人工智能有可能在不久的將來超越人類智能。盡管技術取得了巨大進步，但人工智能仍遠未完成。人類智能的目標是通過不同的認知過程從經驗中學習并適應新環境，而人工智能的目標是模仿和超越人類的行為。

人類智力可以通過群體測試或個人測試來衡量。大多數人在見到一個人之后，只需幾分鐘就有所判斷。

哲學家和心理學家長期以來一直在爭論如何對智力進行概念化和衡量，智力有多少種類型，先天和后天在智力中的作用，智力的社會、生物和環境決定因素，以及智力在大腦中是如何表現的。

20世紀初，比奈和西蒙開發了第一個智力測試——“學校智力測試”，其中包括各種各樣的問題，比如命名物體、定義單詞、畫畫、完成句子、比較項目和造句的能力。

IQ被廣泛用作根據年齡調整的智力量度。

智商是一套用于評估人類智力的標準化測試或子測試得出的總分。

斯坦福-比奈測試是一種綜合智力的衡量標準，由多種任務組成，包括詞匯、圖片記憶、熟悉物體的命名、重復句子和執行命令。

韋氏成人智力量表是美國使用最廣泛的成人智商測試。

最常見的智商測試有：

● 斯坦福-比奈智力量表

● 通用語言智能

● 微分能力量表

● 皮博迪個人成就測驗

● 韋氏個人成就測驗

● 韋氏成人智力量表

● 認知障礙伍德考克·約翰遜III測驗

智商高于130的人通常與高智商相關。而低于70分通常會引起關注。它們可能表明潛在的學習障礙。

人工智能有三種類型：

人工智能的進步使我們能夠在各種學科中取得進步。

● 人工狹窄智能(ANI)，其能力范圍有限

● 人工通用智能(AGI)，具有與人類能力相當的屬性

● 人工超級智能(ASI)，它擁有超越人類的技能

如何衡量人工智能中的智能

人工智能系統中的智能主要有4種衡量方式：

廣度：我們所知道的大多數智能系統，比如人腦，都具有廣泛的能力。孩子可以學習很多任務，比如走路、說話等等。一個應該被認為是智能的人工智能系統也應該具有類似的廣泛能力。人工智能系統應該能夠學習任何任務，而無需人類工程師直接對其源代碼進行任何修改。但我們都知道“沒有免費的午餐”定理，即擅長某一特定任務集的算法，會因在其他剩余任務集上表現不佳而付出代價。

這意味著有如此廣泛的人工智能系統，我們需要一組基本的學習算法，而不僅僅是一個,這是一個非常活躍的研究領域，像DeepMind這樣的知名團體正在尋找這樣一套通用學習算法來解決通用人工智能，它是AI的更廣泛版本。事實上，這一能力絕對可以幫助我們衡量AI系統的智能程度。

數據要求：一個強大的AI系統應該能夠從盡可能少的數據中建模問題，但它也應該能夠消耗巨大的谷歌規模的數據，并理解這些數據。從很少的訓練數據中進行歸納的能力，是智能的一個強有力的指標，而不是需要大量的數據來建模問題。

有監督vs無監督：很明顯，，我們需要根據應用范圍在AI中進行有監督和無監督學習，但由于周圍未標記的數據多于標記數據，因此無監督學習更具吸引力。無監督學習意味著智能，因為在最小監督下進行自主學習的系統，被認為比其他需要更多監督的系統更智能。這在人類智力中非常明顯，能夠自己完成編碼等任務的孩子被認為更聰明。

預測性：智能還基于對未來的設想，這是一個非常強大的能力，因為規劃對真正的智能系統非常重要。預測能力對于規劃和推理是至關重要的。人類有很強的預測能力，我們總是期待一些事情，并試圖在長期和短期內為它做計劃。短期預測是當你想要接住一個扔給你的球時，你將能夠預測球的軌跡并接住它。長期預測被稱為計劃，實際上是計劃如何采取行動以實現目標。因為思維具有某種預測性，預測性就是智力。

關鍵詞： 人工智能 年齡調整 智力量度 學習算法