择要:针对人工智能的计量校准，阐述了其紧迫性、必要性以及可行性。
提出了2种不同的人工智能计量办理方案。
其一为根本办法，从智能的7个维度出发，分别进行措辞智能、数理逻辑智能、空间智能、肢体运动智能、音 乐智能、人际关系智能、自察智能的计量校准研究，然后，针对同时含有两种以上智能的多元智能系统，进行面向详细任务目标的综合加权，给出面对详细任务目标的智能水平定量评价结果。
其二为工程办法，从每一个详细而明确的人工智能系统入手，依据愿景目标确立评价指标体系，开展计量校准研究，终极以定量量化办法，评价系统的分项与综合智能水平。
其主导思想因此定量量化办法，评价任意智能系统的智能水平。

1、概述

人工智能(AI，artificialintelligence)的思想，自从1956年在达特茅斯(Dartmouth)被麦卡赛(JohnMcCarthy)、明斯基(MarvinMinsky)、罗切斯特(Rochester)和喷鼻香农(Shannon)等提出，经由60余年的发展变革，时至今日，已经形成为一个热点和前沿方向的代名词。

由此导致全天下的技能发展都在向智能化方向飞速挺进，智能机器人、智能翻译机、智能身份识别、智能诊断、智能网络、智能社区、智能制造、智能材料、智能武器、智能弹药、智能战士、智能飞机、智能机器、智好手表、智能交通、智能家电等等，险些人类生活的所有方面，都无处不在表示智能化发展和智能化趋势。
而且，在可以预见的将来，这种趋势将连续持续发展下去，并且更加深入持久地渗透和影响到人们的生产、生活的各个方面。

远在20世纪70年代，人工智能就与空间技能、能源技能並称为20世纪的3大尖端技能，进入新世纪后，人工智能又与纳米科学、基因工程並称为21世纪的3大尖端技能。
各大工业化国家，为了抢占未来的科技制高点，在新一轮科技竞争中占得先机，纷纭投入重兵，开启自身的有关方向的各种操持与研究。

2018年4月16日，英国议会下属的人工智能特殊委员会发布《英国人工智能发展的操持、能力与志向》(AIintheUK:Ready，willingandable?)报告，从其观点、设计、研发和其对事情、生活、医疗等领域的影响以及应对人工智能威胁、塑造人工智能未来等层面进行了系统阐述。

欧盟委员会发布了由人工智能高等专家组(AIHLEG)体例的《人工智能道德准则》(AIEthicsGuidelines)草案，指出AI的发展方向该当是「可信赖AI」，即确保这一技能的目的合乎道德，技能足够稳健可靠，从而发挥其最大的上风并将风险降到最低。
旨在为AI系统的详细履行和操作供应辅导。

2019年2月11日，美国总统Trump签署了《美国人工智能倡议》(AmericanAIinitiative)行政令，将美国人工智能技能发展上升到了国家级计策的高度。
这份倡议有5大核心要点:一是重新定向资金，哀求联邦帮助机构优先考虑人工智能投资;二是供应资源，为人工智能研究职员供应联邦数据、打算机模型和打算资源;三是建立标准，哀求美国国家标准与技能研究院制订标准，以促进“可靠、强大、安全、可移植和可交互操作的人工智能系统”的发展;四是建立人才军队，哀求各机构优先考虑学徒、技能操持和奖学金，为美国造就能够研发和利用新型人工智能技能的研发人才;五是加强国际化参与，呼吁制订国际互助计策，确保人工智能的开拓符合美国的“代价不雅观亲睦处”。

为捉住人工智能发展的重大计策机遇，构筑我国人工智能发展的先发上风，加快培植创新型国家和天下科技强国，2017年7月20日，***印发了《新一代人工智能发展方案》。
提出了面向2030年我国新一代人工智能发展的辅导思想、计策目标、重点任务和保障方法，为我国人工智能的进一步加速发展奠定了主要根本。

2018年1月18日，我国国家标准化管理委员会在北京宣乐成立国家人工智能标准化总体组和专家咨询组，卖力全面统筹方案和折衷管理我国人工智能标准化事情。

2019年3月4日，第十三届全国人大二次会议举行***发布会，已将与人工智能密切干系的立法项目列入立法规划。
2019年6月17日，国家新一代人工智能管理专业委员会发布《新一代人工智能管理原则——发展负任务的人工智能》，提出了人工智能管理的框架和行动指南。

