作為人類，當(dāng)我們解釋語言時，我們依靠一堆背景知識來解釋和推斷不僅關(guān)于語言，而且關(guān)于我們周圍的世界。許多來源已經(jīng)將常識推理定義為：“感知，理解和判斷幾乎所有人共享的事物的基本能力，幾乎所有人都可以合理地預(yù)期，而不需要辯論?！?/p>

沒有這種能力，人類將無法在現(xiàn)代世界中生存，因為他們會做一些對他們的生存有害的事情。現(xiàn)代人工智能技術(shù)缺乏常識。目前正在研究共識推理領(lǐng)域的研究人員正在解決這一差距。

常識推理是一個廣泛的領(lǐng)域，應(yīng)用于計算機(jī)視覺和機(jī)器人，然而，自然語言處理（NLP）已經(jīng)看到了大量的活動，最近通過推出DARPA競賽加強(qiáng)，這是美國軍事研究的一個分支。該競賽的目標(biāo)是：“創(chuàng)建從經(jīng)驗中學(xué)習(xí)并模仿發(fā)展心理學(xué)定義的認(rèn)知核心領(lǐng)域的計算模型”和“構(gòu)建能夠回答關(guān)于常識現(xiàn)象的自然語言和基于圖像的查詢的常識知識庫”通過網(wǎng)絡(luò)閱讀。“人工智能代理的想法被艾倫研究所命名為AI2 。

艾倫研究所由微軟的保羅·艾倫創(chuàng)立，正在馬賽克項目下進(jìn)行常識推理。Mosaic項目涵蓋了Darpa競賽的所有目標(biāo)，包括：Visual Commonsense推理，常識知識圖 和具有對抗性生成的情境。視覺常識推理是一種挑戰(zhàn)，其中AI技術(shù)試圖理解諸如“為什么一個人在笑？”這樣的場景。挑戰(zhàn)問題通常是視覺場景，問題和許多答案。候選技術(shù)不僅需要了解場景，還需要了解問題和答案以及它們與場景的關(guān)系。

常識知識圖是眾所周知的社會，出現(xiàn)了許多嘗試常識性知識編碼成的本體或相關(guān)結(jié)構(gòu)。最著名的是Cyc，自1984年以來一直在開發(fā)中。它試圖捕捉“關(guān)于世界如何運(yùn)作”的陳述，人類用它來推理日常情況。

對抗性世代的情況是艾倫研究所發(fā)明的一項新任務(wù)，該研究所評估自然語言推理，從中可以推斷出技術(shù)可以推斷出日常情況的邏輯結(jié)果。艾倫研究所發(fā)起的數(shù)據(jù)集中的一個典型問題是：“該人使用鼓風(fēng)機(jī)從草地上吹葉子。鼓風(fēng)機(jī)……“然后該技術(shù)可以選擇四種答案供選擇。

DARPA競賽和艾倫研究所不是這一領(lǐng)域的唯一挑戰(zhàn)。許多這些挑戰(zhàn)是基于NLP的任務(wù)，其中候選技術(shù)推斷出單詞或句子的上下文。該威諾格拉德挑戰(zhàn)，例如，是一款主流的挑戰(zhàn)就是圖靈測試，其中機(jī)試圖從一個句子解釋一個單詞的含義的延伸。例如，“市議員拒絕了示威者的許可，因為他們[害怕/主張]暴力。”一個人會本能地知道答案會令人擔(dān)憂。這個答案需要背景知識來理解候選答案的背景和含義。這個簡單的例子很難讓機(jī)器響應(yīng)，因為答案依賴于背景信息。

使用常識推理對AI的許多領(lǐng)域都有影響。例如，機(jī)器人導(dǎo)航和操作。在這種情況下，具有常識能力的機(jī)器人不必明確編程或從先前的經(jīng)驗中學(xué)習(xí)，以了解不做某些活動以及預(yù)測情況。人類對未來的看法能力有限，因為我們的感官太慢，無法將信息傳遞到我們的大腦，因此我們的大腦必須根據(jù)當(dāng)前信息估計近期。

常識推理將使機(jī)器人機(jī)器也能做同樣的事情。常識推理不僅限于AI的典型科幻刻板印象，而且它可以應(yīng)用于世俗但同樣重要的情況。例如，要擁有透明的AI，策略需要能夠解釋他們的決策和結(jié)論。這被稱為可解釋的人工智能，可以說是社會接受人工智能的關(guān)鍵一步。普通話推理的應(yīng)用和需求幾乎是無限的。

現(xiàn)有技術(shù)處于嬰兒階段，然而，常識推理是人工智能超越其目前有限能力的必要步驟。賦予機(jī)器最大限度品質(zhì)的能力并非易事，而且進(jìn)展有限。然而，隨著DARPA的競爭，這可能會發(fā)生變化，正如DARPA的大挑戰(zhàn)對自動駕駛汽車的影響所表明的那樣，這種汽車從利基活動轉(zhuǎn)變?yōu)橛杀姸啻笮徒M織支持的主流產(chǎn)品。常識是人工智能的未來，因為追求這個研究領(lǐng)域只是“常識”。