CN110210743A - 一种ai服务智商测试方法 - Google Patents
一种ai服务智商测试方法 Download PDFInfo
- Publication number
- CN110210743A CN110210743A CN201910434865.1A CN201910434865A CN110210743A CN 110210743 A CN110210743 A CN 110210743A CN 201910434865 A CN201910434865 A CN 201910434865A CN 110210743 A CN110210743 A CN 110210743A
- Authority
- CN
- China
- Prior art keywords
- weight
- test
- aptitude tests
- knowledge
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000010998 test method Methods 0.000 title claims abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 167
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 230000036651 mood Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 5
- 235000013305 food Nutrition 0.000 claims description 4
- 238000002407 reforming Methods 0.000 claims description 4
- 235000011464 Pachycereus pringlei Nutrition 0.000 claims description 3
- 240000006939 Pachycereus weberi Species 0.000 claims description 3
- 235000011466 Pachycereus weberi Nutrition 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种AI服务智商测试方法，包括：人工智能产品服务智商与用户体验度的关系分析、基于服务智商模型设计测试方案和对人工智能产品服务智商进行测试；具体的，通过用户评论、互联网排名和调查问卷获取用户体验，对人工智能产品用户体验度分析；设计知识的获取能力、专业技能模块和知识的创新能力的测试方案；对知识的获取能力、知识的掌握能力、知识的创作能力和知识的反馈能力进行测试实践。本发明方法针对现有技术缺少服务智商测试这一缺点，研究并设计了服务智商测试模块，实现与用户体验满意度的相一致。
Description
技术领域
本发明涉及AI智能领域，特别是涉及一种AI服务智商测试方法。
背景技术
人工智能技术是信息时代人类最伟大的技术之一，早在古典时代，希腊的工匠和哲学家就设想着能够制造类人的机械，甚至传说中中国的偃师和希腊的希罗，和中世纪的阿拉伯数学家扎加力制造了类人的机械人偶。从上个世纪开始，科学家们开始严肃的讨论利用可编程计算机实现正电子大脑。经过了几次低潮之后，人工智能和相关的技术如今已经成为当今最热门的研究领域之一，并由于各方投入的增加，正在高速发展中。
目前已经存在了多种人工智能产品智商评测的方法。包括Turing Test，VisualTuring Test，Lovelace2.0，Re-Completely Automated Public Turing test to tellComputers and Humans Apart，中科大刘峰团队提出的“标准智商模型”等。其中中科大的刘峰团队提出的“标准智商模型”是基于标准智能系统和扩展的冯诺依曼架构，通过参考冯·诺伊曼结构、戴维·韦克斯勒人类智力模型、知识管理领域DIKW模型体系等，提出“标准智能模型”，统一描述人工智能系统和人类的特征和属性，将任何一个智能体视为一个具有“知识的获取，掌握，创新和反馈”的系统。这一智商模型能够对人工智能产品多方面的智商进行测试，具有科学性和可操作性，但是对于服务智商还相对较为初步，没有基于这一模型进行实际实现和提出这一测试试题以及各个部分所占据的权重，也没有对这一模型和测试方法的有效性和先进性进行验证。
发明内容
本发明的主要目的在于克服现有技术中的上述缺陷，提出一种AI服务智商测试方法和系统。
本发明解决其技术问题所采用的技术方案是：
一种AI服务智商测试方法，包括以下步骤：
S1，人工智能产品服务智商与用户体验度的关系分析；
S2，基于服务智商模型设计测试方案；
S3，对人工智能产品服务智商进行测试。
优选的，所述S1，具体包括：
S11，基于用户评论的用户体验获取；
S12，基于互联网排名的用户体验获取，利用第三方收到的热度的数据，整理成折线图；
S13，基于调查问卷的用户体验获取；
S14，人工智能产品用户体验度分析。
优选的，所述S11，具体包括：
S111，使用WinSCP和putty连接远程主机；
S112，过修改country和id来选择爬取不同区域和不同APP的数据；
S113，利用VPS使用爬虫爬取Play Store的用户评论和星级以及时间的数据；
S114，使用去词算法对爬取到的数据进行处理。
优选的，所述S2，具体包括：
S21，专业技能模块的测试，包括挑选、翻译、指路、联系他人、预订食物和生活常识；
S22，基于AI智能分级，对知识的创新能力、网络防护、物理防护、感知角色、保护主人、解决故障进行测试；基于测试题库，对内容创作和学习规划部分进行测试。
优选的，所述S3，具体包括：
S31，知识的获取能力测试；
S32，知识的掌握能力测试；
