近日，在一次備受矚目的公開活動中，人工智能巨頭OpenAI的首席執(zhí)行官薩姆·阿爾特曼分享了一個引人注目的觀察結(jié)果：他感受到，近年來人工智能的“智商”正以前所未有的速度飆升。阿爾特曼坦言，這只是一種直覺上的判斷，并不具備科學(xué)上的精確性，但他認(rèn)為，人工智能每年在智商上的進(jìn)步相當(dāng)于人類的一個標(biāo)準(zhǔn)差。

實際上，阿爾特曼并非首個嘗試用智商來衡量人工智能發(fā)展的人。在社交媒體平臺上，已有不少人工智能領(lǐng)域的意見領(lǐng)袖讓各種模型接受智商測試，并根據(jù)成績進(jìn)行排名。然而，這一做法在專家圈內(nèi)引發(fā)了廣泛爭議。許多專家認(rèn)為，智商作為衡量人工智能能力的指標(biāo)，不僅不合適，甚至可能具有誤導(dǎo)性。

牛津大學(xué)研究技術(shù)與監(jiān)管的學(xué)者桑德拉·瓦赫特在接受采訪時表示，盡管用人類的衡量標(biāo)準(zhǔn)來描述人工智能的能力或進(jìn)步頗具吸引力，但這種做法無異于“蘋果與橘子的比較”。她解釋說，智商測試本質(zhì)上是一種相對而非絕對的智力測量方式，在邏輯和抽象推理方面或許有一定的參考價值，但它無法全面反映實際智力，即知道如何讓事物運(yùn)作的能力。

瓦赫特進(jìn)一步指出，智商測試是基于科學(xué)家對人類智力的理解而設(shè)計的，因此不能簡單地套用到人工智能身上。她以汽車和潛水艇為例，強(qiáng)調(diào)這些工具在某些方面超越了人類，但這并不意味著它們擁有更高的智力。人類智力是一個極其復(fù)雜的概念，不能簡單地將某一方面的性能與之等同。

智商測試的起源可以追溯到備受爭議的優(yōu)生學(xué)。參加智商測試的人需要具備強(qiáng)大的工作記憶能力，并熟悉西方文化規(guī)范，這為偏見留下了空間。有心理學(xué)家甚至將智商測試稱為“意識形態(tài)上可被操縱的機(jī)械智力模型”。

華盛頓大學(xué)研究倫理人工智能的博士候選人奧斯·凱斯認(rèn)為，人工智能在智商測試中表現(xiàn)優(yōu)異，更多地反映了測試本身的局限性，而非模型的真正實力。他指出，擁有幾乎無限內(nèi)存和耐心的模型很容易“玩弄”這些測試。智商測試作為一種衡量認(rèn)知、意識和智力的方式，其局限性在數(shù)字計算機(jī)發(fā)明之前就已經(jīng)被認(rèn)識到。

倫敦國王學(xué)院的研究員邁克·庫克也表示，智商測試盡管存在偏見，但它是為人類設(shè)計的，旨在評估一般性的問題解決能力，并不適合用于評估以與人類截然不同方式解決問題的技術(shù)。他強(qiáng)調(diào)，模型在智商測試中可能具有不公平的優(yōu)勢，因為它們擁有海量內(nèi)存和內(nèi)化的知識，而且測試往往重復(fù)非常相似的模式。

庫克還提到，當(dāng)人類解決問題時，需要應(yīng)對更多的事情，而且在解決問題時得到的幫助也比人工智能少得多。他以烏鴉使用工具從盒子里取出食物為例，指出這并不意味著烏鴉可以進(jìn)入哈佛大學(xué)。同樣地，當(dāng)人類解決數(shù)學(xué)問題時，不僅要正確閱讀題目，還要避免受到其他思緒的干擾。

AI Now研究所的首席人工智能科學(xué)家海迪·赫拉夫在接受采訪時指出，我們需要更好的人工智能測試方法。她強(qiáng)調(diào)，在計算歷史中，我們從未將計算能力與人類能力進(jìn)行精確比較，因為計算的本質(zhì)意味著系統(tǒng)一直能夠完成超出人類能力范圍的任務(wù)。這種直接將系統(tǒng)性能與人類能力進(jìn)行比較的做法是一個相對較新的現(xiàn)象，且極具爭議性。