在智能制造领域，德国首先提出了人工智能特色光鲜的工业4.0;相应地，美国提出了再工业化;中国也提出了中国制造2025，站在历史的新高度，从全局计策出发，明确我国履行制造强国计策的第一个十年的行动操持，将高档数控机床和机器人作为重点推动领域之一。
日本韩国也都将机器人和人工智能列为国家重大计策。

人工智能的意义、代价、主要性，由此可见一斑。
这也表明，人工智能已经上升为国家计策。
相应地，人工智能的计量校准面临重大行业需求。

与科技界、工业界等轰轰烈烈的人工智能运动比较，在计量测试行业一贯没有明显的应对方法，人们所从事和所方案的，仍旧是几何量、热学、力学、电磁学、无线电电子学、韶光频率、光学、声学、化学、电离辐射等10大传统方向的物理量值计量校准，其余附加了有关生物量值、医学量值等新兴领域的量值计量，正在进行事情的展开和专业的深化。
所有这些，目前都与人工智能相去甚远。
现阶段提及人工智能的计量，人们乃至都不知道该计量校准什么，以及用什么样的量值和定义来衡量人工智能，更谈不上如何实现这些量值的计量校准了。

然而，人工智能若被作为一门科学加以研究和发展，就须要探索个中的定义、范畴、领域、规律、方案，并对其进行符合性量化、差异性评估。
没有计量手段参与，将无法细化和深化，很难进步和发展。
若其被作为一种技能加以运用，其质量比较、完善程度、水平高低、效率高低、能力大小等，依然须要计量手段的衡量，以定量办法进行量化评估。
如此才能给其运用供应辅导、借鉴、参考和依据。

由此可见，不论是否困难，以及间隔当今的事情有多迢遥，人工智能的计量校准一贯是一个范例的客不雅观需求。
在未来的计量科学发展中，该当是主流方向之一。
目前，还远未达到这一地步，仅勾留在功能展示、竞技博弈、人机博弈等粗浅层面。
例如:

1997年5月，IBM公司研制的深蓝(DEEPBLUE)打算机人工智能系统降服了国际象棋大师卡斯帕洛夫(Kasparov)。
2016年以来，AlphaGo成为第一个降服围棋天下冠军的人工智能机器人。

2019年10月25至27日，中国智能机器人格斗大赛在杭州梦想小镇举办［19］，场面的热烈与火爆，正好解释了计量校准的缺失落。

本文后续内容，将紧张谈论人工智能的校准问题，试图将计量校准理念引入人工智能的计量评价中，从而寻求技能办理办法。

2、智能的有关阐述

智能，是智力和能力的总称。
个中，“智”是指进行认识活动的某些生理特点;“能”则是指进行实践活动的某些生理特点。
可以认为，智是指认知天下的能力，而能是指改造天下的能力。

智能是一种多维度的范畴观点，哈佛大学的霍华德加德纳(HowardGardner)的多元智能理论将其分为7个范畴:措辞智能、数理逻辑智能、空间智能、肢体运动智能、音乐智能、人际关系智能、自察智能。

个中，措辞智能指能有效利用音(措辞)、像(笔墨、手势、动作、图形)等表达自己的思想，并确切理解他人思想表述的能力，以及灵巧节制语音、语义、语法、语气，具备措辞思维、措辞表达、措辞欣赏，并灵巧利用措辞的能力。

数理逻辑智能指可有效打算、丈量、推理、归纳、分类，并综合利用的能力。
其包括逻辑办法和关系、陈述和主见、功能及其它干系抽象观点的敏感性。

空间智能，指准确感知听觉、嗅觉、触觉、视觉空间及周围事物，并能将觉得到的形象以三维空间坐标图型办法表达出来的能力。
个中包括对色彩、线条、形状、形式、气味、声音等的空间关系的敏感能力。

运动智能，指长于用全部或局部身体表述思想和情绪，以及灵巧制作或操作物体的能力。
包括平衡、折衷、敏捷、力量、弹性、速率、触觉等方面的能力。

音乐智能，指敏锐感知、识别和表达腔调、旋律、节奏、音色及其变革的能力。
该项智能强调的对节奏、腔调、旋律或音色的敏感性，称为音乐天赋，包括演出、创作及思考音乐的能力。

人际关系智能，指能良好理解他人并与之交往的能力。
包括觉察他人情绪情绪、体会他人觉得感想熏染、辨别他人暗示、以及做出相应反应的能力。

自察智能也表现为自认知能力，包括自我认知和自然认知。
自我认知是指有自知之明，并据此进行行为规范的能力。
包括自身的长处和短处、爱好、感情、意向、脾气、自傲、独立思考的能力。