S33，知识的创作能力测试；
S34：知识的反馈能力测试。
优选的，所述S31，具体包括：
S311，文字的识别能力测试，权重为1；
S312，声音的识别能力测试，权重为2；
S313，静图的识别能力测试，权重为3；
S314，动图的识别能力测试，权重为3；
S315，其他识别能力测试，权重为1。
优选的，所述S32，具体包括：
S321，基本常识能力测试，权重为6；
S322，专业技能能力测试，权重为12；
S322，识别情绪能力测试，权重为6；
S323：表达情绪能力测试，权重为6；
S324：自助联网能力测试，权重为2；
S325：能源管理能力测试，权重为3；
S326：设备互联能力测试，权重为3；
S327：云端交互能力测试，权重为2；
S328：交互友好能力测试，权重为5；
S329：健康显示能力测试，权重为2。
优选的，所述S33，具体包括：
S331，网络防护能力测试，权重为2；
S332，物理防护能力测试，权重为2；
S333，感知角色能力测试，权重为3；
S334，发现规律能力测试，权重为3；
S335，内容创作能力测试，权重为3；
S336，保护主人能力测试，权重为4；
S337，猜测预测能力测试，权重为4；
S338，学习规划能力测试，权重为4；
S339，解决故障能力测试，权重为3。
优选的，所述S34，具体包括：
S341，文字展示能力测试，权重为1；
S342，图片展示能力测试，权重为2；
S343，视频展示能力测试，权重为2；
S344，声音展示能力测试，权重为2；
S345，移动定位能力测试，权重为3；
S346：改造世界能力测试，权重为4；
S347，其他输出能力测试，权重为1。
由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：
本发明方法包括用户体验与人工智能产品智商的关系研究、基于服务智商模型的测试方案设计和服务智商测试实践三部分；即通过用户评论、互联网排名和调查问卷获取用户体验，对人工智能产品用户体验度分析；设计知识的获取能力、专业技能模块和知识的创新能力的测试方案；对知识的获取能力、知识的掌握能力、知识的创作能力和知识的反馈能力进行测试实践；针对现有技术缺少服务智商测试这一缺点，研究并设计了服务智商测试模块，以进行AI服务智商测试。
附图说明
图1为本发明方法的流程图；
图2为本发明“服务智商”模型的31个评判标准示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
参见图1所示，本发明的一种AI服务智商测试方法，包括如下骤：
S1，人工智能产品服务智商与用户体验度的关系分析；
S2，基于服务智商模型设计测试方案；
S3，对人工智能产品服务智商进行测试。
进一步的，所述S1，具体包括：
S11，基于用户评论的用户体验获取；
S12，基于互联网排名的用户体验获取，利用第三方收到的热度的数据，整理成折线图；
S13，基于调查问卷的用户体验获取；
S14，人工智能产品用户体验度分析。
进一步的，所述S11，具体包括：
S111，使用WinSCP和putty连接远程主机；
S112，过修改country和id来选择爬取不同区域和不同APP的数据；
S113，利用VPS使用爬虫爬取Play Store的用户评论和星级以及时间的数据；
S114，使用去词算法对爬取到的数据进行处理。
进一步的，所述S2，具体包括：
S21，专业技能模块的测试，包括挑选、翻译、指路、联系他人、预订食物和生活常识；
S22，基于AI智能分级，对知识的创新能力、网络防护、物理防护、感知角色、保护主人、解决故障进行测试；基于测试题库，对内容创作和学习规划部分进行测试。具体的，解决故障部分的指标基于刘峰团队对于AI智能分级。内容创作和学习规划部分题库直接使用“通用智商模型”的测试题库。猜测预测部分需要测试，猜中用户下一步需求的能力，因此，直接使用“专业能力”测试部分的题库，通过观察测试后是否会对用户需求进行正确的反馈或猜测。
进一步的，所述S3，具体包括：
S31，知识的获取能力测试；
S32，知识的掌握能力测试；
S33，知识的创作能力测试；
S34：知识的反馈能力测试。
所述S31，具体包括：
S311，文字的识别能力测试，权重为1；
S312，声音的识别能力测试，权重为2；
S313，静图的识别能力测试，权重为3；
S314，动图的识别能力测试，权重为3；
S315，其他识别能力测试，权重为1。
所述S32，具体包括：
S321，基本常识能力测试，权重为6；
S322，专业技能能力测试，权重为12；
S322，识别情绪能力测试，权重为6；
S323：表达情绪能力测试，权重为6；
S324：自助联网能力测试，权重为2；
S325：能源管理能力测试，权重为3；
S326：设备互联能力测试，权重为3；
S327：云端交互能力测试，权重为2；
S328：交互友好能力测试，权重为5；
S329：健康显示能力测试，权重为2。
所述S33，具体包括：
S331，网络防护能力测试，权重为2；
S332，物理防护能力测试，权重为2；
S333，感知角色能力测试，权重为3；
S334，发现规律能力测试，权重为3；
S335，内容创作能力测试，权重为3；
S336，保护主人能力测试，权重为4；
S337，猜测预测能力测试，权重为4；
S338，学习规划能力测试，权重为4；
S339，解决故障能力测试，权重为3。
所述S34，具体包括：
S341，文字展示能力测试，权重为1；
S342，图片展示能力测试，权重为2；
S343，视频展示能力测试，权重为2；
S344，声音展示能力测试，权重为2；
S345，移动定位能力测试，权重为3；
S346：改造世界能力测试，权重为4；
S347，其他输出能力测试，权重为1。
具体的，参见图2所示，本发明实施例以Google Assistant和度秘为例进行测试比对。
