近日，在一次備受矚目的公開活動中，人工智能巨頭OpenAI的首席執行官薩姆·阿爾特曼分享了一個引人注目的觀察結果：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，并不具備科學上的精確性，但他認為，人工智能每年在智商上的進步相當于人類的一個標準差。
實際上，阿爾特曼并非首個嘗試用智商來衡量人工智能發展的人。在社交媒體平臺上，已有不少人工智能領域的意見領袖讓各種模型接受智商測試，并根據成績進行排名。然而，這一做法在專家圈內引發了廣泛爭議。許多專家認為，智商作為衡量人工智能能力的指標，不僅不合適，甚至可能具有誤導性。
牛津大學研究技術與監管的學者桑德拉·瓦赫特在接受采訪時表示，盡管用人類的衡量標準來描述人工智能的能力或進步頗具吸引力，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作的能力。
瓦赫特進一步指出，智商測試是基于科學家對人類智力的理解而設計的，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，強調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生學。參加智商測試的人需要具備強大的工作記憶能力，并熟悉西方文化規范，這為偏見留下了空間。有心理學家甚至將智商測試稱為“意識形態上可被操縱的機械智力模型”。
華盛頓大學研究倫理人工智能的博士候選人奧斯·凱斯認為，人工智能在智商測試中表現優異，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知、意識和智力的方式，其局限性在數字計算機發明之前就已經被認識到。
倫敦國王學院的研究員邁克·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。他強調，模型在智商測試中可能具有不公平的優勢，因為它們擁有海量內存和內化的知識，而且測試往往重復非常相似的模式。
庫克還提到，當人類解決問題時，需要應對更多的事情，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入哈佛大學。同樣地，當人類解決數學問題時，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。她強調，在計算歷史中，我們從未將計算能力與人類能力進行精確比較，因為計算的本質意味著系統一直能夠完成超出人類能力范圍的任務。這種直接將系統性能與人類能力進行比較的做法是一個相對較新的現象，且極具爭議性。
