オックスフォードのインターネットアカデミーなどの機関による共同研究は、人工知能の評価方法がしばしばそのパフォーマンスを過大評価し、科学的な精度と厳密さに欠けていることを示しています。研究者たちは445の標準テストを分析し、これらのテストの多くの目標が不明確であり、信頼性に欠けていることを発見しました。これにより、その有効性に疑問が投げかけられています。研究者たちは、これらのテストに対する徹底的なレビューを行うよう呼びかけています。