港科大&宾大最新研究：如何让AI掌握真正的人类常识？

港科大&宾大最新研究：如何让AI掌握真正的人类常识？

常识，作为普通人通过经验积累形成的普遍认可的知识，是人类认知世界的基础。然而，对于人工智能系统来说，掌握常识却是一个巨大的挑战。最近，香港科技大学和宾夕法尼亚大学的研究人员在这一领域取得了重要进展，为AI理解人类世界带来了新的希望。

港科大的Quyet V. Do等人在论文《Commonsense Knowledge is Not Common in Knowledge Graphs》中指出，现有的知识图谱虽然包含了大量事实性知识，但却缺乏真正的常识知识。例如，知识图谱可能知道“水的沸点是100摄氏度”，但却不知道“热锅上的蚂蚁”这个成语所蕴含的常识——即形容人焦急不安的状态。

研究团队发现，构建包含真正常识的知识图谱面临以下挑战：

1. 定义模糊：什么是真正的常识？不同文化、不同年龄层的人对常识的理解可能不同。
2. 数据稀疏：即使在大规模语料库中，真正体现常识的表达也相对稀少。
3. 表达多样性：常识往往以多种形式出现，如隐喻、俗语等，难以统一表示。

为了解决这些问题，研究团队提出了一种新的数据集构建方法，通过众包和自然语言处理技术，从大规模语料中自动识别和提取真正的常识知识。这一方法有望为AI系统提供更丰富、更贴近人类认知的常识知识库。

宾夕法尼亚大学的邓肯·瓦茨和马可·怀庭在论文《Commonsense: A Framework for Understanding Everyday Reasoning》中，提出了一个量化常识的独特框架。他们认为，传统的逻辑推理方法在处理常识时往往力不从心，因为常识推理更多依赖于直觉和经验，而非严格的逻辑推导。

研究团队提出将常识推理形式化，建立一个能够模拟人类日常推理过程的框架。这个框架包括以下几个关键要素：

1. 情境模型：将具体情境作为推理的基础，因为常识往往是在特定情境下才成立的。
2. 概率推理：引入概率论来处理常识中的不确定性。
3. 社会网络：考虑社会关系对常识形成的影响。

这一框架不仅为AI系统提供了新的常识推理方法，还为理解人类认知过程提供了新的视角。

常识是AI研究的重要方向，但目前仍面临很大挑战。例如，AI系统可能在复杂的数学问题上表现出色，却无法理解“如果一个人感冒了，他可能会打喷嚏”这样简单的常识。

一些项目试图构建常识知识库，如：

• ConceptNet：一个开源的常识知识图谱，包含80多种语言的常识知识。
• ATOMIC：专注于事件和因果关系的常识知识库。

然而，这些知识库仍然存在规模有限、质量参差不齐等问题。港科大和宾大的最新研究，为解决这些问题提供了新的思路和方法。

随着研究的深入，AI系统有望获得更强大的常识推理能力，这将为以下领域带来革命性变化：

1. 自然语言处理：使AI更好地理解人类语言中的隐喻、俗语等。
2. 机器人学：让机器人在复杂环境中做出更合理的决策。
3. 人机交互：使AI助手更贴近人类思维模式，提供更自然的交互体验。

虽然目前AI在掌握常识方面仍面临诸多挑战，但港科大和宾大的研究为我们指明了方向。正如一位哲学家所说：“常识是人类智慧的结晶，也是AI通往真正智能的必经之路。”