A Distributed Extension of the Turing Machine
Universidad Nacional Autónoma de México（墨西哥国立自治大学）
图灵机有两个隐含的属性，这取决于它的基本计算概念：格式是完全确定的，计算是信息保持的。分布式表示缺乏这些属性，并且不能被图灵的标准模型完全捕获。为了解决这个问题，本文介绍了一个分布式扩展的图灵机。在扩展机中，函数和抽象被扩展地表示，计算是熵的。本机适用于定义一个联想存储器，用其对应的存储器寄存器进行识别和检索操作。对该存储器进行了手写数字存储和识别实验，结果令人满意。这个实验可以被看作是一个概念的证明，即信息可以使用符号但不完全确定的格式以高度分布式的方式有效地存储和处理。这台新机器增强了符号计算模式，对丘奇命题的理解产生了影响。本文最后讨论了扩展机对人工智能和认知的一些影响。
2018-03-28 cs.AI
Controlled Language and Baby Turing Test for General Conversational Intelligence
Aigents（艾真特斯公司）；SingularityNET Foundation（奇点网基金会）；Novosibirsk State University（新西伯利亚国立大学）
一般会话智能似乎是人工一般智能的重要组成部分。分别地，它需要智能质量的可访问的措施和其实现的可控方式，理想情况下-具有以合理的方式表示的语言和语义模型。我们的工作是建议使用婴儿图灵测试的方法来扩展经典的图灵测试会话智能和控制语言的基础上，语义图表示可扩展的任意主题域。我们描述了如何将两者结合起来构建一个通用的会话系统，例如用于在线媒体和社交网络数据处理的智能助手。
2020-05-19 cs.AI
Can Turing machine be curious about its Turing test results? Three informal lectures on physics of intelligence
Capella University（卡佩拉大学）
好奇心的本质是什么？有没有科学的方法来理解这种神秘力量的起源，这种力量驱动着即使是最愚蠢的自然智能系统的行为，而在它们最聪明的人工模拟物中完全不存在？我们能不能建立一个对某些事情感到好奇的人工智能系统，一个有内在学习动机的系统？这种动机是否可以量化？是否可实施？我将从物理学的观点来讨论这个问题。物理和智力之间的关系是这样一个事实的结果，即正确预测的信息只不过是一种能量资源，思维过程可以被视为通过感知和决策行为积累和消耗这种资源的过程。任何自治系统的自然动机都是尽可能保持这种积累/支出平衡，这使得人们可以将描述思维过程动态的问题视为资源优化问题。在这里，我将提出并讨论这样一个自治系统的一个简单的理论模型，我称之为自治图灵机（ATM）。ATM的潜在吸引力在于，它是一种自我驱动的人工智能模型，唯一可用的能源就是信息本身。对于ATM来说，最佳思维、学习和决策的问题在概念上变得简单，在数学上也变得容易处理。这种情况使ATM成为研究智能行为动力学的理想场所，并允许人们量化真正智能的许多看似不可量化的特征。
2016-06-27 cs.AI
Compiling Turing Machines into Storage Modification Machines
自从Schönhage首次证明了epp机的图灵完备性以来，人们都知道Schönhage的存储修改机（SMM）可以模拟图灵机（TM）。我们提出了一个简单的转换TM到SMM，设置一个简单的TM到SMM编译器的基础。
2021-09-28 cs.AI cs.CC
The Meta-Turing Test
UNSW Australia（澳大利亚新南威尔士大学）；Data61（Data61研究院）
我们提出了一种替代图灵测试，消除了图灵的原始模仿游戏中人类和机器之间固有的不对称性。在这个新的测试中，人类和机器都在互相评判。我们认为，这使得测试更强大的简单欺骗。我们还提出了少量的改进，以进一步提高测试。这些改进也可以应用于图灵的原始模仿游戏。
2022-05-11 cs.AI
Turing Test Revisited: A Framework for an Alternative
Faculty of Technology（技术学院）；De Montfort University（德蒙福特大学）
本文的目的是质疑图灵测试的适用性，测试机器智能，在过去60年的科学，医学和心灵哲学的进步。虽然测试的主要概念似乎是合理有效的，但对通过测试所需内容的详细分析突出了一个重要的流程。一旦提出了测试的分析，就可以采用系统的方法来分析设计智能机器的测试或测试所需的内容。本文提出了一个合理的通用框架的基础上所隐含的主观感知的智力因素的类别。评价性讨论结束时，强调在这一通用框架内的一些未解决的问题的文件。
2019-06-26 cs.AI
What can we learn from universal Turing machines?
