美國西北大學的一支團隊開發(fā)了新的計算模型，能完成人類水平的標準智力測試。對于讓人工智能系統(tǒng)以類似人類的方式去理解世界，這是重要一步。

西北大學工程學院的肯·弗布斯（Ken Forbus）表示：“這一模型的得分好于平均水平。對人類來說較難的問題對這一模型同樣較難。這進一步證明，模型找到了人類認知領域的某些重要特征?！?/p>

這一新的計算模型基于弗布斯實驗室此前開發(fā)的人工智能平臺CogSketch。該平臺有能力解決各類可視化問題，理解素描內容，提供具有交互性的反饋信息。基于西北大學心理學教授德魯·占特納（Dedre Gentner）的結構化匹配理論，CogSketch還集成了用于類比的計算模型。

弗布斯與西北大學心理學博士后研究員安德魯·勒威特（Andrew Lovett）一同開發(fā)了這一模型。他們的研究成果發(fā)布在本月的《心理學評論》期刊上。

解決復雜可視化問題的能力是人類智能的標志之一。開發(fā)具備這種能力的人工智能系統(tǒng)縮小了計算機和人類認知之間的差距。

除解決可視化問題之外，弗布斯和勒威特還通過瑞文氏標準推理測驗對系統(tǒng)進行了測試。瑞文氏標準推理測驗是一種針對抽象推理的非語言標準化測試。測試中的所有問題都包含缺失某張圖片的矩陣。受試者將獲得6到8個選擇，需要從中選出最適合這一矩陣的答案。弗布斯和勒威特的計算模型取得了比美國人平均更好的成績。

作為美國海軍實驗室研究員，勒威特表示：“瑞文氏測驗是衡量心理學家所謂的‘流動智力’，或者說抽象思維、推理、識別模式、解決問題、辨別關系的一般能力的最佳指標。我們的結果表明，靈活運用關系表達、對比和重新表述的能力對流動智力非常重要?！?/p>

使用并理解復雜關系表達的能力是高階認知的關鍵。關系表達將實體和概念連接在一起，例如“鐘在門上方”。這樣的比較對于生成和理解類比而言至關重要，而人類正是通過類比去解決問題，衡量道德困境，描述周圍世界。

弗布斯表示：“當前大部分人工智能研究都關注認知，或者說標記出場景中的對象，而不是進行推理。然而，只有支持推理，這樣的認知才是有用的。我們的研究帶來了理解可視化推理的重要一步。”

人工智能概念股：埃斯頓、科大智能、漢王科技、江南化工、華東數控、和而泰、中科曙光、永創(chuàng)智能、北京君正、通富微電、永創(chuàng)智能、勁拓股份。