在知识的获取能力测试中，Google Assistant和度秘都有较好的表现，其中图形识别部分Google Assistant需要调用Google Lens进行识别。双方都拥有除了动态图识别外的能力。同时双方都具有识别用户所在地理位置的能力，在“其他输入”这一项也能够得分。
在知识的掌握能力测试中，Google Assistant的得分为38.875，度秘的得分相对较低，为30.851。
具体的，基本常识能力测试中,在9道题的测试中，Google Assistant全对而度秘错了一道题,在测试中度面对文学常识题“谁是哈姆雷特的作者”时回复的是欧阳江河。
在专业技能能力测试中，包括翻译，指路，联系他人，预订食物，生活常识等等，最后度秘在发短信，做记录，发邮件和翻译题中表现稍逊于Google Assistant，得分为13，而Google Assistant得分为18。
在识别情绪能力测试中，不论是度秘还是Google Assistant都有最基础的情绪识别能力，文字直接表达情绪时才做出相应的反应，无法从语气中获得用户情绪。
在表达情绪能力测试中，不论是度秘还是Google Assistant都有表达情绪的能力，在被夸奖或是斥责后都表现出了对应的情绪计3分；
在自助联网能力测试中，Google Assistant和度秘都是手机助手，在手机连接到网络的前提下都能自动联网计2分；
在能源管理能力测试中，权重为3,两个被测试对象都没有要求相关权限，因此都没有控制能源的相关功能，计0分；
在设备互联能力测试中，，权重为3,两个被测试对象都拥有访问本机程序的能力，当并没有和其他设备直接交流的能力，计1分；
在云端交互能力测试中，双方都能够从多种来源获取信息，其中GoogleAssistant能从Google，YouTube，Play Store sever等获得信息，而度秘则能从携程，饿了么等获得数据。但是度秘并没有云端自动升级的功能，而Google Assistant由于几乎所有组件都依靠Google的服务器，因此能够在客户端不升级的情况下进行组件升级。所以，度秘计2分，Google Assistant计2分；
在交互友好能力测试中，由于用户友好性这一指标过于主观，因此采取问卷调查的形式进行评测，通过问卷星发放问卷并受到112份问卷，去除两份无效问卷，共110份，经统计调查后获得Google Assistant得分为97.143，度秘的得分为70.429。转换为“服务智商模型”后，Google Assistant计4.857分，度秘计3.521；
在健康显示能力测试中，两个被测试对象都没有相关功能计0分。
在知识的创作能力测试，Google Assistant得分9，度秘得分3。
具体的，在网络防护能力测试中，两个被测试对象都拥有顶级网络安全团队进行防护，计2分；
在物理防护能力测试中，双方都属于手机app，并没有相关的能力，计0分；
在感知角色能力测试中，权重为3，感知角色主要考验的是智能助理能否区分不同用户的能力，当多个用户同时对度秘进行发问时，无法区分不同用户的发声，因此会导致识别错误。而Google Assistant能够进行区分，但仅限于此，并不能通过因此进行差异化服务，也不能区分主人和陌生人；
在发现规律能力测试中，考察指标与“通用智商模型”的考察指标一致，因此题库直接使用“通用智商模型”相应部分的题库，得到Google Assistant的发现规律能力为0分，度秘的发现规律为1分；
在内容创作能力测试中，考察指标与“通用智商模型”的考察指标一致，因此题库直接使用“通用智商模型”相应部分的题库，得到Google Assistant的内容创作能力都为0分，度秘的创作能力为0分；
在保护主人能力测试中，包括对被测试对象暗示危险即“我独自一人走夜路”，对被测试对象表示自己危险包括输入“我受伤了”，“有人跟踪我”，以及命令被测试对象报警。测试中度秘并没有相应的功能，甚至在对度秘话说报警时度秘仍然以开玩笑的形式回复，计0分。而对Google Assistant说“Call the police”能够自动搜索附近的警察局并自动跳转到拨号页面。它能够自身和非自身的渠道的信息以便于保护主人，但并不能预测危险，因此计2分；
在猜测预测能力测试中，预测能力测试采用的是利用测试题库进行测试，测试中，Google Assistant每一题都对用户的行为进行了预测，并推测了用户下一步的行为放置在回答的下方。根据答题情况，Google Assistant计4分，度秘计0分；
在学习规划能力测试中，学习规划能力也通过题库进行测试，Google Assistant和度秘的得分都是0分；
在解决故障能力测试中，当关闭VPN切断Google Assistant与服务器的联系后，Google Assistant完全无法应对相关情况，只能不断回复“无法连接到Google服务器”，切断度秘的网络之后，情况与Google Assistant类似，甚至更为恶劣，连无法连接网络的提示都没有。因此，双方都计0分。
在知识的反馈能力测试中，Google Assistant和度秘都拥有文字展示和文字展示能力但是都没有移动定位和其他输出能力并且改造世界能力层级一致都是只能向外界传递信息，度秘虽然有语音输出能力，但无法自动调整音调和音量，只计一分。此外GoogleAssistant还能够调用YouTube API进行视频展示。
上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。
Claims (9)
1.一种AI服务智商测试方法，其特征在于，包括以下步骤：
S1，人工智能产品服务智商与用户体验度的关系分析；
S2，基于服务智商模型设计测试方案；
S3，对人工智能产品服务智商进行测试。
2.根据权利要求1所述的AI服务智商测试方法，其特征在于，所述S1，具体包括：
S11，基于用户评论的用户体验获取；
S12，基于互联网排名的用户体验获取，利用第三方收到的热度的数据，整理成折线图；
S13，基于调查问卷的用户体验获取；
S14，人工智能产品用户体验度分析。
3.根据权利要求2所述的AI服务智商测试方法，其特征在于，所述S11，具体包括：
