近日，華盛頓州立大學(xué)的研究人員為人工智能系統(tǒng)正在創(chuàng)立首個(gè)IQ智力測(cè)試，測(cè)試會(huì)在人工智能學(xué)習(xí)程度和適應(yīng)未知環(huán)境方面給予評(píng)分。

華盛頓州立大學(xué)電氣工程與計(jì)算機(jī)科學(xué)學(xué)院教授拉里·霍爾德說(shuō)：“以前，在AI系統(tǒng)中測(cè)量智能的研究大多是理論上的，他們沒(méi)有衡量在以前看不見的新穎環(huán)境中的實(shí)際性能，也沒(méi)有考慮到任務(wù)的復(fù)雜性?！?/p>

研究人員將設(shè)計(jì)一個(gè)測(cè)試，該測(cè)試將根據(jù)他們可以解決的問(wèn)題的難度對(duì)AI系統(tǒng)進(jìn)行評(píng)分。研究的主要內(nèi)容之一是創(chuàng)建對(duì)問(wèn)題難度進(jìn)行排名的方法。

霍爾德說(shuō)：“得分還將考慮系統(tǒng)的準(zhǔn)確性，正確性，所花費(fèi)的時(shí)間以及良好表現(xiàn)的數(shù)據(jù)量。”

人工智能研究人員面臨的主要挑戰(zhàn)之一是創(chuàng)造一種可以在不熟悉的環(huán)境中像人一樣學(xué)習(xí)的機(jī)器。機(jī)器學(xué)習(xí)和人工智能的許多最新進(jìn)展都集中在狹窄的專業(yè)任務(wù)中，例如檢測(cè)人臉和預(yù)測(cè)棒球比賽結(jié)果。

創(chuàng)造可以在新穎的環(huán)境中智能學(xué)習(xí)和行動(dòng)的機(jī)器仍然是AI研究的最終目標(biāo)?；魻柕抡f(shuō)：“我們專注于測(cè)試和改進(jìn)更具通用性的系統(tǒng)，例如日常任務(wù)機(jī)器人助手?！毖芯咳藛T所要研究的行為之一是，他們測(cè)試的機(jī)器可以將他們的學(xué)習(xí)成果從一項(xiàng)任務(wù)轉(zhuǎn)移并將其應(yīng)用于一項(xiàng)新的任務(wù)上。

霍爾德說(shuō)：“例如，你可能想在下象棋之前先學(xué)習(xí)跳棋，因?yàn)槟梢暂p松地將跳棋知識(shí)從轉(zhuǎn)移到象棋?！?/p>