（To do this necessitates a short account of the nature and properties of these computers）。
也有这样的声音：这种用数字计算机来作出的机器识别，比如对我们关于“思考”的准则，只会是不令人满意的，如果（和我的信念相反）结果是数字计算机在这个游戏中不能够上演一场好戏的话。
已经有许多台数字计算机正常运转了，可能会被问到，“为什么不马上试一下这个实验？满足游戏的条件很容易嘛。有多个询问者可用，而且统计出来可显示有多少次作出了正确的识别。”短的回答就是“我们不是在问是否所有的数字计算机都会在这个游戏中有上佳表现，也不是在问当前可得的计算机可以有较好的表现，而是在问是否有可以想象的有上佳表现的计算机（whether there are imaginable computers which would do well）”。但这只是短的回答。我们稍后会以一个不同的角度去看这个问题。
4. 数字计算机（Digital Computers）
在数字计算机背后的观念可能可以通过“这些机器被意图用来执行任何可以由人类计算机来完成的操作（these machines are intended to carry out any operations which could be done by a human computer）”来解释。人类计算机被假设为遵循固定的规则；他没有权在任何细节上不遵从这些规则（The human computer is supposed to be following fixed rules; he has no authority to deviate from them in any detail. ）。我们可以假设这些规则在一本书中作出，这些规则会在“无论何时人放置于一个新的工作时”作出改变。他也有一个不受限的纸张供应，可以在其上做他的计算（He has also an unlimited supply of paper on which he does his calculations）。他可能也可以在一台“桌面机器（desk machine）”上做他的乘法和加法，但这无关紧要。
如果我们使用上述的解释作为一个定义，我们就有处于“循环争论（circularity of argument）”之虞。我们通过给出一个该意义的“通过期望的效果被达到了的”轮廓来避免该循环论证之虞。一台数字计算机可通常的被视为由三部分组成：
存储（Store）
执行单元（Executive unit）
控制（Control）
存储（The store），即是一信息的存储，对应于人类计算机的纸张，无论这是他在其上做运算的纸张或是于其上打印他的规则书的纸张。在到目前为止的人类计算机做运算中，一部分的存储将会对应于他的记忆。
执行单元（The executive unit），是“执行涉及到一次运算的各异独立操作（which carries out the various individual operations involved in a calculation）”的部分。这些独立操作为何，就因机器而异了。通常可以做相当长的操作，比如“以7076345687去 乘3540675445 ”，但是在某些机器中只有非常简单的如“写下零”的形式是可能的。
我们已经提到过提供给计算机的“规则书（book of rules）”在机器中是用存储来替换的（is replaced in the machine by a part of the store）。它然后就被叫做是“指令表（table of instructions）”。控制（the control）的责任就是去看“这些指令是以对的顺序被正确的遵循了（these instructions are obeyed correctly and in the right order. ）”。控制是这样被构建的，这必然会发生（The control is so constructed that this necessarily happens）。
在存储内的信息一般被裂解为适当小的块（broken up into packets of moderately small size）。在一台机器中，例如，一个块可能由十位数位组成（a packet might consist of ten decimal digits）。数字以某种系统化手段（systematic manner）被赋予到存储“其中存储有各异的信息块”的这部分（Numbers are assigned to the parts of the store in which the various packets of information are stored），一个典型的指令可能会说 ——
“把存储在位置6809 的数字加到存储在4302的数字，且把结果返回到后一个存储位置”。不消说它不会发生在用英语表达的机器中。这更加可能是在如 6809430217 这样的形式中被编码（It would more likely be coded in a form such as 6809430217）。这里17是指在这两个数字之上的各种可能操作。在上面所述的操作例子中，即“加上一个数字 . . . ”。将会注意到该指令“注意到了10个位，并因此很方便的形成了信息的一个包（takes up 10 digits and so forms one packet of information, very conveniently. ）”，控制（The control）使指令“以诸指令被存储的位置顺序”得到遵循（take the instructions to be obeyed in the order of the positions in which they are stored），但偶尔一个指令例如
“现在遵循存储在位置5606的指令，而且从那里开始”
可能会被遇到，或又如
“如果位置4505 包含零，就遵循存储在6707的指令，否则就直接继续。”后一种类型的指令非常重要，因为这种指令使得“直到某些条件被满足前，有一个能够被几次三番替换的操作序列（for a sequence of operations to be replaced over and over again until some condition is fulfilled）”成为可能，但是在服从这样做之中，每次反复中没有新的指令，而是一次又一次的同一个指令（but in doing so to obey, not fresh instructions on each repetition, but the same ones over and over again）。做一个家庭对比。假设妈妈要汤米在他每天去学校的路上联系鞋匠看看是否她的鞋子做完了，她可以在每个早上都问一下他（she can ask him afresh every morning.）。她也可以在墙上一劳永逸的贴一个通知（stick up a notice once and for all），他会在去学校前看到这墙上的帖子告诉他就鞋子去联系下，而且在他和鞋子一起回来时撕了那帖子。
读者必需接纳其为一事实，数字计算机是可以构造的（digital computers can be constructed），而且实际上也已经构造了，遵循了我们已经描述过的规则，并且数字计算机实际上可以很接近的模仿一人类计算机的行为。
“我们描述过我们人类计算机在使用时的规则书”当然就是通俗小说（The book of rules which we have described our human computer as using is of course a convenient fiction. ）。实际上的人类计算机真实的会记住“他们所需做的是什么（what they have got to do）”。如果希望制造一台机器能模仿人类计算机在某些复杂操作中的行为，就需要问问他它是怎么完成的，然后把答案转换为指令表的形式。构建指令表通常被描述为“编程（programming）”。说“对一台机器编程以执行操作A（programme a machine to carry out the operation A）”是在说“把合宜的指令表放入到机器中，从而机器会去做A（to put the appropriate instruction table into the machine so that it will do A）”。
在数字计算机上的一个有趣的不同观点就是一台数字计算机是一个“有随机元素的数字计算机（digital computer with a random element）。”这些指令涉及到掷骰子或等价的电子过程；这种指令的一个可能例子是“掷骰子并将结果的值放到1000中（Throw the die and put the-resulting number into store 1000）”。有时候这种机器被描述为有自由意志（虽然我自己不会用这个词汇），一般是不可能从观察一台机器来决定其是否有一个随机元素，因为当基于十进制数所在的位做选择时的一个类似的效果是可以由这种设备产出的（It is not normally possible to determine from observing a machine whether it has a random element, for a similar effect can be produced by such devices as making the choices depend on the digits of the decimal for .）。
大多数实际的数字计算机仅有一个有限的存储。在有无限存储的一台计算机的观念上没有什么理论性困难。当然只有一个有限的部分是可以在任何一次被使用的（Of course only a finite part can have been used at any one time）。同样的，只有一个有限的量可以被构建起来，但我们可以想象随着需要有越来越多会添加进来。这种计算机有特别的理论兴趣，而且将其叫做无限容量计算机（infinitive capacity computers）。
