不。

TL;DR：Lovelace 测试 2.0 非常模糊，因此不适合评估智力。计算创造力的研究人员也普遍忽略了这一点，他们已经有自己的测试来评估创造力。

更长的答案：根据 Google Scholar 的说法，有 10 次参考“Lovelace Test 2.0”论文。所有这些引用的存在只是为了指出存在 Lovelace 测试 2.0。事实上，我查阅过的至少两篇文章（一种用于识别类人自我意识行为的新方法和FraMoTEC：用于评估自适应控制系统的模块化任务环境构建框架）提出了他们自己的测试。

撰写 FraMoTEC 论文的作者之一也写了关于 FraMoTEC 的论文，并间接批评了 Lovelace 测试 2.0 和其他类似的测试：

Piaget-MacGyver Room 问题 [Bringsjord 和 Licato, 2012]、Lovelace 测试 2.0 [Riedl, 2014] 和玩具盒问题 [Johnston, 2010] 都带有定义非常模糊的警告——这些评估方法可能会出现对智能进行合理的评估，但是很难比较两个参与自己特定领域评估的不同代理（或控制器），这是在定制代理以通过特定评估时经常发生的情况。

Lovelace 测试 2.0 的另一个主要问题是，有大量其他测试来“衡量”人工智能的创造力。Evaluating Evaluation: Assessing Progress in Computational Creativity Research由 Anna Jordanous 于 2011 年（ Lovelace Test 2.0 发明前3 年）发表，分析了有关 AI 创造力的研究论文并写道：

在应用创造力评估方法来评估其系统创造力的 18 篇论文中，没有一种方法成为整个社区的标准。Colton 的创意三脚架框架 ( Colton 2008 ) 使用最多（6 次使用），其中 4 篇论文使用了 Ritchie 的经验标准（Ritchie 2007）。

剩下的10篇论文有各种各样的创造力评估方法。

“评估评估”的目标是规范评估创造力的过程，避免由于大量创造力测试的泛滥而导致该领域停滞不前的可能性。Anna Jordanous 仍然对评估创造力测试保持兴趣，发表了诸如“退一步向前推进：为计算创造力的元评估设定标准”和四个 PPPPerspectives on Computational Creativity等文章。

“评估评估”确实提供了一些评论来解释评估创造力的系统的扩散：

评价标准不容易定义。评估创造力很困难，更难描述我们如何评估创造力，无论是人类创造力还是计算创造力。事实上，即使是创造力的定义本身也是有问题的（Plucker、Beghetto 和 Dow 2004）。很难确定“有创造力”意味着什么，因此没有可衡量的基准或基本事实。

事实上，已经存在如此多的创造力测试（在某种程度上，Jordanous 可以通过研究它们来从事学术生涯），这意味着任何新的测试（例如 Lovelace 测试 2.0）都很难被注意到（很少被引用）。当有这么多其他测试可以用来代替时，为什么还要使用 Lovelace Test 2.0 之类的东西呢？