人工智能爆发的今天，特别是AlphaGo 战胜了人类，获得了世界冠军，这让大家有些困惑，甚至是恐慌，人工智能会不会超越人类，甚至成为主宰？关于这个问题众说纷纭。包括霍金、马斯克在内的很多人提出了人工智能威胁论。如果要在科学上解决这个问题，我们需要找到一个定量的方法，去分析人工智能与人类智力的发展水平。最著名的人工智能测试是图灵测试。
但图灵测试主要是评价一个智能系统能否达到人类的智能水平，并不能够定量分析智能系统与人类智能的关系。
从2012年左右开始，我和科学院的石勇教授、刘颖教授对这个问题进行了持续研究，试图寻找一个新的能够定量分析这个问题的方法。当时判断整个互联网正向着与人类相似的类大脑结构进化的方向发展，并提出了这个模型。在2012年的时候，我们最初希望去测试一个类大脑系统的智商。但是经过两年的研发，最终从类大脑系统的智能智商评测转变成AI通用的智商评测，这个转化包含了互联网和人工智能关系。
为什么在很长时间里没有关于AI定量的分析？主要面临两个困难，第一是人工智能系统没有形成统一的模型，第二就是人工智能系统与以人类为代表的生命体之间没有形成统一的模型。通俗地说，人类和AlphaGo机器人、IBM的Watson系统等很多的智能系统之间没有一个统一的模型，告诉我们在智能方面有什么共性。没有这样的模型，就没有办法持续深入下去做定量分析，然后评判到底谁优谁劣。
基于前沿研究，我们团队在2014年发表了第一篇论文，提出了标准的智能模型，认为任何一个智能模型同时具备知识的输入、输出、掌握和创新能力。任何一个智能体是这四个方面的组合，只是能力强弱不同而已。比如老鹰看的更远，它识别的更清晰。像IBM的Waston系统掌握常识能力很强，这就是为什么跟人类的对抗里面它能获胜。
AlphaGo 也是这样，在人类特定的规则之下，它掌握了规则并战胜人类，这也是一种知识掌握的能力。更为重要的是创新能力。
如果把智慧模型和著名的冯诺依曼架构做了关联，可以看到以红线划出来的方框。给冯诺依曼架构加上创新发生器和云端共享知识库，冯诺依曼架构就可以从计算机的模型、AI模型转变成把人类囊括进去的模型。基于以上的研究，我们在2014年发表的论文里面，基于标准智能模型四个大的领域，又模仿、学习韦克斯勒的结构，把它又拆分成20多个智慧的子系统。
在2014年和2016年，我们分别对像Google系统、Siri系统，还有6岁儿童、12岁少年、18岁的成人进行了测试。当时测试的人工智能系统比较多，只列出了前十位的名单。大家可以看到，2016年人工智能增长确实比较快，但是跟6岁的儿童相比依然有相当的差距。两年的测试过程显示，虽然人工智能有很快的增长，但是在最重要的知识创新领域，依然进展非常缓慢。
如果对AlphaGo进行综合智商评测，它的得分非常低。我们所表达的含义，就是从科学的角度看，人工智能想威胁到人类其实还非常远。我们的这项研究在2017年10月份也得到世界范围内的关注，像麻省理工科技评论、CNBC以及日本、欧洲和中东的媒体，对这项研究给予了报道。但是这项研究依然处于起步的阶段，它背后包括大量的科学问题还需要我们探索，希望将来能把最新的进展向大家进行汇报。