加州大学圣地亚哥分校的一项新研究首次提供了实证证据，表明现代人工智能系统能够通过图灵测试。这项发表于《美国国家科学院院刊》的研究是首次在严格控制的实验环境中，使用艾伦·图灵于 1950 年提出的经典方法来测试大型语言模型。结果显示，在特定提示下，先进模型表现出与人类相同的语气、直率、幽默甚至犯错的能力，以至于测试者难以将其与真人区分。 实验涉及两组参与者，包括大学生和在线样本，近 500 人参与了与不同模型的对话。在测试中，参与者需判断对话对象中哪一个是人类。结果显示，最新的 GPT-4.5 模型被误判为人类的概率高达 73%，甚至超过了真人的被误判率。LLaMa-3.1-405B 模型被误判为人类的概率为 56%，在统计学上与真人无异。相比之下，较旧的基准模型如 GPT-4o 和经典的 ELIZA，被误判为人类的概率仅为 21% 至 23%。 研究负责人卡梅伦·琼斯和本·伯根指出，AI 赢得测试并非依靠知识广度，而是通过模拟人类的社会行为特征，包括像人类一样犯错。然而，这些能力高度依赖具体的“人格”提示指令。若无明确指示，模型的表现会大幅下降。这引发了对网络信任的担忧，因为 AI 能够在几分钟的对话中完美伪装，可能被用于欺诈、误导投票或推销产品。 该研究迫使人们重新思考图灵测试的意义：它不再仅仅是衡量机器是否拥有类人智能，更多是在评估机器的“像人性”。随着 AI 在社交互动中愈发逼真，社会需要建立相应的保障措施，以应对潜在的反假冒人和信任危机。