数字计算机的理念很早就有了。Charles Babbage，在1828年到1839年是剑桥大学的卢卡斯教授( Lucasian Professor of Mathematics at Cambridge)，规划了这么一台机器，叫做“分析引擎（the Analytical Engine）”，但是其从没被完成过。虽然 Babbage 据有所有的基本观念，他的机器在那时不是那么的非常吸引人。其将会得到的肯定快于人类计算机的速度，但是看上去要比“现代机器中的较慢的一个，存储是使用纯粹机械的轮子和卡片”的曼彻斯特机器( the Manchester machine)慢100倍。
Babbage的分析引擎完全是机械的这一事实将帮助我们去掉自己身上的迷信。现代计算机是有关电的这一事实是重要的，同样重要的是神经系统也是有关电的（Importance is often attached to the fact that modern digital computers are electrical, and that the nervous system also is electrical）。由于Babbage的机器不是电子的，而且由于所有数字计算机在某种意义上是等价的，我们就看到对电流的使用在理论上并不重要（Since Babbage’s machine was not electrical, and since all digital computers are in a sense equivalent, we see that this use of electricity cannot be of theoretical importance）。当然电流通常在关注快速信号传输的地方出现，所以并不奇怪在这些联系中能发现它。在神经系统中化学现象至少和电一样的重要。在某些计算机总存储系统主要是听觉的（In certain computers the storage system is mainly acoustic）。使用电流的特性因此就被看作是只有非常肤浅的相似点（The feature of using electricity is thus seen to be only a very superficial similarity）。（译注：指电流快速的特性和需要快速讯号传输的特性只是在表面上相似非常而已。 ）如果我们希望找出这样的相似性，我们应当采取功能的数学类比（If we wish to find such similarities we should took rather for mathematical analogies of function）。
5.通用数字计算机（Universality of Digital Computers）
在上一节中考察的数字计算机可能应该归于“离散状态机（discrete-state machines）”。这些机器是通过突然的跳跃来移动的，或者是从一个很确定的状态点击到了另一个状态（These are the machines which move by sudden jumps or clicks from one quite definite state to another）。这些状态由于“介于它们之间被忽视了的可能混淆”而完全的不同（These states are sufficiently different for the possibility of confusion between them to be ignored）。严格说来，没有这样的机器。万事万物实际的移动是连续的。但是确实有许多种类的机器，其可有益的来想成是离散状态机。考虑切换一个照明系统的例子，每次切换必需被明确的定义为开或关，其是一个合宜的小说（it is a convenient fiction that each switch must be definitely on or definitely off）。必须有其媒介作用的位置，但对大多数目的我们可以忘记那些位置。作为一个离散状态机的例子我们可以考虑一个咔咔转动的轮子一秒转120（a wheel which clicks round through 120 once a second），但可能由于一个从外部进行操纵的控制杆而停止；而且一次照射会照亮该轮子的位置中的一个（in addition a lamp is to light in one of the positions of the wheel）。这台机器可以作如下抽象描述。机器的内部状态（由轮子的内部位置去描述）可以是 q1, q2 or q3 。有一个输入信号i0 或 i1 （杠杆的位置）。任意时刻的内部状态是由最后状态和根据该表的输入信号决定的
(表略)
输出信号，唯一外部可见的有关内部状态（光）的指示由下表所描述
状态 q1 q2 q3
输出 o0 o0 o1
这个例子是典型的离散状态机。它们可以由这种表来描述，前提就是它们的可能状态只有有限个数字。
将会看到给出了该机器的初始状态和输入信号，预测所有未来状态就总是可能的。（译注：该机器只有有限个状态，预测所有未来状态才是可能的）。这是对 Laplace 观点“从在某一时刻中的宇宙的完全状态，通过对所有例子的位置和速度之描述，预测所有的未来状态就是可能的”的回忆。然而我们所考虑的预测是，比Laplace的考虑更接近于实用性。“作为一个整体的宇宙（universe as a whole）”这个系统是这样的，初始阶段非常小的错误可以在后来的时间中有压倒性的影响。在某一时刻用一公分的十亿分之一去替换一个单独电子，就可能制造“一个人殒难于一场发生于一年以后的雪崩，或是逃离”这种差异。其是我们称之为“离散状态机（discrete-state machines）”的机械系统之基本属性——这种现象（译注：指类似失之毫厘，差之千里的现象）不会发生（It is an eassential property of the mechanicl systems which we have called "discrete-state machines" that this phenomenon does not occur. ）。甚至当我们在考察代替理想化机器的实际物理机器时，在某一刻对状态的合理准确知识会衍生有关任何数字的后步骤的合理准确知识（Even when we consider the actual physical machines instead of the idealised machines, reasonably accurate knowledge of the state at one moment yields reasonably accurate knowledge any number of steps later）。
我们已经提到过，数字计算机属于离散状态机类别。但这样一台机器所能有的状态的数量不是一般的大。比如，现在在Manchester 工作的那台机器的状态数大约 2 165,000 ，即，10 50,000。把这个和我们那个只有三个状态的滴答转动的齿轮例子相比较。不难看出为何状态为何应当如此之巨。包含一个存储的计算机就相应于被一个人类计算机使用的纸张。能写到纸张上的符号之任一组合必需能写到存储里。为了简单起见，假设只把从0到9的数字作为符号。手写体被忽略。假设计算机允许有100张纸头，每张都有50行，每行可写30个数字。然后状态的数字就是 10 100x50x30 就是，10 150,000。这大约是三台Manchester 机器加起来的状态数。底为2的状态数的对数通常就叫这机器的“存储容量”。因此Manchester 机的存储容量大约是165,000，我们齿轮机器的例子是1.6。如果两台机器加在一起，它们的容量必需加到结果机器的容量上去（If two machines are put together their capacities must be added to obtain the capacity of the resultant machine）。这就导致了可能的陈述，比如“Manchester 机器包含了64个磁性轨道，每个容量是2560，8个电子管容量是1280。 混合存储总计约300达到了174380 （The Manchester machine contains 64 magnetic tracks each with a capacity of 2560, eight electronic tubes with a capacity of 1280. Miscellaneous storage amounts to about 300 making a total of 174,380.）”。
给出相应于一离散状态机的表，就能预测这台离散状态机会做什么。为什么这个计算应当通过一台数字计算机作出，没有什么理由。假如计算能被足够快的作出，数字计算机就能够模仿任何离散状态机的行为。那时模仿游戏就可以由问题机器（作为B）以及仿效数字计算机（作为A）来玩，询问者不可能在它们之间作出区分。当然数字计算机必需有足够的强大的容量从而能工作的足够快速。还有，必需对被希望去模仿的各个新机器重新编程。
数字计算机的这种特殊属性，即它们可以模仿任何离散状态机，就是用所谓的“通用机（universal machines）”去描绘这种特殊属性。有这种属性的机器存在的重要结果是，除开不考虑速度（considerations of speed apart），没有必要去设计各异的新机器去做各异的计算处理（it is unnecessary to design various new machines to do various computing processes）。它们是可以在一台机器中做完的，对每种情形有合适的编程。将会看到作为这个的一个后果就是“所有数字计算机在一种意义上是等价的（all digital computers are in a sense equivalent）”。
