原始的圖靈測試提出的假設是：如果一臺機器能夠與人類展開對話(通過電傳設備)而不能被辨別出其機器身份，那么稱這臺機器具有智能。

Gross博士帶領的研發(fā)團隊控制了兩組機器人，想要通過追蹤它們的行動，找出它們運動的規(guī)律，但不像最初的圖靈測試的設計中，第三者嘗試從人機兩組中作出識別。

“我們認為，第三者的角色最好由計算機來扮演，因為它們或許能發(fā)現(xiàn)一些人類無法察別的微小差異。”Gross博士如是說道。

“有些人或許認為計算機會糊弄人，那它們會糊弄它們自己嗎？”抱著這樣的疑問，他們在測試中，為計算機設置的任務是對原始組和學習組進行區(qū)分和辨認。計算機如果正確識別出了機器人的話，就會得到比特幣作為獎勵；而一旦學習組的機器人成功迷惑了計算機，蒙混過關，也會得到獎勵。

另外，如果計算機能夠識別兩者之間的差異，學習組的機器人就會調(diào)整它們的算法，使它們與原始組更加相似。

所謂的“圖靈學習”的優(yōu)勢在于，人們不再需要告訴計算機，它們需要尋找什么。

Gross博士說：“想象一下你想讓機器人像畢加索一樣畫畫。”

傳統(tǒng)的機器人學習算法會把機器人作的畫與畢加索進行對比打分，看看相似度有多高。但是在做到這一點之前，必須有人先告訴計算機算法，它們需要比較的是哪些特征，而圖靈學習不需要事先的人為干預。

研究者們相信圖靈學習能帶來科學技術(shù)的突破

Gross博士說：“科學家們會用它來挖掘操縱自然系統(tǒng)和人工系統(tǒng)的規(guī)則，尤其是當某些行為不能通過使用相似性度量標準來衡量時。例如，電腦游戲可以在現(xiàn)實世界中實現(xiàn)，因為虛擬玩家可以觀察并預判虛擬角色在現(xiàn)實世界的行動。它們并不會直接模仿自己觀察到的行為，相反，它們會揭示那些人類玩家的異常。”

Gross博士還補充道：“目前，圖靈學習只在機器人組測試過。也就是說，我們還停留在理論階段。我們尚未確定在現(xiàn)實中，圖靈學習是否可以創(chuàng)作出立體主義的畫作。”

這個研究團隊下一步的目標是要測試機器人是否能夠?qū)W習不同動物族群的行為，比如魚類和蜜蜂。他們希望圖靈學習能幫助人們了解影響動物間不同行為的因素——這是未來人工智能發(fā)展的重大領域。