问：
公司如何尝试在人工智能工作中添加“速度计”？
A：一些致力于人工智能最新进展的公司正变得越来越专注于量化他们所取得的进步，并为人工智能如何随着时间演变的某些方面提供基准。 公司进行此类分析的原因有很多。 总的来说，他们试图弄清楚人工智能已经走了多远，如何应用于我们的生活以及它将如何影响市场。
一些公司正在集思广益并监视其人工智能进展，以弄清新技术如何影响公民自由，或它们如何创造新的经济现实。 根据公司的方法，这些类型的分析可能采取以下形式：试图弄清楚用户数据如何在系统中流动，了解界面将如何工作，或者弄清楚人工智能实体具有哪些功能以及它们如何使用这些功能。
在方法方面，试图对人工智能进行基准测试的公司可能会专注于分解抽象信息，例如，《连线》（Wired）文章引用了AI Index项目，非营利性实验室SRI International的研究人员Ray Perrault等正在其中关于人工智能领域正在发生的事情的详细快照。
“这是需要做的事情，部分是因为人们对AI的发展方向充满了疯狂，” Perrault在文章中说道，并评论了开展此类项目的动机。
在解释基准测试人工智能的工作原理时，一些专家解释说，工程师或其他方可能正在尝试对人工智能项目进行“硬测试”，例如，试图“欺骗”或“击败”人工智能系统。 这种描述确实触及公司如何真正监视和评估人工智能的核心。 考虑这种情况的一种方法是将程序员过去使用的相同思想应用于调试线性代码系统。
调试线性代码系统的全部目的在于找到系统可以正常运行的地方–程序崩溃的地方，程序冻结的地方，运行缓慢的地方等等。这是有关查找逻辑错误将项目暂停或混淆的地方，函数无法正常运行的地方，或者可能存在一些意外的用户事件的地方。
当您考虑一下时，现代人工智能测试可能是在完全不同的平面上进行的类似尝试–因为人工智能技术比线性技术更具认知能力，因此测试采用了截然不同的形式，但人类仍在寻找“错误” ” –这些程序可能会产生意想不到的后果的方式，它们可能会表现出来的方式以及对人体机构造成伤害的方式，等等。牢记这一点，尽管创建人工智能的速度计或基准的方法有许多不同的方法，但是上面描述的硬测试通常将使人类对人工智能的发展有独特的见解，以及必须做些什么才能使人工智能在不产生更多负面影响的情况下提供更多正面影响。
