艾伦·图灵最近被宣布成为新版50英镑纸币的人物形象，以表彰他在第二次世界大战中破译密码的贡献，以及为计算机科学奠定基础。然而，图灵的工作至今仍在挑战和启发着许多人，尤其是从事机器人学和人工智能工作的人。
1950年，他提出了一个问题：“机器能思考吗？”，并设计了一项测试，研究人员至今仍在借助它来判断计算机能否被视为与人类一样真正具有智能。但是，图灵提出这一测试的年代，自主机器人才刚刚起步，因此图灵测试最初只是为了评估人工智能的“大脑”，而不是一个完整的人工智能个体。
如今，我们已经能制造出越来越逼真的仿人机器人，因此需要一个适应21世纪的测试版本。我和同事设计了一项“多模态图灵测试”，用于评判机器的外观、动作、声音，以及我们所说的具身人工智能（EAI）。这一测试衡量的是人工智能与机器人躯体的融合程度，以便表现出某种个性。
这意味着我们可以系统性地将仿人机器人与真人进行比较。由此，我们可以提出这样的问题：“我们能否制造出在感知上与人类无法区分的机器人？”
图灵认为，如果一个计算机程序能在现实条件下让超过30%的人相信它具有感知能力，那么它便与人类思维实际上无法区分，也就是说它能够思考。2014年，一台计算机成功通过了这一测试。这并不意味着创造真正的人工智能已无事可做，远非如此。但图灵测试为我们衡量进展提供了一个基准。
许多学者认为，制造出与真人无法区分的仿人机器人，是机器人学的终极目标。然而，目前尚无评估仿人机器人逼真程度的统一标准，因此无法为这一发展设定基准。
与图灵一样，我们并不认为，当机器人能够复制人类的状况时，它就转变为了有机生命体。但如果一个机器人在现实条件下的外观、行为和功能与人类无法区分，那么它便可以被有效地视为与人类相同。
对于逼真机器人的制造者而言，最大的挑战之一是克服所谓的“恐怖谷”。这指的是机器人在外观上越来越接近人类，但由于细节不够到位，反而令人反感的发展阶段。问题在于，传统方法在评估这一问题时不够细致，无法准确判断机器人为何会让人感到不适。
这些方法往往是将机器人作为一个整体与人类进行比较，而不是将其拆分为各个组成部分。例如，外观总体逼真的机器人，如果眼部动作存在细微偏差，就可能使整体效果功亏一篑。其他面部区域即便质量很高，也会因此而失败。
我们的思路是逐一评估各个部位。只要每个部件的设计都与同一身体的其他部分相协调（例如性别、年龄等相同），那么如果眼睛和嘴巴各自都能通过测试，它们组合在一起也应当能够通过。这将使机器人制造者能够在过程中评估进展，确保每个身体部位都与人类无法区分，并避免最终做出落入恐怖谷的产品。
我们的测试还分为四个阶段，难度逐级递增，代表了我们所说的“人类模拟层级”。第一，机器人在静止时必须看起来逼真。第二，它必须以自然的方式移动。第三，它必须在外观和动作方式上都能逼真地模拟人类的言语动作。
最后是具身人工智能测试，评估机器人能否通过逼真地表达情绪来回应外部世界，从而与人类自然互动。如果一个仿人机器人能够同时通过全部四个层级的测试，那么它在感知上便与人类无法区分。
“我们只能看到前方不远的距离，但我们能看到大量亟待完成的工作”。这句话在今天与1950年图灵说出它的那一天同样准确。图灵当年说出了这句话。然而，机器人工程师比以往任何时候都更接近实现其目标：制造出逼真、类人的机器。2017年，世界上首位机器人公民正式亮相。
如今，我们已经具备了开发外观、动作、语音和具身人工智能日益逼真的仿人机器人的工具。但我们的多模态图灵测试为工程师提供了一种便捷的方式，帮助他们评估并改进自己的工作。
与图灵的原始测试一样，我们的方法引发了一些问题：当我们再也无法分辨真人与人工智能体时，“成为一个人”究竟意味着什么？如果因为想要超越实际进展而过早地回答这些问题，可能会导致诸如赋予法律权利之类的错误，而此时的机器远不够逼真。但是，我们对仿人机器人的开发越深入，就越能了解我们的价值观，甚至我们的情感。
