?。?）第三個(gè)困難是人工智能系統(tǒng)沒有形成智力發(fā)展水平測試的標(biāo)準(zhǔn)輸入輸出接口。例如如圖靈測試的問題問答，IBM深藍(lán)與國際象棋大師的比賽，沃森系統(tǒng)與人類選手進(jìn)行知識(shí)比賽等時(shí)，研究人員就需要研發(fā)不同的輸入輸入接口以滿足測試需求。對(duì)于更多人工智能系統(tǒng)，在設(shè)計(jì)時(shí)往往由于只考慮到滿足工作需求，而沒有設(shè)計(jì)和開發(fā)與測試系統(tǒng)進(jìn)行完整交互的能力，如圖1.5所示。這個(gè)問題如果沒有得到解決，對(duì)于發(fā)展新的統(tǒng)一的人工智能測試也將帶來困難。

　　(4) 第四個(gè)困難是沒有關(guān)于人工智能智力發(fā)展水平的歷史測試統(tǒng)計(jì)數(shù)據(jù)。由于針對(duì)人工智能系統(tǒng)一直沒有產(chǎn)生定量分析方法，這個(gè)問題在今天依然存在。因?yàn)闅v史數(shù)據(jù)的缺失，研究者就無法繪制類似圖1.6所示的人工智能系統(tǒng)智力水平的發(fā)展示意圖，也無法將人工智能系統(tǒng)與人類智力發(fā)展水平進(jìn)行比較。因此很難定量的對(duì)未來發(fā)展趨勢(shì)進(jìn)行預(yù)測。上文我們提到Facebook人工智能實(shí)驗(yàn)室主任Yann LeCun在反駁人工智能威脅論時(shí)雖然給出了相關(guān)發(fā)展趨勢(shì)圖，但因?yàn)椴皇峭ㄟ^歷史數(shù)據(jù)預(yù)測得來，因此說服力大打折扣。