1905年，心理学家阿尔弗雷德·比奈（Alfred Binet）和西奥多·西蒙（Théodore Simon）为在法国上学挣扎的儿童设计了一项测试。
旨在确定哪些孩子需要个性化关注，他们的方法构成了智商测试的基础。从19世纪后期开始，研究人员假设，语言推理，工作记忆和视觉空间技能等认知能力反映了潜在的一般智力或g因子。
西蒙和比奈设计了一系列测试来衡量这些能力中的每一个，并将结果合并成一个分数。
针对每个年龄组调整问题，孩子的分数反映了他们相对于同龄人的表现。
将某人的分数除以他们的年龄并将结果乘以 100 得到智商，即 IQ.Today，100 分代表样本人群的平均值，其中 68% 的人口得分在 15 分以内 100。
西蒙和比奈认为他们的测试评估的技能将反映一般智力。 但无论是当时还是现在，通用智力的定义都没有一个单一的共识。 这为人们使用自己对智力的先入为主的假设的测试服务敞开了大门。
最初是识别那些需要学术帮助的人的一种方式，很快就习惯于以其他方式对人进行分类，通常是为了服务于存在严重缺陷的意识形态。
第一次世界大战期间，美国首次大规模实施之一，当时军方使用智商测试对新兵进行分类并筛选他们进行军官培训。
当时，许多人相信优生学，认为理想和不希望的遗传性状可以而且应该通过选择性育种在人类中得到控制。
这种思路存在很多问题，其中认为智力不仅是固定的和遗传的，而且与一个人的种族有关。
在优生学的影响下，科学家利用军事倡议的结果，错误地声称某些种族群体在智力上优于其他种族。
在没有考虑到许多被测试的新兵是缺乏正规教育或英语接触的美国新移民的情况下，他们创造了一个错误的种族情报等级制度。
优生学和智商测试的交叉点不仅影响了科学，也影响了政策。 1924年，弗吉尼亚州制定了允许对智商分数低的人进行强制绝育的政策，美国最高法院维持了这一决定。
在纳粹德国，政府授权以低智商为由谋杀儿童。 在大屠杀和民权运动之后，智商测试的歧视性使用在道德和科学方面都受到了挑战。
科学家们开始收集环境影响智商的证据。例如，随着智商测试在20世纪定期重新校准，新一代在旧测试中的得分始终高于前几代。
这种现象被称为弗林效应，发生得太快了，不可能是由遗传的进化特征引起的。
相反，原因可能是环境 – 改善教育，更好的医疗保健和更好的营养。 在二十世紀中葉，心理學家也試圖使用智商測試來評估一般智力以外的事物，特別是精神分裂症，抑鬱症和其他精神疾病。 这些诊断部分依赖于评估者的临床判断，并使用了用于确定智商的测试子集 – 后来的研究发现这种做法不会产生临床有用的信息。
今天，智商测试采用许多类似的设计元素和问题类型作为早期测试，尽管我们有更好的技术来识别测试中的潜在偏差。
它们不再用于诊断精神疾病。但是，使用子测试分数的类似问题的做法有时仍然被用来诊断学习障碍，这与许多专家的建议不顾。
世界各地的心理学家仍然使用智商测试来识别智力障碍，结果可用于确定适当的教育支持、工作培训和辅助生活。智商测试结果被用来为可怕的政策和毫无科学依据的意识形态辩护。
这并不意味着测试本身毫无价值——事实上，它在衡量它所设定的推理和解决问题的能力方面做得很好。 但这与衡量一个人的潜力不是一回事。
尽管智商测试中涵盖了许多复杂的政治、历史、科学和文化问题，但越来越多的研究人员同意这一点，并拒绝通过单个数字分数对个人进行分类的观点。