盡管IBM公司的深度問答超級計算機取得了驚人的成績，但我們并沒有把它們稱之為“智能”。不過，下一代或者更后面的超級計算機會是怎樣的呢？

在對機器智能做出預測之前，我們需要一種超越千萬億次運算和數據傳輸率等簡單尺度的判斷標準。我們需要建立一種標準的衡量方式來衡量機器智能。

測試人工智能的想法要追溯到英國數學家圖靈以及以他的名字命名的圖靈測試。圖靈測試是讓未曾謀面的人類和機器通過文字進行交談。如果評判員無法正確辨認出誰是人工智能的話，那么它就通過了測試。要么通過，要么通不過，結果很直接。

可是雖然這種測試法可能對于確定像人類這樣的智能很有幫助，但是大家都認為這種智能并不是唯一的智能類型。

海豚或黑猩猩可能永遠無法通過這樣的測試，但是這兩種動物都展現出相當的智能。這只是因為其智力的特點和水平與人類不同罷了。

對于機器智能來說也是一樣。僅僅因為計算機沒有達到人類這樣的智能并不意味著智能的萌芽不存在。另外，幾十年后，一種人工通用智能也許因為與人類的頭腦完全不同而通過不了圖靈測試，但它可能在很多方面要比我們強得多。

一個多世紀以來，針對人的心理測試一直存在。雖然一些人可能會對給個體的智力打分的事情到底好不好有異議，但事實是這些測試使我們對各人種智力的分布情況有了相當多的了解。當然，這種測試無法用于非人類。所以我們怎樣開發(fā)出一種適用于機器的測試方法呢？

多年來，人們提出了許多種測試機器智能的方法。許多測試理論在數學上不夠嚴謹。要想對非人類進行測試并按照有意義的尺度來對其評分，我們就必須精確地評價問題和挑戰(zhàn)任務的復雜程度。

最近，人類設想了一個創(chuàng)建挑戰(zhàn)任務的框架且挑戰(zhàn)任務在數學上是嚴謹的。這種測試的依據是算法信息理論和復雜性理論。具體來說就是給挑戰(zhàn)任務打一個數學的分值。這種方式使得我們可以根據智能的水平不論它是動物、機器或者理論上說的外星人來定制挑戰(zhàn)任務，然后對結果打分。

這給我們提出了一個問題：機器們探討人類是否真的屬于智能的那一天是不是迫近了呢？(理查德·揚克)

更多計算機與外設信息請關注：21ic計算機與外設頻道