根据谢菲尔德大学的研究人员的说法，机器现在可以通过简单地观察它们来了解自然或人工系统是如何工作的，而不会被告知要寻找什么。
这可能意味着技术世界的进步，机器能够预测人类行为等。
这一发现的灵感来自于先驱计算机科学家艾伦·图灵(Alan Turing)的工作，他提出了一项测试，如果机器与人类无法区分，机器可以通过该测试。在这个测试中，询问器与另一个房间中的两个玩家交换消息：一个人，另一个是机器。
审讯者必须找出这两个球员中哪一个是人。如果他们一直都不这样做 - 意味着他们没有比他们随机选择一名球员更成功 - 机器已通过测试，并被认为具有人类级智能。
谢菲尔德大学自动控制与系统工程系的Roderich Gross博士说：“我们的研究使用图灵测试来揭示给定系统 - 不一定是人类 - 如何工作。在我们的例子中，我们放了一个一群机器人正在接受监视，并想知道哪些规则引起了他们的行动。为此，我们又设置了第二个由学习机器人组成的群 - 在监视下。记录了所有机器人的动作，并记录了动作数据向审讯者展示。“
他补充说：“然而，与原来的图灵测试不同，我们的阅读器不是人类，而是自己学习的计算机程序。他们的任务是区分机器人和任何一个群体。他们因正确分类原始运动数据而获得奖励。这些学习机器人成功地愚弄了一个审讯者 - 让它相信他们的动作数据是真实的 - 获得奖励。
格罗斯博士解释说，这种被称为“图灵学习”的方法的优势在于人类不再需要告诉机器要寻找什么。
“想象一下，你想让一个机器人像毕加索一样画画。传统的机器学习算法会对机器人的画作评价它们与毕加索的接近程度。但有人必须告诉算法一开始就认为与毕加索相似的是什么。图灵学习确实如此不需要这样的先验知识。如果机器人画了一些被审讯者认为是真实的东西，它只会奖励机器人。图灵学习会同时学习如何查询以及如何画画。“
格罗斯博士说他相信图灵学习可以带来科学技术的进步。
“科学家可以利用它来发现管理自然或人工系统的规则，特别是在使用相似性指标无法轻易表征行为的情况下，”他说。
“例如，计算机游戏可以获得现实主义，因为虚拟玩家可以观察并假设其人类同行的特征。他们不会简单地复制观察到的行为，而是揭示让人类玩家与众不同的东西。”
该发现还可用于创建检测行为异常的算法。这可能对牲畜的健康监测和机器，汽车和飞机的预防性维护有用。
图灵学习也可用于安全应用，例如谎言检测或在线身份验证。
到目前为止，格罗斯博士和他的团队已经在机器人群中测试了图灵学习，但下一步是揭示一些动物集体的运作，如鱼群或蜜蜂群落。这可以使人们更好地了解影响这些动物行为的因素，并最终为政策提供保护。