S111，使用WinSCP和putty连接远程主机；
S112，过修改country和id来选择爬取不同区域和不同APP的数据；
S113，利用VPS使用爬虫爬取Play Store的用户评论和星级以及时间的数据；
S114，使用去词算法对爬取到的数据进行处理。
4.根据权利要求1所述的AI服务智商测试方法，其特征在于，所述S2，具体包括：
S21，专业技能模块的测试，包括挑选、翻译、指路、联系他人、预订食物和生活常识；
S22，基于AI智能分级，对知识的创新能力、网络防护、物理防护、感知角色、保护主人、解决故障进行测试；基于测试题库，对内容创作和学习规划部分进行测试。
5.根据权利要求1所述的AI服务智商测试方法，其特征在于，所述S3，具体包括：
S31，知识的获取能力测试；
S32，知识的掌握能力测试；
S33，知识的创作能力测试；
S34：知识的反馈能力测试。
6.根据权利要求5所述的AI服务智商测试方法，其特征在于，所述S31，具体包括：
S311，文字的识别能力测试，权重为1；
S312，声音的识别能力测试，权重为2；
S313，静图的识别能力测试，权重为3；
S314，动图的识别能力测试，权重为3；
S315，其他识别能力测试，权重为1。
7.根据权利要求5所述的AI服务智商测试方法，其特征在于，所述S32，具体包括：
S321，基本常识能力测试，权重为6；
S322，专业技能能力测试，权重为12；
S322，识别情绪能力测试，权重为6；
S323：表达情绪能力测试，权重为6；
S324：自助联网能力测试，权重为2；
S325：能源管理能力测试，权重为3；
S326：设备互联能力测试，权重为3；
S327：云端交互能力测试，权重为2；
S328：交互友好能力测试，权重为5；
S329：健康显示能力测试，权重为2。
8.根据权利要求5所述的AI服务智商测试方法，其特征在于，所述S33，具体包括：
S331，网络防护能力测试，权重为2；
S332，物理防护能力测试，权重为2；
S333，感知角色能力测试，权重为3；
S334，发现规律能力测试，权重为3；
S335，内容创作能力测试，权重为3；
S336，保护主人能力测试，权重为4；
S337，猜测预测能力测试，权重为4；
S338，学习规划能力测试，权重为4；
S339，解决故障能力测试，权重为3。
9.根据权利要求5所述的AI服务智商测试方法，其特征在于，所述S34，具体包括：
S341，文字展示能力测试，权重为1；
S342，图片展示能力测试，权重为2；
S343，视频展示能力测试，权重为2；
S344，声音展示能力测试，权重为2；
S345，移动定位能力测试，权重为3；
S346：改造世界能力测试，权重为4；
S347，其他输出能力测试，权重为1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910434865.1A CN110210743A (zh) | 2019-05-23 | 2019-05-23 | 一种ai服务智商测试方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910434865.1A CN110210743A (zh) | 2019-05-23 | 2019-05-23 | 一种ai服务智商测试方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110210743A true CN110210743A (zh) | 2019-09-06 |
Family
ID=67788333
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910434865.1A Pending CN110210743A (zh) | 2019-05-23 | 2019-05-23 | 一种ai服务智商测试方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210743A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111858960A (zh) * | 2020-07-23 | 2020-10-30 | 海南大学 | 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件 |
| CN112799747A (zh) * | 2019-11-14 | 2021-05-14 | 中兴通讯股份有限公司 | 智能助理评价、推荐方法、系统、终端及可读存储介质 |
| CN116453655A (zh) * | 2022-01-07 | 2023-07-18 | 腾讯科技（深圳）有限公司 | 一种交互系统测试方法、装置、电子设备和存储介质 |
-
2019
- 2019-05-23 CN CN201910434865.1A patent/CN110210743A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112799747A (zh) * | 2019-11-14 | 2021-05-14 | 中兴通讯股份有限公司 | 智能助理评价、推荐方法、系统、终端及可读存储介质 |
| WO2021093821A1 (zh) * | 2019-11-14 | 2021-05-20 | 中兴通讯股份有限公司 | 智能助理评价、推荐方法、系统、终端及可读存储介质 |
| CN111858960A (zh) * | 2020-07-23 | 2020-10-30 | 海南大学 | 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件 |
