Спільне дослідження Оксфордської академії Інтернету та інших установ показало, що методи оцінки штучного інтелекту часто перебільшують його результати, а також не вистачає наукової точності та суворості. Дослідники проаналізували 445 стандартних тестів і виявили, що багато цілей у цих тестах не є чіткими, а також їм не вистачає надійності, що викликає сумніви щодо їхньої ефективності. Дослідники закликали до проведення поглибленого перегляду цих тестів.