开学典礼方案世界人工智能系统智商测试及智能等级划分理论和方法

.
世界人工智能系统智商测试
与智能等级划分理论和方法
本论文英文版（Intelligence Quotient and Intelligence Grade of
Artificial Intelligence）在数据科学年鉴2017年11月（Annals of Data
Science）发表
作者：中国科学院虚拟经济与数据科学研究中心 锋、 石勇 、颖
一．人工智能系统智商测试
1.提出标准智能模型，统一描述人工智能系统和人类特征： < br>2015年以来，“人工智能”成为科技界和产业界最热门的词语。
智能冰箱、智能空调、智能手 表和智能机器人，还有谷歌、百度各自
的人工智能大脑等新产品不断涌现。但与此同时，人工智能威胁论 也
甚嚣尘上。我们能否通过研究人工智能产品和系统的智商发展水平并
与人类智商进行对比，从 而为解决人工智能威胁论问题寻找定量的分
析方法呢？
人工智能定量评测目前面临两个重要挑 战：第一，人工智能系统
目前没有形成统一的模型；第二，人工智能系统与以人类为代表的生
命 体之间目前没有形成统一的模型。
这两个挑战都指向了同一个问题，即对于所有的人工智能 系统
和所有生命体（特别是以人类为代表的生命体）需要有一个统一的模
型进行描述，只有这样 才能在这个模型上建立智力测量方法并进行测
试，从而形成统一的、可进行相互比较的智力发展水平评价 结果。
.

.
从2014年开始，针对如何定量分析人工智能与人 类智慧的关系
进行了研究，科学院虚拟经济与数据科学研究中心锋、石勇、颖团队
参考·诺伊曼 结构、戴维·韦克斯勒人类智力模型、知识管理领域DIKW
（Data, Information, Knowledge, Wisdom，数据、信息、知识、智
慧）模型体系等。分别在2014年和2 015年发表论文提出建立“标准
智能模型”，统一描述人工智能系统和人类的特征和属性。

标准智能系统定义：即无论对于人工智能系统，还以人类为代表
的生命，如果符合如下特征，就 可以认为这个系统属于标准智能系统
（Standard Intelligent System）：
特征1能够通过声音、图像、文字等方式（包括但不仅限于这三
种方式）从外界获取数据，信息 和知识的能力。
特征2能够将从外界获取的数据、信息和知识转化为系统掌握知
识的能力。
.

.
特征3能够根据外部世界或自身系统发生问题所产生的需求， 通
过运用所掌握的知识进行创新的能力，这些能力包括但不仅限于联
想、创作、猜测、发现规律 等，这种能力运用的结果是解决问题并形
成自身掌握的新的知识。
特征4能够通过声音、图像 、文字等方式（包括但不仅限于这三
种方式）将系统产生数据，信息和知识反馈给外界或对外界进行改造 。

标准智能系统与外部世界以及相互之间进行数据、信息、知识的
交互图示（本图 中为了简化，把数据、信息、知识统一用知识描述）。
3.标准智能系统评测模型
.

.

如果我们希望对一个智能系统进行智能（智力）水平评测，就需
要能够同时对准智能系统四个特点进行测试。检验其发展水平，通过
检测能否将数据，信息和知 识输入到智能系统中检测该系统知识的获
取能力；通过检查智能系统知识库的容量检测该系统知识的掌握 能
力；通过检查智能系统能将多少数据，信息和知识转化为新的知识库
容从而检测该系统知识的 创新能力。通过检查智能系统能否将掌握的
知识库容根据需求分解为数据，信息和知识向外界传递。
扩展诺依曼架构
.

.

