早在1950年，艾伦·图灵（Alan Turing）提出了一种优雅而又极具挑战性的方式来确定是否可以说“思考”。这种机器智能的衡量标准被称为图灵测试，在对话竞争中将人类和机器设置为机器，挑战人法官通过基于文本的互动来区分人造和真实智能。尽管有许多尝试，但没有人造系统令人信服地通过了这一测试。到目前为止，来自加利福尼亚大学圣地亚哥分校的Cameron Jones和Benjamin Bergen首次收集了经验证据，证明Openai的GPT-4.5是一种精致的大型语言模型（LLM），成功通过了Turing测试。 GPT-4.5不仅通过了，而且在特定条件下，它的表现优于说服参与者的人类。这项工作对社会，伦理和人类对智力本身的理解具有重要意义。人类v MachineThe Turing Tering Test将询问者与两个人的交流伙伴（一台人和一个机器）进行询问者，并通过文本同时进行。询问者的任务很简单：确定哪个对话伙伴是人类。但是，尽管计算语言学和机器学习方面取得了迅速的进步，但AI系统始终失败了这一看似直接的挑战。为了接受测试，琼斯和卑尔根招募了来自不同背景的284名参与者，包括本科生和多产的众筹工人，来自Prolific，来自Prulific，一家雇用AI-AI-AI-AI-FARMANS参与AI-FARED实验的实验者。研究人员对人类进行了几种现代AI模型，包括GPT-4O，Llama-3.1-405b和GPT-4.5。有趣的是，GPT-4.5成为赢家，但仅在指示采用“人类角色”时。在这些对话中，GPT-4.5被认为是73％的时间：琼斯和Berge