Η έρευνα πάνω στην τεχνητή νοημοσύνη σημειώνει αλματώδη πρόοδο, και ως εκ τούτου πολλοί είναι αυτοί που θεωρούν ότι αργά οι γρήγορα οι μηχανές θα φτάσουν τον άνθρωπο, κρίνοντας από τις επιδόσεις σε τομείς όπως η αριθμητική, παιχνίδια όπως το σκάκι, η αναγνώριση μοτίβων κ.α.
Ωστόσο, ίσως αυτή η στιγμή να είναι αρκετά πιο μακριά από ό,τι θα περίμενε κανείς, κρίνοντας από τα αποτελέσματα ερευνητών του University of Illinois υπό τον Στέλαν Όλσον, που έβαλαν κάποιες από τις ισχυρότερες τεχνητές νοημοσύνες του κόσμου να περάσουν IQ τεστ σχεδιασμένα για ανθρώπους.
Όπως αναφέρεται σε δημοσίευμα του MIT Technology Review, οι υπολογιστές όντως έχουν γίνει ισχυρότεροι μέσα στα τελευταία χρόνια, αλλά η απόσταση από τον άνθρωπο είναι ακόμα μεγάλη.
Ειδικότερα, ο Όλσον και οι άλλοι ερευνητές πέρασαν από το τεστ το ConceptNet 4, ένα σύστημα που σκοπεύει στην καλύτερη κατανόηση του γύρω κόσμου, το οποίο είναι υπό ανάπτυξη στο ΜΙΤ από τη δεκαετία του 1990.
Οι ερευνητές υπέβαλαν τις ερωτήσεις στην Τεχνητή Νοημοσύνη υπό μορφή που θα επέτρεπε την αλληλεπίδραση με τη γνώση της πάνω στον κόσμο.
Αν και τα πήγε καλά σε κάποιους τομείς όπως το λεξιλόγιο και οι ομοιότητες, τα πράγματα ήταν μέτρια στις πληροφορίες και μάλλον μη ικανοποιητικά στην κατανόηση και την ερμηνεία- για παράδειγμα, σε σε ερώτηση «γιατί σφίγγουμε τα χέρια» (shake hands) ερμήνευσε χωριστά τις δύο λέξεις και οδηγήθηκε στο συμπέρασμα της…κρίσης επιληψίας.
Επίσης, σε κάποιες άλλες περιπτώσεις, όπως όταν δόθηκαν τα στοιχεία «το ζώο αυτό έχει χαίτη αν είναι αρσενικό», «ζει στην Αφρική», «είναι μια μεγάλη καστανοκίτρινη γάτα» οι κορυφαίες πέντε απαντήσεις ήταν «σκύλος», «φάρμα», «πλάσμα», «σπίτι» και «γάτα».
Γενικότερα, το συμπέρασμα ήταν ότι το σύστημα ConceptNet πέτυχε σκορ που αντιστοιχεί στον μέσο όρο ενός τετράχρονου, αλλά είναι κάτω του μετρίου για πεντάχρονα- επτάχρονα.
Ωστόσο, όπως σημειώνεται στο δημοσίευμα, η τεχνολογία του ConceptNet 4 αντιπροσωπεύει τεχνολογία του 2012, και έκτοτε έχει σημειωθεί σημαντική πρόοδος- με βασικό κομμάτι αυτής να είναι η μετάβαση από το «knowledge gathering» στο «learning driven», που βγάζει συμπεράσματα μόνο του.
