原文为英文，点这里。我直接看的译文–>图灵的文章“Computing machinery and intelligence”译文。下面是我的个人心得感受正文：
论文在开始提出了“机器能思考吗”这一问题，之后又提出了一个模仿游戏——为图灵测试的雏形，将问题转换为是否存在可想象的计算机能通过”图灵测试“，然后对“机器”和“思考”进行了解释及讨论，随后又用较大篇幅讨论了与作者自己看法对立的观点，最后提出了学习机器，强调主要是编程问题，由于作者当时的社会发展水平与计算机发展水平较低，很多问题在当时无法解决，但是论文中的很多观点为后人开辟了一条新的道路，意义重大。
图灵测试的过程是这样的：让一台机器A和一个人B作为被测试者，测试者是人C，而A、B、C均处于不同的封闭环境，A、B之间无交流手段，而C与A、C与B之间可以互相交流。C通过向A与B提出一系列问题，然后若C无法判断A与B中谁是机器谁是人，或者错误地判断A为人，则代表机器A通过了图灵测试，也代表A具有了人的智能。
事实上，不可能让所有的机器均拥有智能，也没必要，因为这样需要耗费巨大的资金和时间。论文中也说了，并不是让所有的数字计算机都在游戏中表现良好，而是问“是否存在可想象的计算机能通过游戏”。
论文也提出了离散状态机的概念，其特点是这种机器可以从一个确定的状态突变为另一个确定的状态。因而，问题转换为“是否存在在模仿游戏中表现出色的可想象的数字计算机？”或“是否存在表现出色的离散状态机？”
作者也坦白，人可能比任何特定的机器聪明，但是可能有更聪明的其他机器。所以我们不必拘泥于特定的机器是比人聪明还是人比机器聪明，因为人外有人，特定的人可能比大多数机器聪明，但是（在未来）特定的机器也可能比大多数人聪明，不必在比较中获得虚荣感或者挫败感。
在设计理想中的机器时，主要是编程问题，可以模仿生物学的”条件反射“，用来做”学习“的基础，还可以将惩罚和奖励与教学过程联系在一起，在学习机器中加入随机元素是非常好的。机器应该设计成当命令确定时，立即自动执行合适的动作。
但是学习的过程并不会产生百分之百的确定结果，否则就不是学习了。因此，可能要经过许多次失败之后才可能制造出大致符合要求的机器，这需要研究人员的大量时间精力与资金。
实现强人工智能任重而道远，但是经过不断的试验，我们迟早会越过成功的终点！