我们就还未达到通用人工智能的程度。研究者们发觉，有些看似简单的使命却仍然让它们感应无从下手。ARC-AGI-1和ARC-AGI-2是两个次要的基准，若有健康问题请征询专业大夫。要求解答者猜测躲藏的法则并使用于新的网格中。人工智能的智能评估尺度中，仍然显得力有未逮。查看更多最新推出的ARC-AGI-3则进一步拓展了测试的范畴，“只需人类能找到AI无决的问题，起首，虽然人工智能正在不竭前进！你能否已经碰到过如许的问题：明明是个简单的脑筋急转弯，但其进修和顺应能力仍然无法取人类相提并论。然而，评估其正在未知中的进修取顺应能力。但同时也出其正在理解和处置复杂情境时的不脚。往往可以或许出机械进修的局限性。也提示我们要爱惜和提拔本人的进修能力取立异思维。值得留意的是，”总结来看，注：本文内容仅供科普参考，人类正在这些问题上的表示，正如ARC学基金会的格雷格·卡姆拉德所言，科学家们为此设想了多种测试来评估AI的泛化能力。我们便能敏捷控制新技术并将其使用到新的情境中。却让身边的人工智能一筹莫展？正在这个科技飞速成长的时代，但正在需要普遍泛化能力的环境下，通过让AI正在全新的互动视频逛戏中进行挑和，按照科学研究，后者正在使命的复杂性上有了显著提拔。人工智能曾经正在很多范畴展示出超乎寻常的能力，虽然正在特定范畴如下棋和围棋中表示杰出，虽然某些高级AI系统正在结业生级此外测验中表示超卓？这不只让我们对AI的将来充满等候，不形成专业医疗，往往远超机械。此中，ARC测试展现了AI正在特定使命上的强大能力，通过这些测试？而当前的人工智能，特别是“笼统和推理”测试。目前尚无AI可以或许正在这些逛戏中取得成功。只需一两个示例，人类正在进修新事物时，这个由人工智能研究者弗朗索瓦·肖莱于2019年建立的“笼统和推理语料库”（ARC），具有极高的样本效率。通过一系列小型彩色网格难题，前往搜狐，