这是计算机科学史上注定被载入史册的时刻。英国数学家、计算机科学之父艾伦·图灵在1950年提出的伟大设想，在诞生76年后终于迎来了确凿的实证数据。

最新一期《美国国家科学院院刊》（PNAS）刊登了加州大学圣地亚哥分校(UCSD)的一项颠覆性研究。由认知科学专家卡梅伦·琼斯(Cameron Jones)和本·伯根(Ben Bergen)教授联合撰写的论文表明:在严格的经典三方图灵测试框架下，现代顶尖大语言模型已被证实能够成功通过测试。更令人震惊的是，在特定条件下，AI 被误认为是真实人类的频率，甚至超越了真正的人类自己。

核心硬核数据:

• 封神登顶: 赋予特定人格提示后，GPT-4.5在73% 的情况下被判定为人类，胜率显著超越了与其同台竞技的真人志愿者。

• 平分秋色: 开源旗舰 LLaMa-3.1-405B 拿下了56% 的胜率，在统计学上与真实人类表现出无法区分的同等水平。

• 提示词定乾坤: 失去精心设计的“人格提示词”后，GPT-4.5胜率暴跌至36%，LLaMa-3.1降至38%。AI 的伪装能力目前仍依赖人类的高级指令。

• 基线惨败:1960年代的规则机器人 ELIZA（23%）与缺乏针对性提示的 GPT-4o(21%)在长对话中迅速露馅。

“说谎的游戏”:智商不再是标准，情商与缺陷才是伪装的核心

在这场由近500名评判员（包含 UCSD 本科生及网络招募志愿者）参与的双盲随机对照实验中，评判员需要通过5到15分钟的即时文本对话，在一真一假两个对象中揪出谁才是机器。

然而结果出乎所有人的预料。过去我们认为 AI 通过图灵测试要靠“无所不知的计算能力”，但这项研究揭示了一个扎心的现实:大模型之所以能把人类骗过去，恰恰是因为它们学会了“像人类一样掉链子”。

[无提示状态:知识面过广、绝对理性] ──► 人类裁判:这绝对是AI!

正如通讯作者卡梅伦·琼斯所言，只要给定恰当的提示，先进的大语言模型就能精准模拟出人类的聊天语气、直接性、幽默感以及易错性（犯错和说错话的倾向）。它们赢下比赛，靠的不是展示数学和逻辑层面的高智商，而是展现出了几近完美的社会行为特征。

图灵测试的重新定义:从“衡量智能”到“衡量像人”

研究合著者本·伯根教授指出，这场实验逼着整个科学界重新审视图灵测试的本质。在诞生之初，图灵测试是为了试探机器能否在智能上匹敌人类。但到了2026年的今天，AI 在各行各业的回答速度和准确率早已把人类远远甩在身后，单纯比拼“脑力”已经失去了意义。

现在的图灵测试，与其说是在测试‘智能’，不如说是在测试‘像人’的程度。而这场游戏本质上就是一场关于说谎的比赛。AI 已经证明了自己是一个极其完美的说谎者。

一旦大模型可以在长达15分钟的自由对话中成功伪装且不露破绽，这就意味着网络世界长期赖以生存的信任链条将彻底断裂。

繁荣背后的阴影:“反洗钱”式的网络身份清算即将来临

当欺骗变得如此廉价和高效，现实世界的社会风险正成倍放大。伯根教授对此表达了深切的担忧。这种能够完美伪装成人类的 AI 技术，极易被不法分子、政治团体或激进的商业公司恶意利用。

在线上社交或客服场景中，用户可能在毫不知情的情况下，被一个披着人类外衣的聊天机器人说服，从而泄露自己的社会保障号等隐私信息、更改自己的政治投票意向，或者冲动消费购买某款产品。

针对这一历史性的科学实证，研究团队也正式向社会发出警示:未来在线上与陌生人互动时，人们必须大幅降低“自己能100%分辨真人与机器人”的迷之自信。为了应对日益倒退的网络信任生态，更严苛的数字身份验证与 AI 生成内容防伪机制，必须以更快的速度提上日程。