我们现在愿意来再次考虑节3尾部浮现的点（译注：节3尾，稍后会以一个不同的角度去看“为什么不马上试一下这个实验？”）。有暂时性的建议说问题“机器可以思考么（Can machines think）？”应当被替换为“想象的数字计算机是能够在模仿游戏中有上佳表现的么（Are there imaginable digital computers which would do well in the imitation game）？”如果我们愿意我们可以把这个表面的问题弄得更一般并问“这些离散状态机中是可以有表现上佳的么（Are there discrete-state machines which would do well）？”但从一般性属性（the universality property ）的观点我们看到，这些问题都和这个等价“让我们把我们的关注聚集于一个特定的数字计算机C。通过把这台计算机修改到有足够的存储，合宜的增加其行动速度，提供给它适当的程序，可以做出那种在模仿游戏中叫人满意的扮演了A角色的 C， B的角色由一个人扮演，这是可能的么（Let us fix our attention on one particular digital computer C. Is it true that by modifying this computer to have an adequate storage, suitably increasing its speed of action, and providing it with an appropriate programme, C can be made to play satisfactorily the part of A in the imitation game, the part of B being taken by a man）？”
6. 相异的观点和主要的问题（Contrary Views on the Main Question）
我们愿意现在考虑说背景已经清晰了，我们准备好继续下去进入有关我们问题的辩论。“机器可以思考么？”，这个问题的变种在上一节尾给出了。我们不能完全丢弃该问题的原初形式，因为当适当替换时意见也会有差异（for opinions will differ as to the appropriateness of the substitution），而且我们至少应当听听在这种上下文中会说什么。
如果我首先解释我自己在这事上的信念，会对读者把这事简化一点。首先考虑该问题的更精确形式。我相信大约50年后其对编程计算机就是可能的，其存储容量大约是109，可以让它们很好的玩模仿游戏以至于询问者在问了五分钟后平均不会有多于70%的机会作出正确的识别。原初的问题就是“机器能够思考么？”我认为在太没有意义不值得讨论（I believe to be too meaningless to deserve discussion）。话虽如此，我相信在本世纪末对单词的使用和一般受过教育的意见将会转变如此之大以至于某人可以说机器思考而不会受到反驳（at the end of the century the use of words and general educated opinion will have altered so much that one will be able to speak of machines thinking without expecting to be contradicted）。我进一步还相信隐藏这些信念是没有什么要为其服务的有用目的（no useful purpose is served by concealing these beliefs）。流行观点是“科学家冷酷的从已确立的事实前进到已确立的事实（scientists proceed inexorably from well-established fact to well-established fact），从不会受到任何改进的推测的影响”，这是非常错误的。假设在何为猜想何为证明后的结果是很很清晰的话（which are proved facts and which are conjectures），没有什么结果会坏处。猜想有巨大重要性，应为它们显示了研究中有用的线条。
我现在前进到的是反对我的那些观点（I now proceed to consider opinions opposed to my own）。
(1)神学异议（ The Theological Objection）
思考是人不朽灵魂的一个侧面（Thinking is a function of man’s immortal soul. ）。上帝给每个男人和女人一个不朽的灵魂，但没有给任何其它动物或者机器。因此没有动物或者机器可以思考。
我不能接受这个的任何一部分，但会试图回应神学术语。如果动物包括了人，我会发现论据更充份了，因为在我头脑中介于典型的生命和非生命有一个较之“人和其它动物之间”大的多的差异。如果我们考虑其对待一个其它宗教团体成员会如何表现时，神学观念的武断特点变得愈发清晰。基督徒是如何看待待穆斯林关于女人是没有灵魂的观点的？不过让我们把这点抛在一边并回到主要的论争。对我来说上述的论争意味“对上帝的一个严格限制（a serious restriction of the omnipotence of the Almighty）”。确实有上帝所不能为之的事情，比如让1等于2，但我们不应当相信说，如果上帝看待合适的话，会让一个灵魂投胎到大象中么？我们可以期待说它仅会在和一个“假设大象有一个合适发展了的大脑，让牧师得以合适于这种类型的”变异相联系时才运用这种能力（would only exercise this power in conjunction with a mutation which provided the elephant with an appropriately improved brain to minister to the needs of this sort ）。对机器的例子来说亦如此（An argument of exactly similar form may be made for the case of machines）。看上去可能不同，因为它更难以下咽。但这确实只意味“上帝会考虑适合给予一个灵魂的那个环境（He would consider the circumstances suitable for conferring a soul）”不太可能。尚有争议的那个环境在本论文的剩余部分得到讨论。在试图构建这样的机器时，我们不应当不逊的篡夺上帝在生成灵魂时的大能，仅仅在我们生孩子时：在所有情形下都我们都是上帝意志为其灵魂提供的住宅工具。
不过，这只是推测。我对神学论据，无论它们用来支持什么，不是非常印象深刻。这样的常常在过去被发现论据是不能令人满意的。在伽利略的时代，据说文本“而且太阳仍在那里 . . .在一整天里头没有急着要下起（And the sun stood still . . . and hasted not to go down about a whole day）”（约书亚书 x.13）和“他定下了地球的基础，而且永不再变（He laid the foundations of the earth, that it should not move at any time）”（圣歌 cv. 5）是对哥白尼理论的充份反驳（an adequate refutation of the Copernican theory）。以我们现在的知识这种论据显的没什么用处。当知识不可得时这种论据的影响就非同小可了（When that knowledge was not available it made a quite different impression）。
(2)“头在沙子里”异议（ The "Heads in the Sand" Objection ）
“机器能思考的后果太可怕了。让我们希望并相信它们不能够这样做吧。”
这种论调很少像上述前一种一样公开表达。但这种论调影响了我们大多人去思考这件事情（But it affects most of us who think about it at all）。我们喜欢相信说人在某种微妙的方式上要高于其它的造物。如果能显示给他说超然的必要最好不过了，因为这样他就不会失去居高临下的位置了（It is best if he can be shown to be necessarily superior, for then there is no danger of him losing his commanding position）。神学论据的流行很明显和这种感觉有关系。在聪明人里面这种感觉尤其强烈，由于他们对思考的价值作了比别人更高的评估，也更加倾向于把他们的信念建基于人在这种能力上的超然。
我不认为这种论据对需要反驳是足以重要的。安慰将会更加的合适：可能这会在寻求灵魂的轮回中找到。
(3)数学异议（ The Mathematical Objection）
有很多数学逻辑结果可以被用来显示“离散状态机能力的限制（there are limitations to the powers of discrete-state machines）”。这些结果中最著名的就是哥德尔理论（Godel’s theorem 1931），而且显示说在任何状态可以被形式化的足够有力的逻辑系统中，那些状态既不可被证明，亦不可被证否，除非这个系统本身可能不一致。有其他的在某些角度是类似的来自于Church（1936），Kleene (1935), Rosser, 和图灵机(1937)结果（译注：？）。后一个结果最适合考虑，因为其直接指向了机器，与此同时，其它只可以在一个比较不直接的论证中使用：比如如果将要使用哥德尔理论的话，我们还需要加上一些从逻辑系统角度去描述机器的手段，再加上一些从机器方面去描述逻辑系统的手段（if Godel’s theorem is to be used we need in addition to have some means of describing logical systems in terms of machines, and machines in terms of logical systems）。问题中的结果指向了一类机器，其本质是一台有限容量的数字计算机。结果宣称肯定有某些事情是这样一台机器所不能为的。如果要草草的给出“如模仿游戏”问题的答案，就会有些问题“ 对这个游戏既可能给出错误的答案，或者无论允许多久才回复都完全给不出答案”。当然可能有许多这样的问题，且不可能由某一台机器来回答的那些问题可能由另外的机器来作出令人满意的回答。我们目前当然要假设问题是那种回答属于是或否的类型，而不是类似“你觉得毕加索（Picasso）怎么样？”这样的问题。我们知道机器肯定会失效的那些问题是这样的类型“考虑机器定义如下. . . .这台机器会对任何问题回答‘是’么？（Consider the machine specified as follows. . . . Will this machine ever answer ‘Yes’ to any question?）”点号将由处于一标准形式的某机器的一个描述来替换，可以是像节5中使用的那种。当描述的机器据有一特定相对询问的机器而言较为简单的关系时（When the machine described bears a certain comparatively simple relation to the machine which is under interrogation），就可以显示结果要么是错的，要么不是即将来临的。这是数学结果：据说能够证明机器有不能及于人类智能的缺陷（it is argued that it proves a disability of machines to which the human intellect is not subject）。
