优点：至少理论上客观公正。一旦 I-Athlon 进行了测试并给出了评分，计算机会得到相应的评分和加权对比。它的判断就像审查奥运会比赛冲线照片一样公正。这种测试的多样性也符合 IBM 研究者称之为「广义智能系统」的标准。

缺点：潜在的不可预见性。I-Athlon 算法可能会给人类研究者无法完全理解的人工智能系统打个高分。「如果一个人工智能系统（对人类而言）非常难以解释，这种事情很有可能发生，」Campbell 解释道。事实上，这一有关打分的黑箱问题在卷积神经网络中已经在困扰着研究者了。

难度：未知。目前的系统在一些潜在的 I-Athlon 任务上表现的不错，如图像识别和语言翻译方面。在另一些任务中，如对视频内容进行解说或对图标进行讲解方面，人工智能仍然远远不能胜任。

为何适用：这种方式可以减少人类认知偏见对测量机器智能和量化工作的影响，而不是简单地测试性能。

　　原文链接：https://www.scientificamerican.com/article/the-search-for-a-new-test-of-artificial-intelligence/

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]