原始的图灵测试提出的假设是：如果一台机器能够与人类展开对话(通过电传设备)而不能被辨别出其机器身份，那么称这台机器具有智能。
Gross博士带领的研发团队控制了两组机器人，想要通过追踪它们的行动，找出它们运动的规律，但不像最初的图灵测试的设计中，第三者尝试从人机两组中作出识别。
“我们认为，第三者的角色最好由计算机来扮演，因为它们或许能发现一些人类无法察别的微小差异。”Gross博士如是说道。
“有些人或许认为计算机会糊弄人，那它们会糊弄它们自己吗？”抱着这样的疑问，他们在测试中，为计算机设置的任务是对原始组和学习组进行区分和辨认。计算机如果正确识别出了机器人的话，就会得到比特币作为奖励；而一旦学习组的机器人成功迷惑了计算机，蒙混过关，也会得到奖励。
另外，如果计算机能够识别两者之间的差异，学习组的机器人就会调整它们的算法，使它们与原始组更加相似。
所谓的“图灵学习”的优势在于，人们不再需要告诉计算机，它们需要寻找什么。
Gross博士说：“想象一下你想让机器人像毕加索一样画画。”
传统的机器人学习算法会把机器人作的画与毕加索进行对比打分，看看相似度有多高。但是在做到这一点之前，必须有人先告诉计算机算法，它们需要比较的是哪些特征，而图灵学习不需要事先的人为干预。
研究者们相信图灵学习能带来科学技术的突破
Gross博士说：“科学家们会用它来挖掘操纵自然系统和人工系统的规则，尤其是当某些行为不能通过使用相似性度量标准来衡量时。例如，电脑游戏可以在现实世界中实现，因为虚拟玩家可以观察并预判虚拟角色在现实世界的行动。它们并不会直接模仿自己观察到的行为，相反，它们会揭示那些人类玩家的异常。”
Gross博士还补充道：“目前，图灵学习只在机器人组测试过。也就是说，我们还停留在理论阶段。我们尚未确定在现实中，图灵学习是否可以创作出立体主义的画作。”
这个研究团队下一步的目标是要测试机器人是否能够学习不同动物族群的行为，比如鱼类和蜜蜂。他们希望图灵学习能帮助人们了解影响动物间不同行为的因素——这是未来人工智能发展的重大领域。