此论据的答案是尽管“如果任何特定的机器，其有所限制的能力只是被陈述，没有任何种类的证明”是成立的，但是对人类智能就没有这样的限制 (it is established that there are limitations to the Powers If any particular machine, it has only been stated, without any sort of proof, that no such limitations apply to the human intellect)。但我不以为这个观点可以这么容易就被摒弃掉。无论何时这些机器中的一个被问到适当关键的问题并给出了一个确定的答案时，我们知道这个答案肯定是错的，这给了我们一种超然于上的感觉。这种感觉只是幻象？毫无疑问当然是真实的，但是我不认为在这上头没有太多重要性。我们太经常给出对我们自己提问的错误答案，以至有充分理由从这种机器的不可靠性证据中得到极大安慰（We too often give wrong answers to questions ourselves to be justified in being very pleased at such evidence of fallibility on the part of the machines）。进一步，我们的优越性仅仅可以从一种“我们相对于一个机器取得了小胜（in relation to the one machine over which we have scored our petty triumph）” 的场合中才能感到。同时胜过所有机器是没有什么问题的（There would be no question of triumphing simultaneously over all machines）。简言之，然后，可能有人比任何给出的机器都要聪明，但之后可能有其它机器更聪明，诸如此类。
那些把握数学论据的人，我认为最愿意接受模仿游戏作为讨论的基础。那些相信前两个异议的人很可能不会对任何标准有所兴趣。
(4)来自知觉的论据（ The Argument from Consciousness）
这个论据非常好的表达了Jefferson教授在1949年的 Lister 演讲，我从中摘出来一些。“除非因为思想和情绪感觉，一个机器得以可以写下一首十四行诗或者作一首曲子，而且除非偶然机会下失去了符号，我们会认同说那个机器相当于人脑，就是说，不只是写下它，而且还知道它写下的是什么。没有机器在其成功时会感到（而且不仅仅只是人工信号，一个容易的发明）喜悦，当其价值消融时感到悲伤，被恭维话所温暖，由于其错误而感到痛苦，被性所陶醉，当其不能得到其想要的而愤怒或失望”。
这个论据表现出对我们测试的有效性之拒绝。根据这种观点最极端的形式，某人就机器思考可以确定的唯一方式就是“成为机器并感觉自己在思考（to be the machine and to feel oneself thinking）”。某人然后就可以对世界描述这些感觉，但是当然没人有理由要引起任何的注意。同样的根据这种观点，知道一个人在思考的唯一方式就是那个成为那个人（the only way to know that a man thinks is to be that particular man）。其实际上是唯我论者（solipsist）的观点。其可能是最把握了逻辑的观点，但是其让观念的交流成了难题(It may be the most logical view to hold but it makes communication of ideas difficult)。A倾向于相信“A认为但B不认为”，于此同时B相信“B认为但A不认为”，取代在“人同此心，心同此理(it is usual to have the polite convention that everyone thinks)”这点上的持续争辩。
我却性Jefferson 教授不愿意采纳极端的和唯我论者的观点。很可能他愿意接受模拟游戏作为一个测试。这个游戏（去掉了游戏者B）常常用在“在口试名义下（under the name of viva voce）”的实际中，去发现是否真有人理解了某物，或者只是在“鹦鹉学舌（learnt it parrot fashion）”。让我们听这样一个口试（a viva voce）：
询问者：在你读的十四行诗歌的第一行“我应当把你比作夏季里的一天”里，难道用“春季里的一天”不是更好么？
目击者：它不能标出格律。
询问者：“一个冬天的日子”怎么样？格律都正确了。
目击者：使得，不过没人愿意和一个冬日比较。
询问者：你会说Pickwick 先生提醒了你圣诞节么？
目击者：以一种方式。
询问者：但圣诞节是一个冬日阿，而且我不认为Pickwick 先生会介意这种比较。
目击者：我不认为你是认真的。当说一个冬日某人是在指一个典型的冬日，而不是像圣诞节这么特殊的一天。
诸如此类，如果写十四行诗的机器能够像这样在口试中回答，Jefferson 教授会说什么呢？我不知道他是否会把这样的机器视为其答案“仅仅是人工信号”，但如果答案又如上述篇章一样满意和持久的，我不认为他会把其描述为“一个很容易的发明”。这个短语，我认为，意图覆盖这样的“包含了一个记录某人阅读一首十四行诗的，且不时可随意切换的机器”设备。
简言之其后，我认为大多数“从知觉上支持这个论据”的人会被劝说舍弃该论据而不是认同唯我论的位置。他/她们然后就会愿意接受我们的实验了。
我不愿意给人以“我觉得知觉没有什么神秘的”感觉。存在有，比方说，一个某种悖论是和任何试图去集中（localise）相联系的。但我不认为这些神秘必然的需要去解决，在我们可以回答这篇论文关心的问题之前。
(5) 来自各种缺陷的论据（Arguments from Various Disabilities）
这些论据形如“我同意你说你可以造出能做你所提到的所有事情的机器，但是你永远也不能造出一台能做 X 的机器。”各种特性 X是在我提供了一个选择的联系中：
和善，机智，美丽，有爱，有创新精神，有幽默感，能区分出何错何对，会犯错，坠入情网，喜欢草莓和冰激凌，让某人喜欢上它，从经验中学习， 适当的使用单词，其自己思想的主宰，像一个人一样有许多各异的行为，做某些全新的事。
对这些陈述通常没有支持。我相信它们大多建基于科学归纳原则（the principle of scientific induction）。一个人在其一生中已经见到了数以千计的机器。从他所见机器中他总结了若干一般结论。它们很丑陋，每个都为了一个非常有限的目标来设计，当需要一个精密差异的目标时它们就没用了，它们中的任何一个的行为差异是非常小的，诸如此类。自然的他会总结说这些是一般机器中必要的属性。许多这些限制是和大多数机器非常小的存储容量相联系的。（我在假设存储容量的观念以某种方式扩展到不同于离散状态机的诸机器。精确的定义无关紧要，因为在目前的讨论中没有数学精确性的要求）没几年前，当还很少听说数字计算机的时候，引起对数字计算机非常强烈的怀疑是可能的，如果某人提到了它们的性质但没有描述它们的构造。那大概是因为科学归纳原理的一个相似应用。该原理的这些应用当然主要是无意识的。当一个烧伤过的儿童通过避开火显示他害怕火，f 要说他在应用科学归纳法（译注：？）。（我当然也可以描述他在其它许多方面的行为。）人类的工作与习俗看上去对应用科学归纳法来说不是非常适合的材料。空间/时间 的一个非常大的部分必需要加以调研，如果要获得可信的结果。不若此我们就可能（就像许多英格兰儿童所为）觉得说所有人都说英语，而且学习法语很蠢。
然而对“许多提到的缺陷”有特殊的评论。不能享受草莓和冰激凌可能让读者觉得无趣。一台能享受这种美味的机器是可能可以做出来的，但是任何使人这么做的试图都是愚蠢的（Possibly a machine might be made to enjoy this delicious dish, but any attempt to make one do so would be idiotic）。关于这种缺陷重要的是其有助于某些其它缺陷（What is important about this disability is that it contributes to some of the other disabilities），比如，对发生在人和机器之间的相同类型亲切的困难，一如发生在白人和白人之间，或黑人和黑人之间。