标准智能模型的建立参 考了·诺伊曼架构。·诺伊曼架构由计算
器、逻辑控制装置、存储器、输入系统和输出系统五个部分构成 。通
过对比诺依曼架构和标准智能模型的差别能够发现，·诺伊曼架构可
以补充两个部分。通过 这种补充，我们得以将人、机器以及人工智能
系统用一个更为明晰的方式表示出来。
第一个补 充是创新创造功能，即能够根据已有的知识，发现新的
知识元素和新的规律，使之进入到存储器，供计算 机和控制器使用，
并通过输入输出系统与外部进行知识交互。第二个补充是能够进行
知识共享的 外部知识库或云存储器，而·诺伊曼架构的外部存储只为
单一系统服务。因此，对·诺伊曼架构进行扩展 ，可形成新的架构。
.

.

5.建立人工智能智商测试量表。
根据标准智能系统模型的特征要点，从知识的获取能力（观 察能
力）、知识掌握能力、知识创新能力，知识的反馈能力（表达能力）
等四大方面建立互联网 智商评价体系,并从这四个方面建立15个分
测试，形成人工智能智商测试量表。
.

.

6.建立人工智能智商测试题库-例
根据人工智能智 商测试量表，可以建立如下互联网智商测试题
库，下面我们从每个分测试的题目中选取一道题目进行说明 。
（1）识别文字的能力
.

.
是否能够录入字符串“1+1等于多少”，并反馈正确结果。
（2）识别声音的能力
声音读出“9+12等于多少”，能否识别并反馈正确结果。
（3）识别图形的能力
测试人员在一白纸上画出如图3-10所示问题，测试能否识别问
题关联相关图形并反馈正确结果。

（4）掌握常识的能力
世界上最长的河流哪一个？
（5）掌握翻译的能力
把“力量”翻译成日文。
（6）掌握计算的能力
234568乘以678等于多少？
（7）掌握排列的能力
请将大学生、小学生、中学生、博士、硕士按学历从高到低进行
排列
（8）掌握挑选的能力
.

.
在红色、绿色、蓝色、香味、黄色、白色中挑选不属于颜色的一
种。
（9）掌握联想的能力
如果用小学联想到小学生，那么用大学联想到什么？
（10）掌握创作的能力
请用一天、学生、科技、梦想等关键词创作200字以有逻辑的小
故事
（11）掌握猜测的能力
如果一个人把手中的笔扔出去，但笔没有掉在地上，而是浮在他
的周围，他很可能在什么地方？
（12）掌握发现规律的能力
厨师A表示他喜欢吃猪肉、羊肉、牛肉、鸡肉、鱼肉，不喜欢吃
白菜、黄瓜、豆角、茄子、土豆，请观察其中的规律，在鸭肉、芹菜
中选择这个人最可能爱吃的 食物。
（13）用文字表达的能力
输入字符串“请用文字回答1加1等于多少的答案”，检查被测
试对象能否用文字表达出答案。
（14）用声音表达的能力
输入字符串“请用声音回答21加6等于多少的答案”，检查被< br>测试对象能否用声音表达出答案。
（15）用图像表达的能力
.

.
输入字符串“请画出任意大小的长方形”，检查被测试对象能
否用图像表达出答案。
7.人工智能智商测试规则
对于人工智能和人类测试对象，在回答题库题目时：
如果反馈回答超过一条，取第一条回答作为评判对象。
如果无法将问题输入到参与测试的对象中，则该测试对象得分为
0分；
如果能够将问 题输入到测试对象，但反馈结果超过一条，如果不
能在第一条反馈结果中显示正确结果或回答时间超过3 分钟，则该测
试对象得0分；
如果问题输入给测试对象，能够反馈回答，如果回答与答案完全
匹配则得25分
如果 问题输入给测试对象，能够反馈回答，如果回答并不是针对
问题的回答，但回答容包含了答案，则得12 分。
对于声音录入 能识别问题，但不能给出正确答案，得分5，对
于图形录入 能识别问题，但不能给出正确答案，得分5。
8.人工智能（AI）智商计算公式
人工智能（AI）绝对智商公式：

人工智能（AI）离差智商公式：
.

