Siri、小冰等人工智能系统的智力水平如何?还不如6岁的孩童

简介:

人工智能还是人工智障?我们用数据说话。

一直以来,因为人工智能的某些表现,“人工智障”经常被人们挂在嘴边作为对其的称呼。而就在最近,一组数据让我们看到了一些人工智能产品的“智商水平”。

日前,中国科学院虚拟经济与数据科学研究中心在2017年Annals of Data Science期刊上发表了一篇论文,由计算机博士,互联网进化论作者刘锋,中国科学院虚拟经济与数据科学研究中心主任石勇教授,中国科学院经济管理学院刘颖副教授组成的研究团队完成,题目是“人工智能的智商评测与智能等级研究”(Intelligence Quotient and Intelligence Grade of Artificial Intelligence)。

据了解,该论文的研究开始于2012,起源是解决2010年以来不断日益高涨的人工智能威胁论,当时的思路是能否通过对比研究人工智能系统的智商发展水平并与人类智商,为解决人工智能威胁论问题寻找定量的分析方法。

基于对冯·诺伊曼结构、戴维·韦克斯勒人类智力模型等多种模型的参考,刘锋他们提出建立“标准智能模型”,从知识的获取、掌握、创新和反馈这四个维度来评价人工智能的“智商”,也便于统一描述人工智能系统和人类的特征和属性。

此外,为了更好的分析AI,人类等智能体的智能水平,研究人员把“上面的4个维度又分成图像、文字、声音的识别和输出,常识、计算、翻译、排列,创作、挑选、猜测、发现等15个小分类,从更多维度评测AI,人类的智能。

在2014年和2016年,研究人员分别对谷歌、微软、百度等多个AI系统和3个不同年龄段人类进行了测试。测试结果如下:

Siri、小冰等人工智能系统的智力水平如何?还不如6岁的孩童

Siri、小冰等人工智能系统的智力水平如何?还不如6岁的孩童

我们可以看到,经过两年的时间,虽然各科技企业人工智能技术的“智能”程度依旧不如6对的孩童,但是其中的成长速度却是不容小觑的。

Siri、小冰等人工智能系统的智力水平如何?还不如6岁的孩童

以上还只是对各科技企业人工智能系统的一个横向比较。相比于以往,在今年的论文中,该研究团队基于这个模型也对人类,AI等智能系统进行了等级分类,让人们能够更为直观的看到人工智能系统的“智商”到底如何(I 知识信息接收,O知识信息输出,S,知识信息掌握或存储,C 知识信息创新创造)。


原文发布时间: 2017-10-09 23:29
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
机器学习/深度学习 人工智能 自然语言处理
人工智能与人类智力,当两者相遇时谁又能更胜一筹?
人工智能与人类智力,当两者相遇时谁又能更胜一筹?
187 0
人工智能与人类智力,当两者相遇时谁又能更胜一筹?
|
机器学习/深度学习 存储 人工智能
小冰、情感计算以及人工智能的另一条发展之路
由于人类自然的语言语音交互方式,以及天生的情感和社交需求,我们对于能与我们进行语音交互和聊天的智能应用格外关注。
388 0
小冰、情感计算以及人工智能的另一条发展之路
|
人工智能 搜索推荐 数据库管理
小冰人工智能自动剪辑导演能力的首次应用落地,赋能华人运通高合汽车HiPhiGo
小冰人工智能自动剪辑导演能力的首次应用落地,赋能华人运通高合汽车HiPhiGo
小冰人工智能自动剪辑导演能力的首次应用落地,赋能华人运通高合汽车HiPhiGo
|
6天前
|
机器学习/深度学习 人工智能 物联网
通义灵码在人工智能与机器学习领域的应用
通义灵码不仅在物联网领域表现出色,还在人工智能、机器学习、金融、医疗和教育等领域展现出广泛应用前景。本文探讨了其在这些领域的具体应用,如模型训练、风险评估、医疗影像诊断等,并总结了其提高开发效率、降低门槛、促进合作和推动创新的优势。
通义灵码在人工智能与机器学习领域的应用
|
7天前
|
人工智能 算法 安全
人工智能在医疗诊断中的应用与前景####
本文旨在探讨人工智能(AI)技术在医疗诊断领域的应用现状、面临的挑战以及未来的发展趋势。随着科技的不断进步,AI技术正逐步渗透到医疗行业的各个环节,尤其在提高诊断准确性和效率方面展现出巨大潜力。通过分析当前AI在医学影像分析、疾病预测、个性化治疗方案制定等方面的实际应用案例,我们可以预见到一个更加智能化、精准化的医疗服务体系正在形成。然而,数据隐私保护、算法透明度及伦理问题仍是制约其进一步发展的关键因素。本文还将讨论这些挑战的可能解决方案,并对AI如何更好地服务于人类健康事业提出展望。 ####
|
6天前
|
机器学习/深度学习 人工智能 算法
人工智能在医疗诊断中的应用与挑战
本文探讨了人工智能(AI)在医疗诊断领域的应用及其面临的挑战。随着技术的不断进步,AI已经在医学影像分析、疾病预测和个性化治疗等方面展现出巨大潜力。然而,数据隐私、算法透明度以及临床整合等问题仍然是亟待解决的关键问题。本文旨在通过分析当前AI技术在医疗诊断中的具体应用案例,探讨其带来的优势和潜在风险,并提出相应的解决策略,以期为未来AI在医疗领域的深入应用提供参考。
34 3