人工智能有可能在不久的将来超越人类智能。尽管技术取得了巨大进步，但人工智能仍远未完成。人类智能的目标是通过不同的认知过程从经验中学习并适应新环境，而人工智能的目标是模仿和超越人类的行为。
人类智力可以通过群体测试或个人测试来衡量。大多数人在见到一个人之后，只需几分钟就有所判断。
哲学家和心理学家长期以来一直在争论如何对智力进行概念化和衡量，智力有多少种类型，先天和后天在智力中的作用，智力的社会、生物和环境决定因素，以及智力在大脑中是如何表现的。
20世纪初，比奈和西蒙开发了第一个智力测试——“学校智力测试”，其中包括各种各样的问题，比如命名物体、定义单词、画画、完成句子、比较项目和造句的能力。
IQ被广泛用作根据年龄调整的智力量度。
智商是一套用于评估人类智力的标准化测试或子测试得出的总分。
斯坦福-比奈测试是一种综合智力的衡量标准，由多种任务组成，包括词汇、图片记忆、熟悉物体的命名、重复句子和执行命令。
韦氏成人智力量表是美国使用最广泛的成人智商测试。
最常见的智商测试有：
● 斯坦福-比奈智力量表
● 通用语言智能
● 微分能力量表
● 皮博迪个人成就测验
● 韦氏个人成就测验
● 韦氏成人智力量表
● 认知障碍伍德考克·约翰逊III测验
智商高于130的人通常与高智商相关。而低于70分通常会引起关注。它们可能表明潜在的学习障碍。
人工智能有三种类型：
人工智能的进步使我们能够在各种学科中取得进步。
● 人工狭窄智能(ANI)，其能力范围有限
● 人工通用智能(AGI)，具有与人类能力相当的属性
● 人工超级智能(ASI)，它拥有超越人类的技能
如何衡量人工智能中的智能
人工智能系统中的智能主要有4种衡量方式：
广度：我们所知道的大多数智能系统，比如人脑，都具有广泛的能力。孩子可以学习很多任务，比如走路、说话等等。一个应该被认为是智能的人工智能系统也应该具有类似的广泛能力。人工智能系统应该能够学习任何任务，而无需人类工程师直接对其源代码进行任何修改。但我们都知道“没有免费的午餐”定理，即擅长某一特定任务集的算法，会因在其他剩余任务集上表现不佳而付出代价。
这意味着有如此广泛的人工智能系统，我们需要一组基本的学习算法，而不仅仅是一个,这是一个非常活跃的研究领域，像DeepMind这样的知名团体正在寻找这样一套通用学习算法来解决通用人工智能，它是AI的更广泛版本。事实上，这一能力绝对可以帮助我们衡量AI系统的智能程度。
数据要求：一个强大的AI系统应该能够从尽可能少的数据中建模问题，但它也应该能够消耗巨大的谷歌规模的数据，并理解这些数据。从很少的训练数据中进行归纳的能力，是智能的一个强有力的指标，而不是需要大量的数据来建模问题。
有监督vs无监督：很明显，我们需要根据应用范围在AI中进行有监督和无监督学习，但由于周围未标记的数据多于标记数据，因此无监督学习更具吸引力。无监督学习意味着智能，因为在最小监督下进行自主学习的系统，被认为比其他需要更多监督的系统更智能。这在人类智力中非常明显，能够自己完成编码等任务的孩子被认为更聪明。
预测性：智能还基于对未来的设想，这是一个非常强大的能力，因为规划对真正的智能系统非常重要。预测能力对于规划和推理是至关重要的。人类有很强的预测能力，我们总是期待一些事情，并试图在长期和短期内为它做计划。短期预测是当你想要接住一个扔给你的球时，你将能够预测球的轨迹并接住它。长期预测被称为计划，实际上是计划如何采取行动以实现目标。因为思维具有某种预测性，预测性就是智力。
我要评论