| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-22页 |
| ·人工智能威胁论与定量评测问题 | 第12-15页 |
| ·本文缘起和研究过程 | 第12-13页 |
| ·人工智能威胁论的产生和引发的争议 | 第13-15页 |
| ·人工智能定量分析面临的困难 | 第15-19页 |
| ·主要完成工作 | 第19-21页 |
| ·本文组织结构 | 第21-22页 |
| 2 人工智能评测研究背景和现状 | 第22-34页 |
| ·人类智力和智商的研究情况 | 第22-27页 |
| ·关于智力定义的研究 | 第22-23页 |
| ·人类智力测验相关研究介绍 | 第23-25页 |
| ·人类智商测试无法在人工智能应用的原因 | 第25-27页 |
| ·人工智能系统评测方法介绍和存在的问题 | 第27-34页 |
| ·图灵测试和相关评价 | 第27-29页 |
| ·人工智能系统的定性评价研究 | 第29-30页 |
| ·基于视觉的图灵测试 | 第30-31页 |
| ·关于人工智能评测方法的最新进展 | 第31-34页 |
| 3 互联网智商定义和测试方法 | 第34-58页 |
| ·互联网智商的提出背景 | 第34-37页 |
| ·互联网与脑科学的交叉研究 | 第34-35页 |
| ·互联网虚拟大脑架构的提出 | 第35-37页 |
| ·基于互联网进展提出互联网智商的客观需求 | 第37页 |
| ·互联网智商定义 | 第37-39页 |
| ·建立标准智能系统模型 | 第39-49页 |
| ·关于智能系统模型的前人研究 | 第39-43页 |
| ·标准智能系统模型的定义 | 第43-44页 |
| ·标准智能系统知识的交互模型 | 第44-45页 |
| ·基于标准智能机的扩展冯.诺依曼架构 | 第45-46页 |
| ·标准智能机数学模型 | 第46-47页 |
| ·利用标准智能机对智能系统进行分类 | 第47-48页 |
| ·标准智能系统的评判模型 | 第48-49页 |
| ·互联网测试量表的建立 | 第49-54页 |
| ·建立互联网智力量表 | 第49-51页 |
| ·加权重的互联网2014智力量表 | 第51-54页 |
| ·互联网智力测试题库的建立 | 第54-55页 |
| ·互联网智力测试题库测试方法和得分原则 | 第55-56页 |
| ·互联网智商的计算方法 | 第56-58页 |
| ·互联网的绝对智商公式 | 第56页 |
| ·互联网的离差智商公式 | 第56-58页 |
| 4 互联网智商测试系统-INTERNETIQTEST | 第58-68页 |
| ·系统需求分析 | 第59-62页 |
| ·系统总体设计 | 第62-68页 |
| ·架构设计 | 第62-65页 |
| ·运行逻辑分析 | 第65-66页 |
| ·数据库设计和相互关系 | 第66-68页 |
| 5 搜索引擎和人类对照组的智商测试与分析 | 第68-92页 |
| ·选择搜索引擎进行智商测试的原因 | 第68-70页 |
| ·搜索引擎的互联网智商评测 | 第70-77页 |
| ·参与测试的搜索引擎和测试方法 | 第70-71页 |
| ·用IntemetIQtest系统对百度进行智商测试 | 第71-76页 |
| ·50个搜索引擎测试得分 | 第76-77页 |
| ·对三个不同年龄人群进行测试 | 第77-82页 |
| ·参与测试的人群和测试规则 | 第77页 |
| ·对照组测试者测试案例 | 第77-82页 |
| ·三个不同年龄段对照组测试得分 | 第82页 |
| ·测试对象的绝对智商和离差智商 | 第82-84页 |
| ·对测试结果进行聚类分析 | 第84-86页 |
| ·k-means算法介绍 | 第84页 |
| ·对智商测试结果用K-means算法进行聚类分析 | 第84-86页 |
| ·分类和结果分析 | 第86-92页 |
| ·样本内实验 | 第86-87页 |
| ·样本外实验 | 第87-88页 |
| ·分层抽样检验 | 第88-92页 |
| 6 总结和展望 | 第92-96页 |
| ·工作总结 | 第92-94页 |
| ·工作展望 | 第94-96页 |
| 参考文献 | 第96-100页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第100-104页 |
| 学位论文数据集 | 第104页 |