生活在一个AI“泛滥”的时代，我们几乎每天都能看到 AI 研究上的最新进展。昨天，AI 打 DoTA 战胜人类了；今天，AI 能自己找路了；明天，AI 能假冒人类打电话了。在担心 AI 会灭掉人类的人们眼中，AI 正像一只怪物一样野蛮生长，像一只侵略军一样从远方大跨步逼近。 

然而实际上，你所看到的这些进展，只是不同的 AI 在特定方向的进步。虽然当前基于深度学习的 AI 热潮已经有五六年了，还是没有一个独立的 AI，像一个独立的人一样，能够优秀地执行多种任务。

人们在形容 AI 时，通常会用这样一种说法：这个 AI 的智商，跟三岁小孩差不多。 智商 (Intelligence quotient) 简称 IQ，是评价人类智商一个普遍接受的标准 。你有智商，我也有智商，就连三岁小孩也有智商。接下来问题来了：既然说 AI 跟三岁小孩差不多，那么它的智商到底有多少呢

得给 AI 测测智商了。

DeepMind要给AI测IQ

自 AlphaGo 横空出世以来，AI 在解决一些复杂的、策略性的问题上，能力已经得到了证明。但如果想要更像“人”，AI 必须也拥有像人类一样的抽象理解能力。

现在的 AI 计算能力不用说了，推理能力也很强，所以只剩抽象理解能力了。Google 旗下的 AI 科研机构 DeepMind 认为，“基于神经网络的机器学习模型取得了惊人的成绩，但想要衡量其推理抽象概念的能力，却非常困难。”  

为了搞清楚现在的 AI 在抽象理解能力上究竟实力如何，DeepMind 还真给 AI 设计了一套测试题：

这套测试题，借鉴了人类的 IQ 测试里著名的瑞文推理测验：给定一组图片，找到符合其“演进”规律的图片。

在这种测试中，题目里并不会告诉你要找到符合什么标准的图形，而是需要我们根据日常生活中学习或掌握到的一些基本原则，来理解和分析测试中出现的简单图案。 

要找到正确的答案，往往要借鉴我们从生活中明白的“演进”规律。比如小树苗长成大树，比如从 0 到1、2、3、4、5 的加法，再比如加减乘除。以上这些，就是我们生活中所提炼出的抽象的“演进”(progression)的意义，就是人类的抽象理解能力。

“但是，我们现在还没有找到办法，能让 AI 也可以从 ‘日常经验’中学到类似的能力。” DeepMind 在论文中说。

“不过，我们依然可以很好地利用人类的这种视觉抽象逻辑测试，来设计一个实验。在这个测试中，我们并不是像人类测试那样，考察从日常生活到视觉推理问题的知识转移。而是研究AI在将知识从一组受控的视觉推理问题，转移到另一组问题的能力。” 

简单翻译一下这段话就是：DeepMind 先给 AI 喂一组由三角形构成的图像的视觉推理题库，等训练的差不多了，再出一组由方块构成的视觉推理题，让 AI 去回答，看它是能随机应变举一反三，还是学会了三角，换成方块就不灵了。

机器人仍需努力

对于担心 AI 取代人类的朋友来说，DeepMind 的一部分实验结果确实是个好消息：一些最棒的 AI 模型，在这个IQ测试中的表现得并不咋样。

正如预期的那样，当训练集和测试集所采用的抽象元素相同时，多个 AI 模型都表现出超过75%的准确率。 

然而，当测试集和训练集出现变化，甚至有时候只是把黑点换成较暗的浅色圆点，AI 的表现就会像无头苍蝇一样，失去了准星。 

上面这些都是深度神经网络领域的当红炸子鸡，测起智商来却没那么灵光了。

ResNet  (Deep Residual Network)，即深度残差网络在其中一组测试中仅仅得到22.4%的低分。 要知道，它的提出曾被形容为CNN（卷积神经网络）的一个里程碑式事件，它在网络深度上比其他模型提升了n个量级，更重要的是它的残差学习方式，改良了模型的架构，因此一出现就秒杀众前辈。 

测试中表现最好的 WReN 模型，则是 DeepMind 在关系网络 (Relation Networks) 模型基础上改良的版本。它增加了对不同图像组合之间关系的分析，并可以对这类 IQ 测试的各种可能性结果进行评估。

不过，DeepMind 针对这个测试的逻辑，对一些模型进行改良，改良后的模型表现出明显的提升。

比如，在一些模型中，DeepMind 加入了元标记（meta-targets) 的辅助训练方法，让模型对数据集背后体现出的形状、属性（形状的数量、大小、颜色深浅等）以及关系（同时出现、递减、递增等等）进行预测，当这部分预测准确时，最终回答的准确率就明显出现提升，预测错误时，回答准确率明显下降。一些极端情况下，模型回答的准确率更是从预测错误时的32%提升至了87%。 

DeepMind 表示，他们设计的这个实验，最终目的并不是为了让 AI 能够通过这种 IQ 测试。他们关注的是 AI 泛化能力的问题。

泛化是指模型很好地拟合以前未见过的新数据的能力，这是机器学习界的术语，你也可以粗暴的理解成一个 AI 模型能否在各类场景中“通吃”。AI 的泛化能力越强，离啥都能干的所谓“通用人工智能”就越近。

DeepMind 在博客最后这样说道：

研究表明，寻找关于泛化问题的普遍结论可能没有任何意义。我们测试的神经网络在某些泛化方案中表现优秀，但是其他方案下却很糟糕。

诸如所使用模型的架构、模型是否被训练从而能解释答案背后的逻辑等一系列因素，都会对泛化效果带来影响。而在大多数情况下，当需要处理过往经验从未涉及的、或完全陌生的情景时，这些 AI 的表现很糟糕。

至少现在看来，AI 还有很长的路要走啊。