在人工智能技術的飛速發展下，一個令人啼笑皆非的現象悄然興起：每當有新的視頻生成器問世，網絡上總會出現一段威爾·史密斯享用意大利面的視頻。這一場景，似乎成了新技術試金石，用以檢驗AI能否以假亂真，重現史密斯大快朵頤的瞬間。TechCrunch對此進行了詳細報道，指出這一現象已超越了簡單的網絡迷因，成為了衡量AI視頻生成能力的非正式標準。
有趣的是，史密斯本人也于二月通過Instagram回應，親自模仿了這一場景，加入了這場由AI引發的網絡狂歡。但這僅僅是2024年人工智能領域眾多奇特“民間”評測標準中的一個縮影。早前，一位16歲的開發者創建了一款應用，讓AI操控《我的世界》游戲，以此測試其建筑設計的智慧。同時，英國一位程序員也搭建了一個平臺，讓AI在“你畫我猜”和“四子棋”等游戲中展開對決，進一步探索AI的娛樂潛能。
盡管人工智能領域不乏專業的性能測試，但這些略顯古怪的測試方式卻意外走紅。原因在于，許多專業的AI基準測試對于普通大眾而言，顯得過于深奧難懂。企業常常強調AI在解決奧林匹克數學難題或博士級別問題上的能力，然而，大多數人使用聊天機器人的目的，僅僅是進行日常對話或回復郵件，這些高深的測試與他們的實際需求相去甚遠。
即便是行業內廣泛采用的評測方法，也并非盡善盡美。以備受關注的“聊天機器人競技場”為例，該平臺允許網絡用戶對AI在特定任務上的表現進行評分，如開發網頁應用或生成圖像。然而，參與評分的用戶大多來自人工智能和科技行業，他們的投票往往基于個人偏好，缺乏代表性，這使得評測結果的公正性和普適性受到質疑。
相比之下，“四子棋”、“我的世界”以及“威爾·史密斯吃面條”等另類基準測試，雖然缺乏嚴謹性，卻因其娛樂性和易理解性而廣受歡迎。當然，這些測試也存在局限性，AI在某一任務上的出色表現，并不能直接反映其在其他任務上的能力。例如，能夠完美生成“威爾·史密斯吃面條”視頻的AI，未必能準確生成漢堡的圖像。
