हाँ, कुछ बड़े भाषा मॉडल (LLM) Mensa-शैली के कुछ परीक्षणों पर ऊँचे स्कोर कर लेते हैं—विशिष्ट परीक्षणों पर 120 से 136 तक के आँकड़े बताए गए हैं—लेकिन यह मानव सामान्य बुद्धि (g) नहीं दर्शाता। ये स्कोर विशाल प्रशिक्षण-डेटा और पैटर्न-मिलान का परिणाम हैं; IQ मानदंड (norms) इंसानों के लिए बने हैं, और AI के पास इंसानों जैसी कार्यशील स्मृति या प्रसंस्करण-गति की सीमाएँ नहीं होतीं। किसी भी एकल "AI IQ = N" दावे को भारी सावधानी के साथ देखें।
कुछ अग्रणी मॉडल मौखिक सादृश्य (verbal analogy) और कुछ मैट्रिक्स पैटर्न प्रश्नों पर अच्छा प्रदर्शन करते हैं। सार्वजनिक Mensa नॉर्वे जैसे परीक्षणों पर कुछ मॉडलों के लिए 130-140 के आसपास स्कोर बताए गए हैं, जबकि कुछ पैटर्न बेंचमार्क पर और भी ऊँचे। पर ये आँकड़े परीक्षण-दर-परीक्षण बहुत बदलते हैं, इसलिए किसी एक संख्या को निरपेक्ष सत्य न मानें।
नहीं—ऊँचा परीक्षण स्कोर मानव-जैसी सामान्य बुद्धि (general intelligence, g) के बराबर नहीं है। IQ परीक्षण इंसानों के लिए सामान्यीकृत (normed) हैं और कई संज्ञानात्मक क्षमताओं के परोक्ष संकेत के रूप में काम करते हैं; AI के लिए यह वही अर्थ नहीं रखता। एक मॉडल भाषा के पैटर्न में उत्कृष्ट हो सकता है पर सामान्य ज्ञान, स्थानिक तर्क या नई परिस्थिति में अनुकूलन में चूक सकता है।
सबसे बड़ा कारण है प्रशिक्षण-डेटा का परीक्षण-प्रश्नों से मेल (data contamination)। सार्वजनिक Mensa पहेलियाँ इंटरनेट पर व्यापक रूप से उपलब्ध हैं, इसलिए मॉडल ने उन्हें या उनके जैसे प्रश्नों को प्रशिक्षण के दौरान शायद "देख" लिया हो—इससे स्कोर बढ़-चढ़कर दिखता है। यही वजह है कि शोधकर्ता गोपनीय/ऑफलाइन नए प्रश्नों पर परीक्षण करते हैं, जहाँ स्कोर अक्सर काफी कम हो जाते हैं।
क्योंकि IQ की पूरी अवधारणा मानव संज्ञान—स्मृति, प्रसंस्करण गति, ध्यान—की प्राकृतिक सीमाओं के इर्द-गिर्द बनी है, जो AI पर लागू नहीं होतीं। AI के पास असीमित गति और कोई थकान नहीं, इसलिए वही परीक्षण उसके लिए अलग चीज मापता है। AI और मानव की तुलना "सेब बनाम संतरा" जैसी है—एक ही संख्या दोनों के लिए समान अर्थ नहीं रखती।
ऐसे भविष्य-अनुमानों को तथ्य नहीं, अटकल (speculation) मानें। किसी भविष्य की संख्या को निश्चित घोषणा की तरह प्रस्तुत करना भ्रामक है, क्योंकि यह कई अनिश्चित मान्यताओं पर टिका है और "IQ" को AI पर लागू करना पहले से ही संदिग्ध है। वर्तमान, सत्यापन योग्य परिणामों पर ध्यान दें और किसी भी प्रक्षेपण को स्पष्ट रूप से "अनुमान" के रूप में देखें।
| परीक्षण / बेंचमार्क | रिपोर्ट किया गया AI परिणाम | यह वास्तव में क्या मापता है |
|---|---|---|
| सार्वजनिक Mensa नॉर्वे (मौखिक/मैट्रिक्स) | ~130-140 (कुछ मॉडल) | पैटर्न-मिलान; डेटा-ओवरलैप से बढ़ा हुआ |
| गोपनीय / ऑफलाइन नए प्रश्न | अक्सर काफी कम (~120 या नीचे) | अधिक ईमानदार, पर फिर भी मानव-g नहीं |
| मौखिक सादृश्य व तर्क प्रश्न | अक्सर मजबूत | भाषाई पैटर्न, प्रशिक्षण-डेटा पर निर्भर |
| महत्वपूर्ण चेतावनी (सभी परीक्षण) | संख्याएँ बहुत भिन्न | मानव सामान्य बुद्धि (g) नहीं—भारी सावधानी जरूरी |