AI的常识之路

诺奖加持的AI突破

随着今年诺贝尔奖的揭晓，AI行业取得了令人瞩目的成就，但AI在展现常识能力方面仍面临挑战。

AI与常识

AI模型虽日益“聪明”，但在处理日常生活中的显而易见常识时，往往出错。AI缺乏人类轻松掌握的常识能力，即包含事实知识和推理的综合能力。这不仅关乎记忆，还包括在不确定性情境下的决策与推理。

AI能否拥有常识？

计算机科学家正在探索如何让AI具备人类般的常识，这一议题成为实现机器智能的重要里程碑。南加州大学信息科学研究所首席科学家Mayank Kejriwal等人在Nature杂志上探讨了AI在展示常识方面的难题，并提议改进评估方法及未来研究方向。

量化机器常识

现有测试多依赖多项选择题，难以全面评估AI的常识推理能力。Kejriwal等人建议通过要求AI解释答案和进行多步推理来提高评估准确性，同时鼓励开发更具挑战性的开放式测试。

迈向通用人工智能

机器常识的研究始于1956年的达特茅斯会议，旨在构建能从经验中高效学习、自我反思和抽象的AI程序。AI系统需具备决策能力，不仅记忆事实，还需推导新信息以适应不确定情况。

挑战与进展

早期AI尝试构建结构化知识数据库以模拟常识性概念和世界运作规则，但处理模糊性和不确定性的能力有限。AI系统如何应对这种挑战，将决定其向人类级别常识迈进的速度。

改进评估方法

当前评估AI常识的方法，尤其是多项选择题，统计学上不可靠。研究人员提议要求AI解释其答案，以揭示其知识组合的广度。此外，设计开放式测试以探究AI的计划和战略能力。

未来的方向

为推动机器常识研究，应扩大研究范围，结合认知科学、哲学和心理学的关键原则。同时，设计全面的理论基准测试，量化AI在应用常识于不同领域的程度，而非仅局限于特定任务。

具身常识的重要性

AI系统需具备基本的物理智能，以在现实世界中表现出可靠且可信的结果。AI在理解社会互动、因果关系等方面的进步，对于医疗保健、法律决策、客户服务和自动驾驶等领域至关重要。

结论

虽然AI在常识领域取得进展，但仍有长路要走。理解人类推理机制有助于提升AI系统在医疗、法律、服务和自动驾驶等领域的可靠性和信任度。未来，AI在实现通用人工智能的道路上将继续取得突破，同时也促使我们更深入地理解人类自身。