人工智能系统智商评测方法报告撰写人:刘锋计算机博士《互联网进化论》作者0.背景伴随着2016年AlｐｈaGo战胜人类围棋冠军李世石,世界范围人工智能迅猛发展，人工智能威胁论也因此广泛传播,同时智能产品蓬勃发展，不断涌现。人工智能究竟能不能超越人类？这些智能产品的智能究竟达到什么水平？回答这些问题都需要用定量的方法测试智能系统的发展水平。从1950年图灵测试提出以来，科学家已经为人工智能发展的评价体系做了很多工作。19５0年，图灵提出了著名的图灵实验,采用提问和人类裁判的方法，判断一台计算机是否具有同人相当的智力。作为最被广泛应用的人工智能测试方法,但图灵测试并不检验Ａi的智能发展水平,只是判断智能系统能否与人类智能相同,而且受人为因素干扰太多，严重依赖于裁判者和被测试者的主观判断，因此往往有人在没有得到严格验证的情况下宣称其程序通过图灵测试，201５年３月2４日“美国科学院院刊（PNAS)发表一篇论文，提出一种新的图灵测试方法“ＶｉsuaｌＴurｉｎgtｅst”,这种测试方法用来对计算机的图像认知能力进行更为深入的评估。２014年美国佐治亚技术学院的瑞德教授(MarkO.Ｒｉｅｄｌ）认为，智能的本质在于创造力。他设计了一个叫做Lｏｖeｌace2.0版本的测试。Loveｌaｃe2.0的测试范围包括：创作有虚拟故事的小说、诗歌创作、油画和音乐等。在解决人工智能定量测试的问题上,包括图灵测试在内的各种方案还存在两个问题:第一,这些测试方法没有形成统一的智能模型，并以此为基础进行分析,区分智能的多个分类。导致无法将不同的智能系统包括人类进行统一的测试;第二是这些测试方法无法定量分析人工智能，或者只定量分析智能的某个方面，但这个系统究竟达到人类智慧的百分之多少，发展速度与人类智慧发展速度比率如何，这些问题在上述研究中没有涉及。针对这些问题，科学院虚拟经济与数据科学研究中心刘锋、石勇研究团队提出：根据评测目的的不同，智能系统的智能水平评估存在三种智商,分别是：智能系统的通用智商,服务智商和价值智商。这三种智商的理论基础,详细定义和评测方法将在以下内容中做详细阐述。1.理论基础：标准智能系统和扩展的冯诺依曼架构对智能系统包括人类和人工智能系统的智力能力进行评测面临两个重要挑战：第一,人工智能系统目前没有形成统一的模型;第二，人工智能系统与以人类为代表的生命体之间的比较目前没有统一的模型。针对这一问题,2014年,中科院虚拟经济与数据科学研究中心研究团队成员，刘锋,石勇,刘颖参考冯·诺伊曼结构、戴维·韦克斯勒人类智力模型、知识管理领域DIKW模型体系等。提出“标准智能模型”，统一描述人工智能系统和人类的特征和属性，将任何一个智能体视为一个具有“知识的获取，掌握，创新和反馈”的系统。其中，冯·诺伊曼结构给我们的启发是:标准智能系统模型应包含输入/输出系统，能够从外界获取信息，能够将内部产生的结果反馈给外部世界。只有这样，标准智能系统才能成为“活”的系统。戴维·韦克斯勒关于人类智能的定义给我们的启发是:智力能力由多个要素组成,而非图灵测试或视觉图灵测试那样只关注智力能力的一个方面。ＤIＫW模型体系给我们的启发是:智慧是一种解决问题、积累知识的能力;而知识是人类不断与外界交互后沉淀下来结构化的数据和信息。一个智能系统不仅仅要掌握知识，更重要的是还要有解决问题的创新能力。这种对知识的掌握能力、解决问题的创新能力与戴维·韦克斯勒理论、冯·诺伊曼架构相结合，就可以形成智能系统智力能力的多层次结构“标准智能模型”。根据上述研究，可提出标准智能系统的判定标准:任何系统(包括人工智能系统、人类等生命系统)，如果符合如下特征,就可以认为这个系统属于标准智能系统。●特征1：能通过声音、图像、文字等方式（包括但不限于这三种方式）从外界获取数据、信息和知识的能力。●特征２：能够将从外界获取的数据、信息和知识转化为系统掌握的知识。●特征３：能根据外界数据、信息和知识所产生的需求,通过运用所掌握的知识进行创新的能力。这些能力包括但不限于联想、创作、猜测、发现规律等，这种能力运用的结果可以形成自身掌握的新知识。●特征4:能够通...
VIP