“机器不会出错（machines cannot make mistakes）”的论调看来是神奇的。某人冒险反驳到“机器有比不出错更糟糕的情况么（Are they any the worse for that）？”但是让我们采取一个更有同情的态度，试试看实际意味着什么。我认为这种批评可以用模拟游戏的术语来解释。已经说过询问者可以通过设置若干简单的算术问题把机器从人中区分出来。该机器由于其致命的精确性而不会掩饰。对这个的回答是简单的。该机器（为玩这个游戏编了程）不会试图去（would not attempt to）对算术问题给出正确的答案。它会故意引入错误的计算方式去混淆询问者（It would deliberately introduce mistakes in a manner calculated to confuse the interrogator）。一个机械故障可能会通过一个不合适的决定，在算术中作出某种错误时，去显示自身(A mechanical fault would probably show itself through an unsuitable decision as to what sort of a mistake to make in the arithmetic)。即便是对批评的这种解释都不是足够有同情的。但是空间所限我们不能对此多论。对我而言这个批评是由于混淆了两类错误，我们可以把它们叫做“功能错误（errors of functioning）”和“结论错误（errors of conclusion）”。功能错误是由于某些“引起机器不似其设计而行事”的机械或者有关电的故障。在哲学讨论中某人会倾向于忽视这种错误的可能性；因此某人就是在讨论“抽象机器（abstract machines）”。这些抽象机器是数学杜撰而非物理对象。通过定义它们不能有功能错误（incapable of errors of functioning）。在这种意义上我们能可靠的说“机器可以永不犯错（machines can never make mistakes）”。结论错误仅仅在“当某些意义附加到来自机器的输出信号时（when some meaning is attached to the output signals from the machine）”会浮现。机器可能，比如说，打印出数学等式，或是英语句子。当答应了一个错误的命题时，我们说机器犯了一个结论错误（the machine has committed an error of conclusion）。很明显没有任何理由去说一台机器不能犯这种类型的错误。它可能什么也不做，只是打印“ 0 = 1 ”。来用一个不那么不正当的例子，机器可能有一些方法来通过科学归纳下结论。我们肯定会望见这样的一个方法偶尔会导致错误的结果（We must expect such a method to lead occasionally to erroneous results）。
“ 一机器不能是其自己思想的主宰”这个论调可以当然仅仅在“如果可以显示机器在某些主题事件上有某些思维时（if it can be shown that the machine has some thought with some subject matter）”得到回答。话虽如此，“一台机器运算的主题事件（the subject matter of a machine’s operations）”确实看上去意指某些东西，至少对应对它的人来说是如此。如果，比如说，机器试着去发现方程式 x2 – 40x – 11 = 0 的一个解，某人就应当把这个方程式描述为该时刻该机器运算的主题事件。在这种意义上一台机器毋庸置疑的可以是其自己的主题事件（be its own subject matter）。这可用于帮助构建其自己的程序，或是预测其自身结构改变后的效应。通过对结果的观察，其可以修正自己的程序从而能够更有效的达到某些目的。这些在近的未来是可能的，远非乌托梦想。
“一台机器不能有许多各异行为”的批评只是说“其不能有许多存储容量（it cannot have much storage capacity）”的一种方式。直到相当近期，一个即使是有一千位的存储容量也非常少见。
我们这里考虑的批评通常是来自意识论据的掩饰形式（disguised forms of the argument from consciousness）。通常如果某人主张说一台机器可以做这些事中的一件，并且描述了机器可以使用的方法种类，就不会留下很深的印象了（Usually if one maintains that a machine can do one of these things, and describes the kind of method that the machine could use, one will not make much of an impression）。人们认为瓦片方法（tile method）（无论其会是什么方法，对其必需是机械的）是非常基本的。比较Jefferson在摘录的圆括号中的陈述 （译注：指 不仅仅是人工信号，是一个容易的发明）。
(6) Lovelace夫人的异议（Lady Lovelace’s Objection）
我们关于Babbage的分析引擎最详细的信息是来自Lovelace夫人在1842年 的回忆录。在回忆录里她写到“分析引擎没有主张去产生任何事（The Analytical Engine has no pretensions to originate anything）。它只可以做 我们知道如何为之的任何事物（whatever we know how to order it）”（她的斜体）。这段陈述是 Hartree 在1949年 摘录的，他追加了：“这没有暗示说不可能构建其能够‘思考自己（think for itself）’的电子设备，或者是用生物学术语说，某人可以构建一个条件反射（conditioned reflex），其对作为学习的基础作出服务。无论这在原理上是可行与否，都是一个某些最近的进展所提出的激励和激动的问题。但是现在构建或者规划起来的计算机还看不到这种属性。”（"This does not imply that it may not be possible to construct electronic equipment which will ‘think for itself,’ or in which, in biological terms, one could set up a conditioned reflex, which would serve as a basis for ‘learning.’ Whether this is possible in principle or not is a stimulating and exciting question, suggested by some of these recent developments But it did not seem that the machines constructed or projected at the time had this property."）
在这点上我完全同意 Hartree 。将会注意到他没有宣称问题中的机器并没有取得这种性质，而恰恰是Lovelace 夫人可得的证据并没有激励她去相信它们有这种属性。问题中的机器很有可能在某种意义上拥有这种属性（译注：指离散状态机的本质属性）。因为假设了某些离散状态机有这个属性。分析引擎是一台通用数字计算机，所以，如果它的存储容量和速度都是足够的，它就可以适当的编程以模仿问题中的机器了。女伯爵或是Babbage那里可能没有发生这个论据。在任何情况下他/她们没有什么义务去宣称“所有那些是可求的（all that could be claimed）”。
这整个问题将在学习机器（learning machines）的标题下面再次被考虑。
对Lovelace夫人的异议的一个不同陈述就是一台机器可以“永不做任何新的事（never do anything really new）”。这暂时可以用谚语来踢掉“太阳底下没有新鲜事（There is nothing new under the sun）”。谁可以确定他所做的“初始工作（original work）”不会就是在他教育所植下的种子的成长，或接下来众所周知的普通原则的效应。该异议的一个更好的不同陈述是一台机器永不“使我们惊讶（take us by surprise）”。这种陈述是一个更加直接的挑战而且可以直接就遇到。机器以巨大频率使我感到惊讶（Machines take me by surprise with great frequency）。这主要是因为在决定期望它们做什么上面我没有做充份的计算，更是因为，虽然我做过一个计算，我是在一个草草不整的有风险的样子下做的。可能我对自己说“我认为这里的电压应该和那里一样：总之，让我假设就是这样的吧。”自然的我常常犯错，而且结果让我吃惊， 因为当实验完成了的时候这些假设也被忘记了。这些承认把我公开的放在主题为我的重口味方式的演讲上，但当我证实了我所经历的惊讶时，并没有对我的可信性抛出任何怀疑。
我不期望回应是叫我的评论安静下来。他将可能说那种惊奇是由于在我身上的创造性的精神行为，这在机器里没有什么返现。这就把我们带回到来自知觉的论争，远离了这个惊奇的观念。这是一条我们必需考虑画完的有关论据的线（It is a line of argument we must consider closed），但可能值得评论说“带着惊奇去欣赏某些东西是需要许多‘创造性的精神行为’的，无论这种惊奇事件是源自于一个人，一本书，一台机器或是任何其它东西（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）”。
机器不能给出惊奇的观点是由于，我相信，是一种“哲学家和数学家特别容易陷入的”谬误 （The view that machines cannot give rise to surprises is due, I believe, to a fallacy to which philosophers and mathematicians are particularly subject）。这是一种假设，说一旦一个事实呈现到一个大脑，所有关于那个事实的结果就和该事实一起涌入了大脑。在许多情况下这是一个非常有用的假设，但太容易忘记其是一个错误。这样做的一个自然结果就是其人在之后会假设，在对“仅仅来自数据和一般原则的”结果的规划中，没有什么美德（A natural consequence of doing so is that one then assumes that there is no virtue in the mere working out of consequences from data and general principles）。（译注：图灵认为美德是可以通过对仅来自于数据和一般原则的结果之规划而得到的）
(7)来自神经科学的连续性论据（ Argument from Continuity in the Nervous System ）