在本论文中，我们构建了一个教学通用图灵机。我们试图理解，从它的编码和运作中，可以推导出哪些与生物现象的比较。
2021-10-16 cs.AI cs.FL
Turing's First Imitation Game: Design Concepts and a Human-Approximates-Machine Reading
University of Canterbury（坎特伯雷大学）
本文研究图灵1948年《智能机器》报告，识别其首个模仿游戏的设计概念，提出限制人类参赛者为棋艺较差者可使人类行为更近似机器，拓展了模仿游戏框架的应用场景。
2026-09-09 cs.AI cs.HC
Towards a Self-Replicating Turing Machine
Technische Hochschule Nürnberg - Georg Simon Ohm（纽伦堡技术大学——格奥尔格·西蒙·欧姆）
本文基于三种简单构建块和最小假设，部分实现了von Neumann的通用构造器与复制器，并利用相同原理构造图灵机，最终提出一种允许突变并配有简单描述语言的自复制图灵机方案。
2023-06-29 cs.AI cs.FL
Mirrored Language Structure and Innate Logic of the Human Brain as a Computable Model of the Oracle Turing Machine
Weimingbosi Corporation（未名博思公司）；PKU Biocity（北大生物城）
本文提出了一种可计算Oracle图灵机模型的镜像语言结构（MLS）和由该结构确定的四条逻辑规则。MLS具有相当大的生物学和计算意义的新功能。提出了一种关系学习与识别（RLR）算法，使确定性计算机能够模拟Oracle图灵机的机制，即数学术语中的P = NP。
2010-06-12 cs.AI cs.LO
'Viral' Turing Machines, Computation from Noise and Combinatorial Hierarchies
National Kapodistrian University of Athens（雅典国立卡波季斯特里安大学）
交互式计算范式进行审查，并通过一个特定的例子扩展到形成一个计算过程的随机模拟，通过转录的最小图灵机到一个等效的异步元胞自动机与指数等待时间分布的有效过渡。此外，一个特殊的工具箱的重要统计和其他数量的递归关系的分析推导引入的形式归纳组合层次。
2017-01-31 cs.AI nlin.CG
Passed the Turing Test: Living in Turing Futures
Center for Artificial Intelligence (C4AI)（人工智能中心（C4AI））；King’s College, University of Cambridge（剑桥大学国王学院）
该研究指出当前基于预训练模型、Transformer的生成式AI已能通过图灵测试，我们已进入图灵式未来，并对比了当前AI与图灵设想的受人类皮层启发、如孩童般养育的“儿童机器”的差异。
2024-09-11 cs.AI cs.CY
A short note on the decision tree based neural turing machine
grusoft（格鲁软件）
图灵机和决策树独立发展了很长时间。近年来随着可微模型的发展，它们之间出现了交叉。神经图灵机（NTM）为记忆网络打开了大门。它采用微分注意力机制来读写外部存储体。可微森林给经典决策树带来了可微的性质。在这个简短的说明中，我们展示了这两个模型之间的深层联系。即：可微森林是NTM的一个特例。可区分森林实际上是基于决策树的神经图灵机。基于这种深层联系，我们提出了一个响应增强差分森林（RaDF）。RaDF的控制器是可微森林，外部存储器是响应向量，可由叶子节点读写。
2020-10-27 cs.AI cs.LG cs.NE
The Human-or-Machine Matter: Turing-Inspired Reflections on an Everyday Issue
Weizmann Institute of Science（魏茨曼科学研究所）
本文受图灵测试启发，探讨日常互动中“人还是机器”的问题，反思其重要性与实际意义，并主张近期探索该问题有助于改进计算机化系统开发方法及理解人类行为基本特征。
2023-08-02 cs.AI cs.HC
A Relative Church-Turing-Deutsch Thesis from Special Relativity and Undecidability
Purdue University（普渡大学）；Oak Ridge National Laboratory（橡树岭国家实验室）
从1950年图灵的开创性工作开始，人工智能提出意识可以用图灵机来模拟。这意味着一种潜在的万物理论，宇宙是计算机上的模拟，这就引出了一个问题，即我们是否可以证明我们存在于模拟中。在这项工作中，我们构建了一个相对的计算模型，其中一个可计算的\textit{local}机模拟的\textit{global}，经典的图灵机。我们表明，问题的本地机器计算\textbf{simulation properties}的全球模拟器是不可判定的停机问题在同一意义上。然后，我们表明，计算的时间，空间，或误差累积的全球模拟器的模拟性能，因此是不可判定的。这些模拟性质引起了特殊的相对论效应的相对模型，我们用它来构建一个相对的教会图灵-德意志论文，其中一个全球性的，经典的图灵机计算量子力学的本地机器具有相同的恒定时间的本地计算复杂性在我们的宇宙中经历。
2022-06-13 cs.AI cs.CC quant-ph
Structured Memory for Neural Turing Machines
IBM Watson（IBM 沃森）
神经图灵机（NTM）包含模拟大脑中的“工作记忆”的记忆组件，以存储和检索信息，从而简化简单的算法学习。到目前为止，只提出了线性组织的记忆，在实验中，我们观察到该模型并不总是收敛，并且在处理某些任务时很容易过拟合。我们认为记忆成分是NTM某些错误行为的关键，更好地组织记忆成分可以帮助解决这些问题。在本文中，我们为NTM提出了几种不同的记忆结构，并且我们在实验中证明了我们提出的两种结构记忆NTM可以在复制任务和关联回忆任务的速度和预测准确性方面带来更好的收敛性（Graves et al. 2014）。
2015-10-25 cs.AI cs.NE
Can machines perform a qualitative data analysis? Reading the debate with Alan Turing
本文通过图灵的思想重新审视LLMs在定性分析中的应用，强调应关注LLMs生成分析结果与人类分析师的可比性，而非单纯探讨机器能否进行定性分析。
2025-12-02 cs.AI cs.CL cs.CY
Hard to Cheat: A Turing Test based on Answering Questions about Images
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）
机器在语言和图像理解方面的进步激发了研究界对更开放、更全面的任务的兴趣，并为构建智能机器的旧AI梦想注入了动力。我们讨论了一些突出的挑战，这种整体的任务，并认为“问答图像”作为一个特别有吸引力的例子，这样一个整体的任务。特别是，我们指出，这是一个版本的图灵测试，可能是更强大的过度解释，并将其与接地和生成描述等任务进行对比。最后，我们讨论了衡量该领域进展的工具。
2015-01-15 cs.AI cs.CL cs.CV
Infinite Time Turing Machines and their Applications
Ren XYZ Inc.（Ren XYZ公司）
本文利用无限时间图灵机分析深度学习系统的根本局限，并提出通用状态机（USM）这一新型计算范式，以实现模块化、可解释且资源高效的可扩展人工智能系统。
2025-01-22 cs.AI cs.CC cs.FL
