在人工智能技術(shù)的飛速發(fā)展下，一個(gè)令人啼笑皆非的現(xiàn)象悄然興起：每當(dāng)有新的視頻生成器問(wèn)世，網(wǎng)絡(luò)上總會(huì)出現(xiàn)一段威爾·史密斯享用意大利面的視頻。這一場(chǎng)景，似乎成了新技術(shù)試金石，用以檢驗(yàn)AI能否以假亂真，重現(xiàn)史密斯大快朵頤的瞬間。TechCrunch對(duì)此進(jìn)行了詳細(xì)報(bào)道，指出這一現(xiàn)象已超越了簡(jiǎn)單的網(wǎng)絡(luò)迷因，成為了衡量AI視頻生成能力的非正式標(biāo)準(zhǔn)。
有趣的是，史密斯本人也于二月通過(guò)Instagram回應(yīng)，親自模仿了這一場(chǎng)景，加入了這場(chǎng)由AI引發(fā)的網(wǎng)絡(luò)狂歡。但這僅僅是2024年人工智能領(lǐng)域眾多奇特“民間”評(píng)測(cè)標(biāo)準(zhǔn)中的一個(gè)縮影。早前，一位16歲的開(kāi)發(fā)者創(chuàng)建了一款應(yīng)用，讓AI操控《我的世界》游戲，以此測(cè)試其建筑設(shè)計(jì)的智慧。同時(shí)，英國(guó)一位程序員也搭建了一個(gè)平臺(tái)，讓AI在“你畫我猜”和“四子棋”等游戲中展開(kāi)對(duì)決，進(jìn)一步探索AI的娛樂(lè)潛能。
盡管人工智能領(lǐng)域不乏專業(yè)的性能測(cè)試，但這些略顯古怪的測(cè)試方式卻意外走紅。原因在于，許多專業(yè)的AI基準(zhǔn)測(cè)試對(duì)于普通大眾而言，顯得過(guò)于深?yuàn)W難懂。企業(yè)常常強(qiáng)調(diào)AI在解決奧林匹克數(shù)學(xué)難題或博士級(jí)別問(wèn)題上的能力，然而，大多數(shù)人使用聊天機(jī)器人的目的，僅僅是進(jìn)行日常對(duì)話或回復(fù)郵件，這些高深的測(cè)試與他們的實(shí)際需求相去甚遠(yuǎn)。
即便是行業(yè)內(nèi)廣泛采用的評(píng)測(cè)方法，也并非盡善盡美。以備受關(guān)注的“聊天機(jī)器人競(jìng)技場(chǎng)”為例，該平臺(tái)允許網(wǎng)絡(luò)用戶對(duì)AI在特定任務(wù)上的表現(xiàn)進(jìn)行評(píng)分，如開(kāi)發(fā)網(wǎng)頁(yè)應(yīng)用或生成圖像。然而，參與評(píng)分的用戶大多來(lái)自人工智能和科技行業(yè)，他們的投票往往基于個(gè)人偏好，缺乏代表性，這使得評(píng)測(cè)結(jié)果的公正性和普適性受到質(zhì)疑。
相比之下，“四子棋”、“我的世界”以及“威爾·史密斯吃面條”等另類基準(zhǔn)測(cè)試，雖然缺乏嚴(yán)謹(jǐn)性，卻因其娛樂(lè)性和易理解性而廣受歡迎。當(dāng)然，這些測(cè)試也存在局限性，AI在某一任務(wù)上的出色表現(xiàn)，并不能直接反映其在其他任務(wù)上的能力。例如，能夠完美生成“威爾·史密斯吃面條”視頻的AI，未必能準(zhǔn)確生成漢堡的圖像。