自然认知是指对自然界中各种事物的不雅观察、体察、辨别、分类的能力。
包括好奇心、求知欲、敏锐不雅观察力、体会细微差别的能力。

从上述有关智能的7个范畴来看，目前的计量校准事情中，仅仅在声学计量的部分事情与措辞智能有一些关联，几何量计量的事情与空间智能有一定关系。
有关智能的计量校准，基本上呈现空缺状态。
其根本缘故原由，是智能从总体上说，仍旧属于潜在的能力，尚未形成任何实体或状态。
而计量校准则一贯面对的是能够看得见、摸得着、或感想熏染得到的实体和状态，对付未能形成任何实体状态的潜在能力，无法利用计量校准手段进行直接计量评价。
若想对其进行计量评价，则必须通过详细实体的变革，将其潜在的能力进行开释，然后，根据潜在能力开释的效果对其进行计量评价。

人工智能计量校准的事情之一，就该当是探求出得当的各种状态变革的标准，并将其施加给相应的人工智能系统，以其对付不同智能范畴的标准状态变革的相应情形，定量评价其相应的智能水平。

3、人工智能的发展

人工智能是研究开拓用于仿照、延伸和扩展人的智能的理论、方法、技能及运用系统的一门新的技能科学，是打算机科学的一个分支。
它试图建造出一种能与人的智能相似的办法进行事情的机器。

范例的人工智能系统包括机器人系统、图像识别系统、措辞识别系统、自然措辞处理系统和各种专家系统等。
它是一门交叉学科，是自然科学与社会科学的交叉。
所涉及的学科包括哲学、数学、认知科学、生理学、打算机科学、神全心理学、信息论、掌握论、方法论等。

人工智能的研究范畴包括知识的定义、自然感知、智能搜索、机器学习、知识的获取、模式识别、知识的分类、知识的表述和管理、知识的组合调度、知识的利用，逻辑推理、方案、逻辑程序设计及打算，模糊管理、神经网络、遗传算法、繁芜系统、人工生命等，以及打算机视觉、自然措辞理解与交互、智能机器人等。

人工智能的实质被认为是对人的思维的信息过程的仿照。
目前分为两个流派，一派为构造仿照，主攻仿人脑构造机制，希望构建出类人脑的智能机器。
相应地，一些仿生算法、仿生研究属于此类。
其余一派是功能仿照，不求内部构造和机理机制的相同，但求外特性相似，被称为工程学方法。
它紧张是通过一些形式逻辑原则，进行编程与推理打算实现，如笔墨识别、电脑下棋等，均属于该派别的成果。
工程化方法哀求逻辑严谨、推理精确、边界及全部条件已知或可控。
故面对大略问题时效率很高，但面对繁芜目标和任务时，程序繁芜冗长，一旦考虑不周，则缺点不可避免。
仿生方法逻辑原则(即仿生原则)大略明确，常日便是逻辑加优化原则，边界条件和状态不必完备已知，但要经由永劫光的构造及构造参数的学习优化确定，出发点门槛较高，但后续掩护本钱较低，具有自学习、自适应、自完善特色。

人们也将人工智能分为强人工智能(Bottom-upAI)和弱人工智能(Top-downAI)两种。
那些被认为有知觉和自我意识、并能真正推理和解决问题的智能机器系统，属于强人工智能范畴，也是人工智能的终极愿景。

弱人工智能不雅观点则认为，机器永久不可能拥有人一样的自我知觉意识、推理和解决问题的能力，仅是表象看起来象而已。

例如，到目前为止，人工智能最主要的根本进展，是维纳(NorbertWiener)从理论上证明了，所有智能行为都是反馈机制作用的结果［26］。
其它方面，都是零散的、凌乱的。
例如，人们开拓出了机器视觉，用于指纹、人脸、虹膜等的识别;制造了机器手，用于抓取、搬运、移动物体;研发了措辞识别系统、机器翻译系统，用于多种措辞互译;研发了各种仿生算法，用于进行建模、推理、搜索和数据挖掘;发明了机器学习算法，用以进行知识和履历的积累。
发明了具有自主运动掌握系统功能的机器人系统，用以完成特界说务;研究了知识表示方法，并构建了知识知识库等。

只管人工智能经由60余年的发展取得了很大进步，但仍旧处于相对低级的阶段，与全面仿照人的智能的状态与水平相去甚远，多数情形下，仅仅是模拟人的某一方面的部分能力。
纵不雅观人工智能的发展进程，正是如此。