神经系统一定不是一个离散状态机。 关于一个撞击一神经元的神经脉冲的大小信息的一个小错误，可能会对输出脉冲规模造成一个大的差异（A small error in the information about the size of a nervous impulse impinging on a neuron, may make a large difference to the size of the outgoing impulse.）。可能会认为，正是因为如此，故某物不能够用一个离散状态机去模仿神经系统的行为（It may be argued that, this being so, one cannot expect to be able to mimic the behaviour of the nervous system with a discrete-state system）。
一台离散状态机必需和一台连续机有所差异，这是真的。但如果我们坚持模仿游戏的条件，询问者将不能够取得这个差异上的任何优势。这种状况可以搞的更清晰些，如果我们考虑声音的或者其它连续机器。一个有差异的分析者会做的非常好。（一个有差异的分析者是一特定类型的机器，对某些种类的运算不采用离散状态类型）这些中的某些以一个打印的形式提供了它们的答案，而且所以也适合参加这个游戏。一台数字计算机不大可能精确的预测有差异的分析者对一个问题会给出何种答案（It would not be possible for a digital computer to predict exactly what answers the differential analyser would give to a problem），但它对给出合适的答案非常在行。比如说，如果被问及给出 π 的值（实际上是3.14156 ），其会随机的介于值 3.12, 3.13, 3.14, 3.15, 3.16 以概率（比如说）0.05, 0.15, 0.55, 0.19, 0.06 去 合理的进行选择。在这些环境下，询问者要从数字计算机中区分差异分析者就非常困难了。
(8) 来自信息行为的论据 （The Argument from Informality of Behaviour ）
不太可能产生意图去描述“在所有可以想象的环境集合中中的一个人会去做什么（ what a man should do in every conceivable set of circumstances）”的一个规则集。某人可能比方说有一个规则，当某人看到一个红色交通灯时须要停下，如果看到了绿灯就走，但如果由于某些故障两者一起出现了怎么办？某人可能决定说最安全的就是不动。但是某些进一步的困难可能会从这个决策后浮现出来。试图提供指导规则以覆盖任何可能性（eventuality），即便是那些来自交通灯的可能性，看上去是不可能的。这我完全同意（With all this I agree）。
从这点中有人认为我们不可能是机器。我将尽力再现该论据，但我担心我很难公正的来这么做。看上去有时候是像这么运行的。“如果每个人有一个由‘他的生命被其规定了的’指导的确定规则集，他不会比一台机器更好。“但是没有这样的规则，所以人不能是机器。（"if each man had a definite set of rules of conduct by which he regulated his life ， he would be no better than a machine. But there are no such rules, so men cannot be machines." ）”这还没有分散的中间部分正在闪闪发光 (The undistributed middle is glaring)。我不认为曾经像这样设置该论据，但是我相信这却是使用过的论据（I do not think the argument is ever put quite like this, but I believe this is the argument used nevertheless）。然而在“指导规则（rules of conduct）”和“行为规则（laws of behaviour）”之间可能有特定的混淆遮蔽了该议题（cloud the issue）。说“指导规则（rules of conduct）”我指“如果你看到红灯就停下”这样的概念，一辆汽车可据以行事， 而且一辆汽车可对之有意（on which one can act, and of which one can be conscious）。说“行为规则（laws of behaviour）”我指应用于一个人体的自然规律（laws of nature ），例如“如果你勒索他，他会告发你（if you pinch him he will squeak）”。如果我们用“通过指导规则他调节了自己的生活（laws of conduct by which he regulates his life）” 去替换摘出论据中的“调节他生活的行为规则（laws of behaviour which regulate his life）”，没有分散的中间部分（the undistributed middle） 就不再是无敌的了。因为我们相信，“被行为规则所调节暗示其成为了某种机器（being regulated by laws of behaviour implies being some sort of machine）”不仅仅是正确的（虽然不必是一台离散状态机），而且相反的成为这样的一台机器暗示了会被这样的规则所调节。然而，相较于完全指导规则，我们不是这么容易说服自己相信完全行为规则的匮乏（the absence of complete laws of behaviour） 。为了找到这样的规则，我们所知的唯一方法是科学观察（scientific observation），而且我们肯定知道没有什么环境下我们会说“我们找的够多了，没有这样的规则（We have searched enough. There are no such laws.）”。
我们可以更有说服力的来显示说，任何这样的陈述是不公平的。假定我们可以确定找到这样的规则，如果它们存在。然后给出一个离散状态机，其就必定可能会通过对其充份的观察去发觉，以预测其未来的行为，而且这在一个合理的时间内，比如说一千年（Then given a discrete-state machine it should certainly be possible to discover by observation sufficient about it to predict its future behaviour, and this within a reasonable time, say a thousand years. ）。但看上去这并不如此。我在Manchester 计算机上建立起了一个小的程序，仅仅使用了1000单位的存储， 据此该机器以一个十六位数字作为供应，并在两秒内用另一个十六位数字作为回应（whereby the machine supplied with one sixteen-figure number replies with another within two seconds）。我敢说任何人都能从这些关于程序的充份的回复中学习，以能够预测对没有尝试过的价值的任何回复（I would defy anyone to learn from these replies sufficient about the programme to be able to predict any replies to untried values）。
(9) 来自超感知觉的论据 （The Argument from Extrasensory Perception ）
我假设读者熟悉超感知觉的观念（the idea of extrasensory perception），以及其四个项的意义，即，心灵感应（telepathy）、透视力（clairvoyance）、先知（precognition ）和 小宇宙（psychokinesis）。这些分散的现象看上去拒绝了所有我们通常的科学观念。我们是多么愿意丢弃它们！不幸证据不足，至少对心灵感应而言，其势不可挡（Unfortunately the statistical evidence, at least for telepathy, is overwhelming）。重布人的观念以把这些新的事实嵌入进去，是非常困难的（It is very difficult to rearrange one’s ideas so as to fit these new facts in）。一旦某人接受了它们，看上去相信灵魂和鬼魅就不是一大步了。我们的躯体简单的通过已知物理规律移动的这个观念，和一些其它但尚未发现的但多少有些类似的规律一起，将会是先行之一（would be one of the first to go）。
该论据在我的头脑中是非常强的一个。 尽管和超感知觉相冲突 ，许多科学理论看上去在实践中切实可行，某人可以对此回复说：如果忘记了科学理论，实际上照样可以过的很好（in fact one can get along very nicely if one forgets about it）。这是相当冰冷的安慰，而且有人相信思考就是其中超感知觉可能特别相关的这类现象（This is rather cold comfort, and one fears that thinking is just the kind of phenomenon where ESP may be especially relevant）。
给予超感知觉的一个更加特别的论据可能是像下面这样子的：“让我们来玩模拟游戏，用一个是很好的心灵感应接受者的人作为目击者，以及一台数字计算机。询问者可以问这样的问题‘我右边的卡属于哪一组（What suit does the card in my right hand belong to）？’。那个通过心灵感应或是透视眼的人在400张卡片里给出了130次的正确答案 。机器只能随机去猜，可能猜对了104次，所以询问者可以作出正确的识别。” 这里开启了一个有趣的可能性。假设数字计算机包含了一个随机数字生成器。然后就自然会用这个去决定该给出什么答案。但是之后该随机数字生成器将会屈服于询问者的心灵感应能力。可能这个心灵感应会引起机器去更多的猜测右边，而非期望的一个或然率计算，从而询问者可能仍旧不能作出正确识别。另一方面，询问者在没有任何询问下就可能会猜对，通过透视眼。有超感知觉，什么都是可能的。
