寓言故事
不只问会不会装成人的考场
早年的机器考场只隔着帘子问答。若考官分不出帘后是人还是机器，大家就鼓掌。后来机器很会寒暄，能讲笑话，也能模仿迟疑。可一遇到数学、常识推理、计划和跨学科问题，它就露出空洞。考官先增加聊天题。机器更像人了，分数也更高，却仍无法证明它能解决真实任务。一位教师把考场改成许多小屋：逻辑屋、物理屋、语言屋、社会常识屋、创造屋。每间屋只测一种能力。
机器不再靠模仿语气过关。它必须在陌生题中推理、组合知识、解释选择，并暴露自己在哪类问题上失败。
第一年成绩很难看，但研究者终于能比较不同整套装置的能力轮廓，而不是只听它们是否像人。
后来有人提醒，题库一旦流入练习材料，考场也会失效。于是考题来源、版本和污染检查被写进规则。
这个考场的意义不在给机器戴桂冠，而在迫使大家用更宽的能力清单看待智能。
教师说：像人说话只是入口，真正要测的是能不能跨任务解决问题。
有一间小屋专考反常识题：木桶漏水时先补哪里，商队缺马时怎样改路线，账本少一页时如何判断损失。机器若只会寒暄，走到这里就会把话说满却算不清。
考场后来不再追求一个总分压过所有人，而是画出能力地图。哪类题稳，哪类题虚，哪类题一换说法就倒，研究者都能看见。教师说，宽考场让夸口变难，也让改进有了方向。后来每次换新考生，教师都先问题库有没有被背过，免得考试又退回表演。若题目本身被背熟，再宽的考场也会失去锋利。真正的考场，必须让空话没有藏身处。这比听它像不像人更诚实。也更难作弊。