4、人工智能的计量评价

4.1发展现状

由于人工智能所涉及的数理逻辑、机器翻译、智能掌握、专家系统、措辞和图像理解、自动程序设计等等，均属于计量范畴之外的事物，导致人工智能一贯都游离于计量校准范畴之外，在人工智能中，人们须要计量校准什么?以及用哪些定量的指标来定量描述人工智能?均是尚无明确、统一共识的问题，此外，用哪些方法和手段计量校准人工智能的功能、性能、发展水平，是人们所极为关注的。

实际上，人们提到人工智能的计量校准，也是指对人工智能系统的计量校准，而非分开了硬件系统之外的任何其它。

有关人工智能系统的计量校准，已经有了一些先期探索性的考试测验。

美国国家标准技能研究院(NIST)于2019年5月30日举办了人工智能标准研讨会，谈论推动了联邦参与人工智能标准操持的制订，制订相应的开拓技能标准和干系工具的操持，以支持AI技能的可靠发展。
该类事情，将从定义和标准上推进人工智能的计量进程。

日本经济家当省的家当技能综合研究所在2015年5月新设立的人工智能研究中央AIRC(ArtificialIntelligenceResearchCenter)，研究范围包括AI算法(Algorithm)、大数据(BigData)以及打算(Computing)，既涉及最根本的AI理论研究，也包括打算机视觉、自然措辞处理等偏运用的研究，同时还有打算及举动步伐的搭建。
该类研究，将从公共根本方面推进人工智能的计量技能进步。

4.2根本办法

由于人工智能的全部发展思想都是在模拟人的智能效果而展现的，其计量校准的基本办法，可以从人的智能的7个维度依次展开，即分别开展措辞智能、数理逻辑智能、空间智能、肢体运动智能、音乐智能、人际关系智能、自察智能等的计量校准有关的定义、观点、指标体系、理论体系、方法体系、技能体系研究，设立终极愿景目标，以定量的计量结果和人工判据，给出计量结论。

针对措辞智能的计量问题，定义和构建标准措辞(语音、语气、语义、语法)知识库，建立标准指标体系，发展措辞智能水平评价方法，以定量办法评价措辞智能水平。

针对数理逻辑智能的定量计量评价，定义指标体系，确立逻辑运算法则，分类逻辑空间维度，发展数理逻辑智能水平评价方法，以定量量化办法评价数理逻辑智能水平。
包括数据挖掘、知识积累、机器学习。

针对空间智能的定量计量评价，定义指标体系，分类空间维度，定义空间变换，展现空间变革态势与规律，发展空间智能水平评价方法，以定量量化办法评价空间智能水平。

针对肢体运动智能的定量计量评价，定义指标体系，确立肢体运动规则，分类肢体运动空间维度，展现肢体运动变革态势与规律，发展肢体运动智能水平评价方法，以定量量化办法评价肢体运动智能水平。

针对音乐智能的定量计量评价，定义指标体系，分类音乐维度，展现腔调、旋律、节奏、音色及其变革态势与规律，确立评价准则，发展音乐智能水平评价方法，以定量量化办法评价音乐智能水平。

针对人际关系智能的定量计量评价，定义指标体系，分类人际关系维度，展现感情情绪、觉得感想熏染、昭示暗示、反应程度等变革态势与规律，发展人际关系智能水平评价方法，以定量量化办法评价人际关系智能水平。

针对认知智能的定量计量评价，定义指标体系，确立认知智能定量评价规则，分类认知智能空间维度，展现认知变革与规律。
包括自身长处和短处、爱好、感情、意向、脾气、自傲、独立思考的认知能力，好奇心、求知欲、不雅观察力、细微差别识别能力。
以及事物的不雅观察、体察、辨别、分类能力。
发展认知智能水平评价方法，以定量量化办法评价认知智能水平。

4.3工程办法

由于人工智能的发展并非一挥而就，而是由浅入深、由低到高的逐渐发展过程。
相应地，其计量校准也可以遵照同样的规律进行，无需贪大求全，而是针对一个个详细的人工智能系统分别设计、构建、完善、发展。

例如，针对人工智能特色的机器手的计量校准，人们可以按照其愿景目标所涉及的指标，如抓握力值范围、空间移动范围及精度、移动速率及加速度、施放速率及加速度、运行轨迹及变革的繁芜程度、自平衡性、自稳定性、复现能力、重复能力平分歧方面的指标参数，以定量办法进行计量评价，终极给出总体结论。

针对具有行走智能的行走机器人的计量校准，人们可以按照愿景目标所涉及的指标，如走、跑、跳、翻滚，步幅、步速、步态，高下坡、高下楼梯、拐弯避障、波折路面等各种情形下的平衡性、速率及加速度、启停速率、稳定程度、摇摆角度、受滋扰后的自我规复能力、跌倒后自主规复行走能力等各个方面性能，进行定量计量评价。