如果承认心灵感应，就必需把我们的测试束紧（tighten our test up）。该状况可以被认为是类似于“如果询问者自说自话，且竞争者中的一个在用他的耳朵贴着墙听（which would occur if the interrogator were talking to himself and one of the competitors was listening with his ear to the wall）”。把竞争者放到一个“防止心灵感应的房间（telepathy-proof room）”会满足所有的需求。
7. 学习机器（Learning Machines）
读者会期待，我没有非常有说服力的正面论据去支持我的观点。如果我有的话我就不会花这么大的力气去指出相异观点的错误了。如果有这样的证据我将现在就给出。
让我们暂时回到 Lovelace 夫人的异议，其宣称机器只可以做我们让其做的事情（the machine can only do what we tell it to do）。有人会说一个人可以把一个观念“注入（inject）”某机器，且该机器将会在一特定程度上作出回应，而且然后归于寂静（drop into quiescence），就像被锤子锤了一下的一个钢琴弦（a piano string struck by a hammer）。另外的直喻会是一个小于临界大小的原子堆积：一个被注入的观念是相应于一个中子从外面进入该堆（a neutron entering the pile from without）。每个这样的中子将会引发一特定的干扰，其终将褪去（Each such neutron will cause a certain disturbance which eventually dies away）。如果，然而，堆的大小增加的足够时，由这样的一个输入中子引起的这种干扰将很可能会继续增加下去，直至堆被破坏掉为止。对大脑有相应的现象么？而且对机器有这样的现象么？确实能够在人脑中看到这样的现象。它们中的大多数看来是“次临界的（subcritical）”，即，和次临界大小堆的类比相一致（to correspond in this analogy to piles of subcritical size）。给这样的一个大脑提供一个观念将平均说来引发的回馈是少于一个观念的（An idea presented to such a mind will on average give rise to less than one idea in reply）。一个略小的部分是超临界的（supercritical）。给这样一个大脑提供一个观念可能引起整一个“学说（theory）”由二级、三级或更远的观念所组成。动物的大脑看上去非常清楚的是次临界的。附加了这种类比，我们问到“可以构建一台是超临界的机器么（Can a machine be made to be supercritical）？”
“一个洋葱皮（skin-of-an-onion）”的类比也有所助益。在考虑头脑或大脑（the mind or the brain）的功能时，我们发现了特定的操作，其可以用纯数学术语去解释。我们这样说并不和真实的头脑相一致：如果我们想要找到真的头脑，这只是一种我们必需去剥除的表皮（it is a sort of skin which we must strip off if we are to find the real mind）。但是其后在所剩下之中我们发现了一个深一层的有待剥去的皮肤，诸如此类。在这种方式处理中，我们究竟会到达“真的”头脑么？或者我们最终到达了其中什么也没有的那个皮肤 ？在后一种情况下整个头脑就是机械的（mechanical）。（虽然它不必是一个离散状态机。我们已经讨论过这一点。）
最近的这两端并没有宣称是有说服力的论据。它们更应当被描述为是“背诵倾向于产生信念（recitations tending to produce belief）”。
唯一真正令人满意的可以对此观点给出的支持，在节6的开始得到表述（译注：图灵指用一种类似排除法的方式去证明其观点），将会等到本世纪末给出，然后可以做描述的这个实验（will be that provided by waiting for the end of the century and then doing the experiment described）。但在当前我们能说什么呢?如果要让该实验成真，现在应该采取什么步骤呢？
就像我已经解释过的，这主要的是一个编程问题。工程学的发展也会使之成真，但看上去不大可能说，这些对需求是不足够的（these will not be adequate for the requirements）。大脑存储容量的估计有从1010 到 1015 的二进制位数差异。我倾向于较低的那个值，而且相信就高级类型的思考而言，只有一个非常小的部分被用到了。它的大多数可能是用来保留视觉观感（visual impressions），如果需要多于109 去令人满意的玩模仿游戏，我应当会惊讶的，无论如何都不是一个盲人（I should be surprised if more than 109 was required for satisfactory playing of the imitation game, at any rate against a blind man）。（注：不列颠百科全书的容量，第11版，是 2 X 109）一有107 的存储容量将会是一个非常实际的可能性，甚至是在当前可用的技术下。大可不必增加机器的操作速度（It is probably not necessary to increase the speed of operations of the machines at all）。现代机器的可以被视为是对神经细胞的类比的那部分，其工作速度大约是后者的一千倍。这应当提供一个“边际安全（margin of safety）”，其会以许多方式去覆盖损失的速度。我们的问题其后就是找出如何对这些机器编程（how to programme these machines ）以为玩这个游戏。以我目前的工作速度，我一天能产生大约有一千个数位的的程序，所以大约60个工人，持续工作上50年可能会完成该作业，如果没有什么要进到废纸篓。一些更加迅捷的方式看来是值得而为的。
在试图模拟一个成人大脑的过程中，我们肯定会对“何者将大脑带到了状态大脑的状态（which has brought it to the state that it is in）”过程有很多思考。我们可能注意到了三个组件。
(a) 初始状态的大脑，说是，出生，
(b) 大脑受到教育的影响，
(c) 使得大脑受到影响的其它不能用教育来描绘的经历。
取代“试图产生一个程序去模拟成人的大脑”，为何不宁可试试“产生一个模拟儿童的大脑的程序”呢？如果是这样，那么受到合适教育课程影响的人将会获得一个成人的大脑（subjected to an appropriate course of education one would obtain the adult brain）。大概儿童的大脑是对“当某人从文具店买来的”一个笔记本的某种类似。相当少的机械装置，而且有很多空白页。（来自于我们观点的机械装置和写作几乎同义。）我们的希望是，在儿童的大脑里有如此少的机械装置以至于类似这样的大脑的东西可以容易的编程 (there is so little mechanism in the child brain that something like it can be easily programmed)。教育当中的工作量我们可以假定，作为第一次近似，和对人类儿童的教育工作量大致相当。
我们因此就把我们的问题一切为二。儿童程序（The child programme )和教育过程 （the education process）。余下的这两个紧密相联。我们不能期望在第一次尝试时就去发现一个好的儿童计算机。必需带着教授这样的机器去作实验，并看看其学的有多好。然后可以试另外一个，并看看其是否更好或更坏。介于这个过程和评估之间有明显的联系，通过识别
儿童机器的结构 = 遗传材料
儿童机器的变化 = 突变
自然选择 = 实验者的裁决
虽然有人可能希望这个过程将要比进化迅速的多。适者生存对衡量优势来说是一个慢的方法。经由智力锻炼，实验者应当能使其加速。同等重要的事实就是，他没有受到随机变异的约束（is not restricted to random mutations）。如果他可以跟踪一个有弱点的原因，他就可以适当的思考何者引起了该种变异（If he can trace a cause for some weakness he can probably think of the kind of mutation which will improve it）。
不太可能对机器去精确的应用相同的教授过程就像对一个正常的小孩有教无类。将不会，比如说，提供了腿，从而其不能被要求出去并填煤筐。很可能它没有眼睛。但无论这些缺陷可能被聪明的工程学所克服，不可以把这个造物送到“没有其它儿童会对它过份开玩笑的（without the other children making excessive fun of it）”学校。它必需付一些学费。我们不必太在意腿，眼睛，等等。Helen Keller 小姐的例子显示了教育是可以进行的，条件是介于教师和小学生之间的双向交流是可以通过这种或那种手段发生的（communication in both directions between teacher and pupil can take place by some means or other）。
我们一般是把惩罚和奖赏与教授过程相联系的。一些简单的儿童机器可以被以这种原则构造出来，或被编程出来的。“先于一个惩罚信号出现前，会有短暂事件（events which shortly preceded the occurrence of a punishment signal）”如此构造出来的机器不大可能重复，于此同时，一个奖励信号增加了“导致其发生的事件”重复的可能性。这些定义并没有预先假定机器的任何感觉。我就对这样的儿童计算机做了一些实验，而且成功的教了它少数的事物，但是教授的方法过于“对将该实验认为是真正的成功”不正统。
