Ken Forbus, az egyetem mérnöke szerint a mesterséges intelligencia a teszten az amerikai felnőtt lakosság átlagához képest jobban teljesített. A szakértő hozzátette, az, hogy a teszt emberek számára nehéz elemei a rendszernek is nehezek voltak, azt bizonyítja, hogy a gép bizonyos szinten hozzánk hasonlóan gondolkodott. Az új modell egy korábbi platformra, a CogSketch-re épül, melynek segítségével a rendszer képes vizuális problémákat megoldani. A mesterséges intelligencia az egyetem pszichológusa, Dedre Gentner elméletének egy analógiáját is tartalmazza, amely a feltérképezést segíti. Nem elég felismerni, érteni is kell Az összetett vizuális problémák megoldása az emberek egyik védjegye. Az új mesterséges intelligenciák kifejlesztésével, melyek képesek hozzánk hasonlóan látni a világot, közelebb kerülhetnek egymáshoz az emberi és gépi megismerési módszerek. Bár az új rendszer nem használható általános vizuális problémamegoldásra, a Raven-teszten remekül futtatható volt- az igen gyakori teszttel az alanyok vizuális intelligenciáját és elvont gondolkodását elemzik. A mesterséges intelligencia a felmérésen jobban teljesített, mint az átlag amerikaiak. A teszt tökéletes a folyékony intelligencia – azaz az elvont gondolkodás, minta- és kapcsolatfelismerés valamint az új helyzetek megoldási képességének – mérésére. Andrew Lovett, a fejlesztésben résztvevő szakember szerint a rugalmas összehasonlítás, ábrázolás és újraértelmezés kulcsfontosságú a folyékony intelligencia esetében. Ezen képességek pedig a magasabb szintű gondolkodás alapjai lehetnek. Az emberek például ezek segítségével értik meg az analógiákat, oldanak meg problémákat, hoznak morális döntéseket és írják le az őket körülvevő világot. Forbus szerint napjainkban a mesterséges intelligencia kutatása a legtöbbször arra fókuszál, hogy a gépeket megtanítsa a különböző képek felismerésére. Bár az azonosítás valóban fontos, az ingerekkel kapcsolatos gondolkodás és értelmezés legalább annyira. A Northwetern Egyetem új kutatása pedig ebben hozhatja el az áttörést. (Via: Northwestern University)