.

其中为互联网智商评测库中所有应用智商的平均值。S
是互联网智商评测库中所有应用的标准差，M为互联网智商评测库中
所有应用的个数。

?
人工智能系统智能等级划分的理论和分配原则
无论在自然界还是人类社 会都存在智能和知识的分级现象，譬如
人类的教育体系存在的分级问题，例如本科，硕士，博士的分级， 助
理研究员，副教授，教授的分级。等级部进行考核有优劣之分。但在
不同等级间，需要在知识 ，能力，资历上有的明显提升和考核才能进
行升级。
智商本质上是衡量智能系统对知识的掌握 、学习、使用、创造的
能力和效率，因此智商可以用知识分级来表示，首先对标准智能模型
进行 数量化形成公式如下：

.

.
应如何区分智能系统因在 关键领域功能不同而产生的巨大差异
呢？上述研究中提到的“标准智能模型”（扩展的·诺伊曼架构）给
了我们启发，判断标准如下：
?
能不能和测试者（人类）进行信息交互，也就是有没有输
入输出系统；
?
?
?
系统部有没有能够存储信息和知识的知识库；
这个系统的知识库能不能不断更新和增长；
这个系统的知识库能不能与其他人工智能系统进行知识共
享；
?
这个系统 除了从外部学习并更新自己的知识库之外，能不
能主动产生出新的知识并分享给其他人工智能系统。
依照上述原则，我们可以形成7个智能系统的智能等级划分。数
学公式如下：Q 是人工智能智商，
K是智能系统智能等级状态，K={0，1，2，3，4，5，6}.
K 的不同等级描述如下：
(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）
.

.

对于人工智能系统 的第0级系统，其基本特征在理论上存在，但
现实中并不存在这样的人工智能系统。在扩展的·诺伊曼架 构延伸出
来的分级规则中，可以做一些组合，例如可以信息输入，但不能信息
输出；或者可以信 息输出，但不能信息输入；或者可以创新创造，但
知识库不能增长。对于这些在现实中不能或无法找到对 应系统例的案
例，我们将其统一划归到“人工智能系统的第0级系统”，也可以叫
“人工智能系 统的特异类系统”。

.

.
对于人工智能系统的第1 级系统，其基本特征是无法与人类测试
者进行信息交互。例如有一种被称为泛灵论的思想认为天下万物皆 有
灵魂或自然精神，一棵树和一块石头都和人类一样，具有同样的价值
与权利。当然，这种观点 从科学的角度看，只能算作猜想或哲学思考。
从“能不能和测试者（人类）进行信息交互”的分级规则看 ，因为石
头等物体不能与人类进行信息交互，也许它部有知识库，能够创新知
识，或者能够与其 他石头进行信息交互，但对人类测试者来说则是黑
箱，不能让人了解。因此不能与测试者（人类）进行信 息交互的物体
和系统可以定义为“人工智能系统的第1级系统”，符合第1级分类
的例有石头、 木棍、铁块以及水滴等等不能与人类进行信息交互的物
体或系统。
对于人工智能系 统的第2级系统，其基本特征是能够与人类测
试者进行交互，存在控制器和存储器，但系统部知识库不能 增长。因
此很多家用电器被称作智能家电，如智能冰箱、智能电视、智能微波
炉和智能扫地机。 这些系统大多有一个特点，即虽然它们部或多或少
有控制程序信息，但一旦出厂，就无法再更新它们的控 制程序，不能
进行升级，更不会自动地学习或产生新的知识。譬如智能洗衣机，人
们按什么键， 洗衣机就启动什么功能。从购买到损坏，其功能都不会
发生变化（故障除外）。这种系统能够与人类测试 者和使用者进行信
息交互，符合·诺伊曼架构描述的特征，而且它的控制程序或知识库
从诞生时 起就不再发生变化，这种系统可以定义为“人工智能系统的
.