针对人机对弈这类人工智能系统，如深蓝(DeepBlue)、阿尔法狗(AlphaGo)，以数理逻辑推理见长，其计量评价事情，首先要评定和判断其是否适应和胜任目标事情，其次是在能胜任目标事情的条件下，针对确定任务目标完成所用的能效韶光比，表示其智能水平高低。
即在相同的韶光下，打算所花费的能量越少(运算步骤越少)，能效越高，智能水平越高;在能效相同的条件下，打算所用韶光越短，智能水平越高。

针对机器视觉系统，以空间感知及表述为愿景目标，其计量评价事情，应首先利用一系列标准的模型，包括三维空间模型及场景，静、动态变革态势及规律。
通过这些模型的识别及表述与真实状况的同等性及差异性，跟踪感知速率、加速度等，定量评价其智能水平。

针对各种目标明确而详细的专家系统，以其详细任务的愿景目标为特色工具，开展计量性研究，通过对其系统性技能指标体系，定量评价其智能水平。

5、总体计量

当存在两种以上智能时，人工智能变成了多元智能或多维智能，其计量校准将包括它们如何进行总体评价或综合评价问题。
详细做法将包括不同智能的各自计量校准，以及面向不同详细目标任务时，不同维度智能的维度分类判别，加权合成，问题细化归类等各个方面。
末了给出一个总体判断结果或总体结论性依据。
即智能水平高低的单一化定量评估结果。
最有可能的综合计量结果，将是针对某一详细目标任务时，在胜任目标任务情形下，其所花费的韶光与能效之比。
相同韶光下，其能效越高，耗能越少，智能水平越高;相同能效水平下，所用韶光越短，智能水平越高。

关于能效水平，对付详细任务目标的运算而言，利用折合成加法运算次数是一种可行的选择，运算次数多者显然能效水平低。

6、谈论

实际上，有关人工智能，一贯存在几个有争议的问题:

1)人工智能能否被计量校准?

2)若能，则应校准哪些内容?

3)如何校准人工智能?作甚标准?溯源到哪些基本量?

4)如何给出人工智能的校准结果?

首先，人工智能虽然称为智能，但也不是凭空存在的，一定须要一个载体。
以是，人工智能的计量校准，实际上是指人工智能系统智能特性的计量校准。
斯坦福大学的NilsJohnNilsson教授曾经对人工智能做过一个定义:“人工智能是关于知识的学科———是若何表示知识、若何得到知识并利用知识的科学”，是非常有道理的。
若何表示知识，包括进行一些基本观点的定义，一些基本的数学物理逻辑及其运算和蜕变法则，形成观点和数理逻辑法则库。
其余有一些确切勉励相应特性的因果关系模型，则作为知识被保留和表述，形成知识库。
系统得到知识的渠道是从大量数据事宜等分类、剖析，筛选出具有明确因果关系的事宜，并将其因果关系并入知识库，从而完成一次知识积累和智能系统学习发展过程。
其知识库源于数据库，但又不等同于数据库。
数据库弘大、原始、丰富，而知识库间接、小巧，便于高效快捷运用。
知识的利用，紧张是定义、知识库、数理逻辑的灵巧利用。

人工智能系统的计量校准，既可以是针对明确而详细目标的外在勉励相应特性的计量校准，也可以是上述内在特性的计量校准，包括其自身资源的计量评价:1)主不雅观自身的先资质本;如硬件资源，定义、观点资源，数理逻辑资源，因果关系知识库资源等;2)通过学习得到并增加到因果关系知识库的累加资源;3)综合、整合、运用知识资源的权重、法则、习气、前辈性评价;4)主客不雅观互动的适应性、应变能力(任务导航、制导特性，勉励反馈特性)等的定量评价。
这些内在特性，从内在方面表示了系统的人工智能水平。
当然，其完全性实现难度更大些，更适宜人工智能系统的研制者和生产厂家利用。
个中，这些内在特性的计量评价，可能更须要首先对人工智能系统进行计量性设计才能实现。

7、结论

综上所述可见，人工智能的计量校准紧张指人工智能系统的计量校准，在良好的计量性设计条件下，可望通过人工智能的计量校准手段对其智能水平进行定量评价。
除此以外，竞赛法则也是可行的评价办法之一，但不足全面和彻底，某一方面的单一上风即可能得到竞赛的良好，但不能担保其它运用的效果良好。
本文所述内容，是对付人工智能在计量技能发展的一种提示与期待，希冀适应AI的发展潮流，意在促进行业的发展和技能的进步。