按照一个自然的思路我们可以把这个技术路径的发展进行细分，所以对应地就有了一个系统化的测试标准，衡量类人人工智能的进展程度。在具备把 conscious flow 中的信息逆转录为自然语言进行表达的前提下：

第一阶段

我们开始往 conscious flow 中放入外部输入的感知体验信息，也就是视觉、听觉等外感的信息。如果是具有实体的人工智能，因为前端感知处理技术不够成熟（比如把深度学习用在解决机器看到什么上），能够获得的感知体验信息就非常有限。自然的思路是创造一个虚拟的世界去决定人工智能在其中获得的外部感受。这一阶段如果：

I.1 测试（语境记忆能力）：conscious flow 有短期记忆能力，则能够表达刚刚获得的外部感知体验。

测试案例：

人：你刚刚看到什么？

NicoAI：我看到你走进屋子

人：我刚对你说了什么？

NicoAI：你问我我刚才看到什么？

I.2 测试（长期记忆能力）：建立了长期记忆模块：从 conscious flow 获得信息进行长期记忆。拥有这个能力能够回答针对过往外部感知体验的提问。

测试案例：

人：昨天 Peter 来过办公室吗？

NicoAI：是的

人：Peter 和谁一起来的？

NicoAI：他自己来的。

人：昨天几点开始下雨的？

NicoAI：我没看到昨天下雨

第二阶段

第二阶段会有两个工作并行，因为这两个子系统是我们前面说到的「底层机制相互支持」：

1、情绪系统建立起了指向性情绪的传导机制。指向性情绪指的是 AI 对某个对象、事件的态度，包括了喜欢、厌恶、关注等等。其中一个很重要的维度是「关注度」——人类只会记忆意识中关注的东西，只会就意识中关注的信息展开联想，并进行逻辑思维，这是一种「选择机制」。AI 也需要如此。选择机制之所以重要是避免了无关信息的记忆（未来会加大思维过程中搜索的成本），而且避免联想和逻辑思维呈指数级别在 conscious flow 中发散，因为这些模块总是从 conscious flow 中拿走信息放回来若干信息。所以指向性情绪的存在是自由联想功能和逻辑思维的功能连续运行必要的前提。

2、认知系统中知识信息表述形式的确定。我们需要确定知识的表述形式来支持指向性情绪的维护。因为 AI 接触到的概念是海量的，很多概念是后天生成的，我们不能先天去定义那些附着在每个概念上的指向性情绪。对人而言，指向性情绪具有以下的传导规律：母类概念和子类概念相互传导，比如对水果的喜好能和对苹果的喜好相互影响；对象和对象具有的属性之间相互传导，比如喜欢一个人就会喜欢她所具有的特征，从而会倾向喜欢具有同样特征的其他人；对象和对象参与的事件之间相互传导；作为结果的事件朝作为原因的事件传导，比如你不喜欢自己生病，所以你不会喜欢下雨天出去跑步，因为你具备知识：下雨天出去跑步导致生病。以上这些导致指向性情绪传导的依据全都是保存在长期记忆中的知识。确定了知识的表述，我们自然会在数据库中准备一些合法表述的知识，并且能够决定如何把这些按照先天语言编译的知识转录成自然语言。这形成了这个工作阶段的一个测试。