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，因為它們或許能發現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的突破

Gross博士說：“科學家們會用它來挖掘操縱自然系統和人工系統的規則，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，電腦游戲可以在現實世界中實現，因為虛擬玩家可以觀察并預判虛擬角色在現實世界的行動。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。我們尚未確定在現實中，圖靈學習是否可以創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學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展的重大領域。