人工智能技术的飞速发展催生出一些有趣的现象。例如，每当新的AI视频生成器发布，网络上便会涌现出大量威尔·史密斯享用意大利面的视频，这已成为检验AI图像生成能力的非正式标准，甚至被TechCrunch等科技媒体报道。这一现象已超越单纯的网络迷因，成为衡量AI生成能力的另类指标。
更有趣的是，威尔·史密斯本人也在Instagram上模仿了这一场景，进一步推动了这一网络热潮。这只是2024年AI领域众多“民间”评测标准的一个缩影。例如，一位16岁的开发者利用AI操控《我的世界》进行建筑设计测试；一位英国程序员则创建平台让AI进行“你画我猜”和“四子棋”等游戏对决，探索AI的娱乐潜能。这些测试方式虽然缺乏专业性，却意外走红，显示出公众对AI评估的独特需求。
相比之下，许多专业的AI基准测试，例如那些专注于解决复杂数学难题或博士级别问题的测试，对普通大众而言过于晦涩难懂。企业常以此展示AI的强大能力，却忽略了大多数人使用AI工具例如聊天机器人的主要目的：日常对话和简单任务处理。专业测试与大众需求的脱节，导致其影响力有限。
即使是像“聊天机器人竞技场”这类相对普及的AI评测平台，也存在局限性。该平台允许用户对AI在特定任务（如网页开发、图像生成）中的表现进行评分，但参与者多为人工智能和科技行业人士，评分标准容易受到个人偏好和专业背景影响，缺乏普适性和客观性，评测结果的客观性难以保证。
“四子棋”、“我的世界”建造以及“史密斯吃面条”等“民间”测试，虽然缺乏严谨的科学方法，却因其趣味性和易理解性而广受欢迎。它们以更直观的方式展现AI的能力，更贴近大众的日常认知。然而，需要注意的是，这些测试结果的普适性也较弱，AI在一个领域的成功并不能代表其在其他领域的同样出色。例如，能完美生成“史密斯吃面条”视频的AI，不一定能同样出色地生成汉堡图像，这体现了AI能力的专业性和局限性。