对惩罚和奖赏的使用最多只是教授过程的一部分（The use of punishments and rewards can at best be a part of the teaching process）。粗粗道来，如果教师没有其它的方法可以和该小学生沟通了，可以达到他的信息量是不会超过“应用了惩罚与教育”总量的（the amount of information which can reach him does not exceed the total number of rewards and punishments applied.）。在一个儿童学会了反复“Casabianca”之前，他很可能会感觉非常的痛苦（By the time a child has learnt to repeat "Casabianca" he would probably feel very sore indeed），如果这个文本仅可以通过“二十个问题”的技术被发现，那么每一个“不”都是一击的一种形式（taking the form of a blow）。因此就必需有其它的“不动感情的（unemotional）”通讯频道。如果这些频道是可得的，某些语言中通过给出“通过惩罚和奖赏去服从命令”，比如用一门符号语言，去教授一机器就是可能的（If these are available it is possible to teach a machine by punishments and rewards to obey orders given in some language, e.g., a symbolic language）。这些命令需要通过“不动感情”的频道进行转换。该语言的使用将极大减小所需惩罚和奖励的数量。
诸多主张关于何种复杂性适用于儿童机器可能有差异。可能会使它尽量简单，保持和通用原则相一致。另一个替换可能是有一个“内置（built in）”推理的逻辑完全系统。在后一种情形下，存储主要的是被“定义和命题（definitions and propositions）”所占。命题可能有各种类型的状态（status），如，已确立的事实，猜想，数学可证定理，有官方给出的陈述，表达式有不带信念值的命题逻辑形式。特定命题可以被描述为是“祈使句（imperatives）”。机器应当是这样被构建出来的，从而一旦一祈使句被归类为“得到确认的（well established）”合适的行为就自动的会发生。为了说明这一点，假设教师对这机器说“现在做你的家庭作业”。这可能会导致“教师说‘现在做你的家庭作业’”被包含于得到确认的事实。另一个这样的事实可能是“那位教师说的所有事都是对的”。这些的合成可能最终会导致“现在做你的家庭作业”祈使句被包含在得到确认的事实之间，而且这，通过机器对之构建（by the construction of the machine），将指实际开始做家庭作业，但是效果非常满意。该机器使用的推理过程不必是类似必需满足最精确的逻辑学家的那种。比方说那里可能没有层级类型。但这不必意指会发生类型错误，一点也不比“我们一定会绊倒在没有防守的峭壁上（we are bound to fall over unfenced cliffs）”来的多。合适的祈使句（在该系统内表达，不形成系统的规则部分）类似于“不要使用一个课程，除非其是一个教师提点过的课程之子类（Do not use a class unless it is a subclass of one which has been mentioned by teacher）”可以和“不要靠边上太近（Do not go too near the edge）”有类似的效果。
一台没有四肢的机器可以遵循的祈使句（The imperatives that can be obeyed by a machine that has no limbs）一定会有一个相当理智的特性，就像上面给出的例子（做家庭作业）一样。寓于这样的祈使句中之重要性将会是，其调节了一种命令，该命令中关心逻辑系统的规则将要被应用 (ones which regulate the order in which the rules of the logical system concerned are to be applied)。对当某人使用一个逻辑系统的每个阶段，都有一个非常大数字的替代步骤，其任一都是被允许使用，目前只关心那种“服从规则的”逻辑系统。这些选择使一杰出的和一无足轻重的形成了差异，而不是在一个声音和一个错误之间形成了差异（These choices make the difference between a brilliant and a footling reasoner, not the difference between a sound and a fallacious one）。导致这种类型祈使句的建议可能是“当提到了苏格拉底，就用第一格式的三段论（When Socrates is mentioned, use the syllogism in Barbara）”或是“如果一个方法被证明是比另一个为快，就不要用那个慢的（If one method has been proved to be quicker than another, do not use the slower method）”。这些中的一些可能是“由当局给出的”，但其它的可能是由机器自己产生的，如，科学归纳法（scientific induction）。
一个学习机器的观念可能对某些读者表现出矛盾（paradoxical）。机器操作的规则如何可以改变呢？他/她们应该描述完全， 无论其历史如何，无论其作出了何种改变，机器会如何反应（how the machine will react whatever its history might be, whatever changes it might undergo）。规则从而是在时间上相当的不变（The rules are thus quite time-invariant）。这时非常真的。对该矛盾的解释是，在学习过程中被改变了的规则，是相当少炫耀的那种，宣称只是一个短暂有效性（the rules which get changed in the learning process are of a rather less pretentious kind, claiming only an ephemeral validity）。读者可能和美国宪法做一个并行描绘。
一学习机器的一个重要特性就是，其教师将常常会对里面会发生什么非常不知其所以然，虽然他可能仍旧能够在某种程度上预测他的小学生的行为（its teacher will often be very largely ignorant of quite what is going on inside, although he may still be able to some extent to predict his pupil’s behavior）。这点主要当是应用到从一经过多次磨练设计的（或编程的）儿童机器而来的一机器之后期教育上去。这和“当某人使用一台机器去作计算”一般过程能很清晰的对比，某人的目标然后就是有关于该机器的状态的，一副清晰的“处于该计算中的各个状态之”精神图像（one’s object is then to have a clear mental picture of the state of the machine at each moment in the computation）。这个目标只可以通过努力来达到。面的这个目标，“机器只可以做我们知道如何命令它去做的事（the machine can only do what we know how to order it to do）”观点显得有点奇怪。大多数我们可以放到机器中的程序将会导致其做一些我们完全不能讲得通的，或是我们认为完全随机的行为。智能行为大概存在于和“涉及到计算的完全受训行为”的分离中，但是一个“不会引起随机行为或者不得要领的反复循环”的微渺（but a rather slight one, which does not give rise to random behaviour, or to pointless repetitive loops）。通过教与学过程去准备我们的机器去在模拟游戏中扮演它的部分的另外一个重要结果是， “人的不可靠（human fallibility）”很可能以一种相当自然的方式被忽略掉，即，没有特别的“指导（coaching）”。（读者应当能对带有来自23、24页观点的这一点和解）(译注：指 Lovelace夫人的异议观点 ) 学习过的那些过程不会产生百分百的必然结果；如果它们产生了它们不会是未学习的（Processes that are learnt do not produce a hundred percent certainty of result; if they did they could not be unlearnt）。
可能对一个学习机器加入一随机元素会更加聪明。当我们搜索某些问题的一个解决方案时，一个随机元素相当有用 。假如比方说我们要找到介于50和200之间的一个数字，和其自身的数位之和的平方是相等的，我们可以从51开始然后试试52并继续下去，直到我们找到了一个这样的数字。另外我们可以随机的选择一个数字直到我们找到一个这样的数字。这种方法有个优势，不必跟踪已经试过了的值，但是劣势就是可能同一个数字被试了两次，但是这不是非常重要，如果有多个解决方案。系统化方法有劣势是，可能存在非常大量的块，在该首先关注的范围内不带任何解决方案。现在学习过程可以被认为是对一种行为形式的一个搜索（a search for a form of behaviour），其会让教师满足（或者其它什么准则）。既然可能有一个非常庞大数目的令人满意的解决方案，随机方法看上去来的比系统化方法好。应当注意到，这应用在有关进化的类似过程中。但那里系统化方法是不可能的。怎么去追踪已经被试过了的不同的遗传组合，从而避免再次去尝试那些组合？
我们期望机器将最终在所有纯智力领域中何人类并驾齐驱。但何为一个好的开头呢？即便这个都是一个困难的决定。许多人认为一个非常抽象的活动，像是下国际象棋，将会是个好的开头。也可以被认为是，最好提供给这个机器用钱可以买到的最好的感觉器官，并然后教授它去理解和说英语。这是可以遵循教一个儿童的过程。事物可以被指出和命名等等。再一次的我不知道正确的答案是什么，但是我像两种方式都应当去试试看。
我们只可以见到前处的一点距离，但是我们可以看到那里有许多需要去做（We can only see a short distance ahead, but we can see plenty there that needs to be done）。
(完)