近日外媒報道，美國國防部高級研究計劃局（DARPA）與西雅圖的艾倫人工智能學院成立了一個名為機器常識（MCS）的項目，合作訓練一種能夠了解“常識”的AI。他們認為雖然現在的AI技術能夠快速模仿人聲、推薦音樂，但是大部分缺乏對日常環境與行為的基本瞭解，因此限制了其應用領域，為了讓AI像人類一樣思考，他們希望訓練AI透過本質識別背後的關係。
今年六月斯坦福大學科研人員曾利用卷積神經網絡，研究出一款生成表情包的AI，但是這款AI生成的表情只有70%算好笑，剩下的表情包只能說是令人費解，get不到笑點。
讓機器學習像人腦一樣思考已經不是一個新的科學領域，一直以來都有科研人員在研究各種基於邏輯、懂常識和推理的AI。比如青亭網之前曾報道過MIT研發的一款有意透明化神經網絡（TbD-net），這是一款通過模塊化網絡將問題分成子任務，再通過計算機視覺來依次進行分析與解釋的AI技術。
而DARPA希望通過最新的認知過程、自然語言處理、深度學習等AI研究，尋找幫助AI瞭解常識的解決方案。據悉，MCS項目的科研人員從兩個方向入手訓練AI，第一個是創建計算模型，用於通過經驗學習和模仿以發展心理學為標準的認知核心，包括學習物體運動的規律（物理常識）、地點方位（空間導航）和媒介（行動者）。在這一階段，科研人員力圖研發一款像人類剛認知世界時一樣思考與學習的系統，將認知發展技術用於對AI的經驗和理論指導上。
在剛出生沒多久的時候，人類會從常識與智慧的基礎學起，發展心理學家們找出了模擬人類這階段認知能力的辦法，科研人員們根據這些辦法為AI設定模仿常識認知的目標和策略。
為了驗證這款計算模型的能力，科研人員將通過發展心理學研究和文學來制定評估標準。DARPA將通過三個方面AI對認知的學習水平來決定模型的成功等級：預測/預估、經驗學習和問題解決。
此外，MCS科研人員使用的第二種辦法是，構建一個常識知識庫，通過從網上閱讀獲取的知識，回答自然語言與圖片問題（與常識現象相關的）。科研人員將結合人工構建、信息提取、機器學習、眾包技術等計算方式來填充知識庫，科研人員將通過對比艾倫人工智能學院（AI2）的嘗試基準測試來評估知識庫的能力，這款基準測試是艾倫人工智能學院科研人員通過長期眾包過程支撐，其將代表與測量一般成年人的常識。
MCS的AI訓練方式似乎簡單，但需要謹慎調試，科研人員會給機器學習模型輸入對情況的文字描述與短選項，比如：
- 在舞臺上，一名女人在鋼琴前坐下，她：
- 1，坐在長椅上，妹妹玩娃娃；
- 2，音樂響起時與別人一起微笑；
- 3，在人群中，觀看舞者；
- 4，緊張地將手指放到琴鍵上。
對於人類來說，看一眼就知道答案是4，但是為了讓AI能選出對的答案，科研人員使用了大量的常識信息與背景，目前這款AI回答這種問題的準確率約為60%（其中25%可能是巧合）。
艾倫AI研究院的Oren Etzioni表示，他們為訓練AI準備了11.3萬道這樣的問題，這種問題難度並不大，預計在訓練AI的過程中將會以循序漸進的方式，讓AI在解答難度越來越高的問題過程中逐漸提高，比如從在照片中識別面部，到識別多人面部再到識別面部表情。
據悉，這個常識訓練AI項目受到了DARPA的20億美元投資計劃支持，
這個項目與谷歌、亞馬遜和百度的AI技術不同，重點更偏向於研發懂常識的AI，從而擴充其應用領域。閱讀更多 青亭網 的文章