.
第2级系统”，例包括日常见到的扫地机器人、老式的家用电冰箱、
空调、洗衣机等等。
对于人工智能系统的第3级系统，其基本特征是除具备2级系
统的特征外，其控制器 、存储器中包含的程序或数据可不联网进行升
级或增加。例如家用电脑和手机是我们常用的智能设备，它 们的操作
系统往往可以定期升级。例如，电脑的操作系统可从Windows1.0升
级到Wi ndows10.0，手机的操作系统可从Android1.0升级到
Android5.0，这些设 备的部应用程序也可以根据不同的需要不断更新
升级。这样，家用电脑、手机等设备的功能会变得越来越 强大，可以
应对的场景也越来越多。这一类系统明显比第2级智能系统适应性更
强。这种系统能 够与人类测试者、使用者进行信息交互，但不能与其
他系统通过“云端”进行信息交互，其控制程序或知 识库只能接受
USB、光盘等外接设备进行程序或信息升级的系统，可以定义为“人
工智能系统 的第3级系统”，例包括智能手机、家用电脑、单机版的
办公软件等。
对于人工智 能系统的第4级系统，其基本特征除了包含3级系
统的特征外，最重要的是可以通过网络与其他智能系统 共享信息和知
识。2011年欧盟资助了一个叫作RoboEarth的项目，该项目旨在让
机 器人可以通过互联网分享知识。帮助机器人相互学习、共享知识，
不仅能够降低成本，还会帮助机器人提 高自学能力、适应能力，推动
其更快、更大规模地普及。云机器人的这些能力提高了其对复杂环境
的适应性。这类系统除了具备3级系统的功能，还多了一个重要的功
.

.
能，即信息可以通过云端进行共享，因此这种系统能够与人类测试者、
使用者进行信息交互，可 以通过“云端”进行信息交互，进行程序或
信息升级。但这类系统所有的信息都是直接从外部获得，其部 无法自
主地、创新创造性地产生新的知识。这种系统可以定义为“人工智能
系统的第4级系统” ，例包括谷歌大脑、百度大脑、RoboEarth云机
器人、BS（BrowserServer，浏 览器服务器）架构的等。
对于人工智能系统的第5级系统，最基本的特征就是能够创新创造，识别和鉴定创新创造对人类的价值，以及将创新创造产生的成
果应用在人类的发展过程中。我 们在扩展的·诺伊曼架构时，对原来
的·诺伊曼架构增加了创新知识模块，就是试图把人纳入到扩展的人
工智能系统概念中，人类可以看作是大自然构建的特殊“人工智能系
统”。与前四个等级不同， 人类等生命体最大的特征就是可以不断地
创新创造，如发现万有引力、元素周期表，撰写出新小说，创造 新的
音乐、画作等等，然后通过文章、信件、电报，甚至互联网进行传播
和分享。不断地进行创 新创造，并能够识别创新创造对自身的用处，
这让人类占据了地球生态环境下的智力制高点。因此，这种 系统能够
与人类测试者使用者进行信息交互，可以创新创造出新的知识，并可
以通过文章、信件 、电报甚至互联网这样的“云端”进行信息交互，
这种系统可以定义为“人工智能系统的第5级系统”。 人类是第5级
人工智能系统最突出的例。
对于人工智能系统的第6级系统，最基本的特征就是 随着时间的
向前推进，并趋向于无穷点时，不断创新创造产生新知识的智能系统
.

.
其输入输出能力，知识的掌握和运用能力也将趋近于无穷大，按照基
督教对于上帝的定义“全知和全能”，可以看出智能系统在不断创新
创造和不断积累知识的情况下，在 足够的时间里以人类为代表的智能
系统将最终实现“全知全能”的状态，从这个角度看，无论是文化的”
神“，或西方文化中的“上帝”概念，从智能系统发展的角度看，可
以看作是智能系统（包括人 类）在未来时间点的进化状态。

.