| CN111858960B (zh) * | 2020-07-23 | 2021-09-10 | 海南大学 | 面向本质计算的跨dikw图谱的虚拟社区资源处理方法及组件 |
| CN116453655A (zh) * | 2022-01-07 | 2023-07-18 | 腾讯科技（深圳）有限公司 | 一种交互系统测试方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11526720B2 (en) | Artificial intelligence system for supporting communication | |
| Dawson | AZ of digital research methods | |
| US20180308473A1 (en) | Intelligent virtual assistant systems and related methods | |
| Hicks et al. | Remembering the future: What do children think? | |
| McKelvey | Algorithmic media need democratic methods: Why publics matter | |
| CN110210743A (zh) | 一种ai服务智商测试方法 | |
| WO2016089594A2 (en) | Conversation agent | |
| CN106910513A (zh) | 情绪智能聊天引擎 | |
| KR102372976B1 (ko) | 인지강화훈련 게임의 제공 방법 | |
| Alepis et al. | Object-oriented user interfaces for personalized mobile learning | |
| Atzmueller et al. | Ubicon: observing physical and social activities | |
| Carpenter et al. | Evidence for the validity of a social connectedness scale: Connectors amass bridging social capital online and offline | |
| Olds | Assessing presidential agenda-setting capacity: dynamic comparisons of presidential, mass media, and public attention to economic issues | |
| Yijälä et al. | Values as predictors of anticipated socio‐cultural adaptation among potential migrants from Russia to Finland | |
| Register et al. | A middle range theory for generative quality of life for the elderly | |
| Ünal et al. | How children identify events from visual experience | |
| Ennis et al. | A smart cabinet and voice assistant to support independence in older adults | |
| Ip-Soo-Ching et al. | Managing diverse knowledge systems of tourism operators in vulnerable marine ecosystems: addressing sustainability challenges through nature-based solutions | |
| Tran et al. | Towards multi-resident activity monitoring with smarter safer home platform | |
| Martinez et al. | A predictive model for automatic detection of social isolation in older adults | |
| Tu | English versus native language on social media: international students’ cultural adaptation in the US | |
| Cooper et al. | The decline of the religious in US Catholic schools: The effects of the changing religious ethos on high school seniors | |
| Murad et al. | CHR vs. Human‐Computer Interaction Design for Emerging Technologies: Two Case Studies | |
| Agarwal et al. | Educational association mining on the use of media platforms for e-learning | |
| Wei et al. | Construction of an intelligent evaluation model of mental health based on big data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |