美国加州大学圣迭戈分校的科研团队通过一项实证研究，首次证实部分现代人工智能系统能够通过图灵测试。这项突破性成果已发表于最新一期《美国国家科学院院刊》，标志着人工智能发展迈入新阶段。
作为计算机科学领域的重要基准，图灵测试由英国数学家艾伦·图灵于1950年提出，旨在通过对话交互判断机器能否达到与人类无法区分的程度。研究团队采用严格标准，选取两组不同背景的测试者：一组来自加州大学圣迭戈分校的本科生群体，另一组通过专业调研平台招募的多元化在线参与者，总人数近500人。
实验设计采用双盲对照模式，每位参与者需同时与人类对话者和大语言模型展开交流。测试对象涵盖四类模型：包括当前最先进的GPT-4.5和LLaMa-3.1-405B，以及作为基准的GPT-4o和诞生于1960年代的规则型聊天机器人ELIZA。在特定提示条件下，GPT-4.5在73%的对话中被误认为人类，LLaMa-3.1-405B的误判率达56%，两者均达到统计学意义的显著水平。相较之下，ELIZA和GPT-4o的误判率分别仅为23%和21%。
研究揭示，当给予精准提示时，先进大语言模型不仅能展现专业领域知识，更能模拟人类特有的语气特征、幽默表达甚至思维跳跃性。这种社会行为特征的呈现方式，与单纯的知识输出存在本质差异。科研人员特别指出，模型并非通过展示知识储备取胜，而是通过模仿人类特有的沟通模式——包括适度的错误表达和个性化表达风格——来获得测试者认可。
实验数据呈现显著的条件差异：在缺乏明确提示的常规对话场景中，GPT-4.5的人类误判率骤降至36%，LLaMa-3.1-405B降至38%，而两个基准模型的识别准确率则大幅提升。这种表现差异凸显出提示工程在人机交互中的关键作用，也反映出当前模型在自主情境理解方面仍存在局限。
科研团队强调，每个大语言模型都呈现出独特的"数字人格"，这种人格特征通过特定的人物设定和沟通策略构建而成。与图灵最初设想的逻辑解题能力不同，现代AI系统更侧重于社会行为模式的模拟，这种转变正在重塑公众对人工智能的认知框架。实验结果为评估AI发展水平提供了全新维度，也为未来人机交互研究指明了方向。
