活在一個AI“泛濫”的時代，我們幾乎每天都能看到 AI 研究上的最新進展。昨天，AI 打 DoTA 戰(zhàn)勝人類了；今天，AI 能自己找路了；明天，AI 能假冒人類打電話了。在擔心 AI 會滅掉人類的人們眼中，AI 正像一只怪物一樣野蠻生長，像一只侵略軍一樣從遠方大跨步逼近。

然而實際上，你所看到的這些進展，只是不同的 AI 在特定方向的進步。雖然當前基于深度學習的 AI 熱潮已經(jīng)有五六年了，還是沒有一個獨立的 AI，像一個獨立的人一樣，能夠優(yōu)秀地執(zhí)行多種任務(wù)。

人們在形容 AI 時，通常會用這樣一種說法：這個 AI 的智商，跟三歲小孩差不多。 智商 (Intelligence quotient) 簡稱 IQ，是評價人類智商一個普遍接受的標準 。你有智商，我也有智商，就連三歲小孩也有智商。接下來問題來了：既然說 AI 跟三歲小孩差不多，那么它的智商到底有多少呢

得給 AI 測測智商了。

DeepMind要給AI測IQ

自 AlphaGo 橫空出世以來，AI 在解決一些復(fù)雜的、策略性的問題上，能力已經(jīng)得到了證明。但如果想要更像“人”，AI 必須也擁有像人類一樣的抽象理解能力。

現(xiàn)在的 AI 計算能力不用說了，推理能力也很強，所以只剩抽象理解能力了。Google 旗下的 AI 科研機構(gòu) DeepMind 認為，“基于神經(jīng)網(wǎng)絡(luò)的機器學習模型取得了驚人的成績，但想要衡量其推理抽象概念的能力，卻非常困難?！?/p>

為了搞清楚現(xiàn)在的 AI 在抽象理解能力上究竟實力如何，DeepMind 還真給 AI 設(shè)計了一套測試題：

這套測試題，借鑒了人類的 IQ 測試里著名的瑞文推理測驗：給定一組圖片，找到符合其“演進”規(guī)律的圖片。

（圖片來源：DeepMind 論文）

在這種測試中，題目里并不會告訴你要找到符合什么標準的圖形，而是需要我們根據(jù)日常生活中學習或掌握到的一些基本原則，來理解和分析測試中出現(xiàn)的簡單圖案。

要找到正確的答案，往往要借鑒我們從生活中明白的“演進”規(guī)律。比如小樹苗長成大樹，比如從 0 到1、2、3、4、5 的加法，再比如加減乘除。以上這些，就是我們生活中所提煉出的抽象的“演進”(progression)的意義，就是人類的抽象理解能力。

“但是，我們現(xiàn)在還沒有找到辦法，能讓 AI 也可以從 ‘日常經(jīng)驗’中學到類似的能力?！?DeepMind 在論文中說。

“不過，我們依然可以很好地利用人類的這種視覺抽象邏輯測試，來設(shè)計一個實驗。在這個測試中，我們并不是像人類測試那樣，考察從日常生活到視覺推理問題的知識轉(zhuǎn)移。而是研究AI在將知識從一組受控的視覺推理問題，轉(zhuǎn)移到另一組問題的能力?！?/p>

簡單翻譯一下這段話就是：DeepMind 先給 AI 喂一組由三角形構(gòu)成的圖像的視覺推理題庫，等訓練的差不多了，再出一組由方塊構(gòu)成的視覺推理題，讓 AI 去回答，看它是能隨機應(yīng)變舉一反三，還是學會了三角，換成方塊就不靈了。

機器人仍需努力

對于擔心 AI 取代人類的朋友來說，DeepMind 的一部分實驗結(jié)果確實是個好消息：一些最棒的 AI 模型，在這個IQ測試中的表現(xiàn)得并不咋樣。

正如預(yù)期的那樣，當訓練集和測試集所采用的抽象元素相同時，多個 AI 模型都表現(xiàn)出超過75%的準確率。

然而，當測試集和訓練集出現(xiàn)變化，甚至有時候只是把黑點換成較暗的淺色圓點，AI 的表現(xiàn)就會像無頭蒼蠅一樣，失去了準星。

（一些知名AI模型的表現(xiàn) 圖片來源：DeepMind 論文）

上面這些都是深度神經(jīng)網(wǎng)絡(luò)領(lǐng)域的當紅炸子雞，測起智商來卻沒那么靈光了。

ResNet (Deep Residual Network)，即深度殘差網(wǎng)絡(luò)在其中一組測試中僅僅得到22.4%的低分。 要知道，它的提出曾被形容為CNN（卷積神經(jīng)網(wǎng)絡(luò)）的一個里程碑式事件，它在網(wǎng)絡(luò)深度上比其他模型提升了n個量級，更重要的是它的殘差學習方式，改良了模型的架構(gòu)，因此一出現(xiàn)就秒殺眾前輩。

測試中表現(xiàn)最好的 WReN 模型，則是 DeepMind 在關(guān)系網(wǎng)絡(luò) (Relation Networks) 模型基礎(chǔ)上改良的版本。它增加了對不同圖像組合之間關(guān)系的分析，并可以對這類 IQ 測試的各種可能性結(jié)果進行評估。

不過，DeepMind 針對這個測試的邏輯，對一些模型進行改良，改良后的模型表現(xiàn)出明顯的提升。

比如，在一些模型中，DeepMind 加入了元標記（meta-targets) 的輔助訓練方法，讓模型對數(shù)據(jù)集背后體現(xiàn)出的形狀、屬性（形狀的數(shù)量、大小、顏色深淺等）以及關(guān)系（同時出現(xiàn)、遞減、遞增等等）進行預(yù)測，當這部分預(yù)測準確時，最終回答的準確率就明顯出現(xiàn)提升，預(yù)測錯誤時，回答準確率明顯下降。一些極端情況下，模型回答的準確率更是從預(yù)測錯誤時的32%提升至了87%。

（元標記預(yù)測準確度與最終答案準確率的關(guān)系圖）

DeepMind 表示，他們設(shè)計的這個實驗，最終目的并不是為了讓 AI 能夠通過這種 IQ 測試。他們關(guān)注的是 AI 泛化能力的問題。

泛化是指模型很好地擬合以前未見過的新數(shù)據(jù)的能力，這是機器學習界的術(shù)語，你也可以粗暴的理解成一個 AI 模型能否在各類場景中“通吃”。AI 的泛化能力越強，離啥都能干的所謂“通用人工智能”就越近。

DeepMind 在博客最后這樣說道：

研究表明，尋找關(guān)于泛化問題的普遍結(jié)論可能沒有任何意義。我們測試的神經(jīng)網(wǎng)絡(luò)在某些泛化方案中表現(xiàn)優(yōu)秀，但是其他方案下卻很糟糕。

諸如所使用模型的架構(gòu)、模型是否被訓練從而能解釋答案背后的邏輯等一系列因素，都會對泛化效果帶來影響。而在大多數(shù)情況下，當需要處理過往經(jīng)驗從未涉及的、或完全陌生的情景時，這些 AI 的表現(xiàn)很糟糕。

至少現(xiàn)在看來，AI 還有很長的路要走啊。