是的，尽管这个 AI 有多大用处完全是另一个问题。

mpgac是在 GAC-80K 的 MIST 问题语料库上训练的“最小智能 AGI”。因此，它应该能够“最低限度地”通过这个测试。然而，在 GAC-80K 语料库上接受培训显然使其缺乏任何实际用途。从自述文件：

显然，只有在提出上述类型的普通常识性问题时，使用对 2000 年至 2005 年之间的普通人来说可能有意义的问题，这才应该能够产生最低限度的智能信号。关于专家知识或时事相关质疑它的表现应该不比机会好。

mpgac 的目的是将其与可以构建以通过此测试的其他 AI 进行比较。或者正如作者在自述文件中所写：

在扫描天空时，我们如何判断检测到的无线电信号是来自智能源，还是仅仅是背景噪声或传感器噪声？

理想情况下，您会想要构建一个比 mpgac“更好”的程序。就像 ELIZA 可以被视为图灵测试的基线一样，mpgac 是 MIST 测试的基线。

mpgac 的 GitHub 存储库（以及 GAC-80K 语料库）可在此处获得。

我相信这正是 Doug Lenat 的cyc擅长的那种测试？但我无法回答这个问题：它可以正确回答多少语料库？应该不少吧！（有多少人可以通过该测试？可能不是所有人，但很多人可以...）

[但是 cyc 被认为是 AI 吗？可能不是……所以我可能跑题了。但是 imo 它的数据库应该被整合到任何达到某种“智能”的人工智能中......]