stringtranslate.com

Здравые знания (искусственный интеллект)

В исследованиях искусственного интеллекта знание здравого смысла состоит из фактов о повседневном мире, таких как «Лимоны кислые» или «Коровы говорят мычание», которые, как ожидается, знают все люди. В настоящее время это нерешенная проблема в области искусственного интеллекта в целом . Первой программой ИИ, которая обращалась к знанию здравого смысла, была Advice Taker в 1959 году Джона Маккарти . [1]

Знания здравого смысла могут лежать в основе процесса рассуждения здравого смысла , чтобы попытаться сделать выводы, такие как «Вы можете испечь торт, потому что вы хотите, чтобы люди съели торт». Процесс обработки естественного языка может быть присоединен к базе знаний здравого смысла, чтобы позволить базе знаний попытаться ответить на вопросы о мире. [2] Знания здравого смысла также помогают решать проблемы в условиях неполной информации . Используя широко распространенные убеждения о повседневных объектах или знания здравого смысла , системы ИИ делают предположения здравого смысла или предположения по умолчанию о неизвестном подобно тому, как это делают люди. В системе ИИ или на английском языке это выражается как «Обычно P придерживается», «Обычно P» или «Типично P, поэтому предположим P». Например, если мы знаем факт «Твити — птица», потому что мы знаем общепринятое убеждение о птицах, «обычно птицы летают», не зная ничего другого о Твити, мы можем разумно предположить факт, что «Твити может летать». По мере того, как со временем обнаруживается или изучается больше знаний о мире, система ИИ может пересматривать свои предположения о Твити, используя процесс поддержания истины . Если позже мы узнаем, что «Твити — пингвин», то поддержание истины пересматривает это предположение, поскольку мы также знаем, что «пингвины не летают».

Здравый смысл рассуждений

Рассуждения на основе здравого смысла имитируют способность человека использовать знание здравого смысла для выдвижения предположений о типе и сути обычных ситуаций, с которыми они сталкиваются каждый день, и менять свое «мнение», если появляется новая информация. Это включает время, недостающую или неполную информацию, а также причину и следствие. Способность объяснять причину и следствие является важным аспектом объяснимого ИИ . Алгоритмы поддержания истины автоматически предоставляют возможность объяснения, поскольку они создают сложные записи предположений. По сравнению с людьми все существующие компьютерные программы, которые пытаются создать ИИ человеческого уровня, крайне плохо выполняют современные контрольные тесты «рассуждения на основе здравого смысла», такие как Winograd Schema Challenge . [3] Проблема достижения компетентности человеческого уровня в задачах «знания здравого смысла» считается, вероятно, « полной ИИ » (то есть ее решение потребует способности синтезировать полностью человеческий уровень интеллекта), [4] [5] хотя некоторые выступают против этой идеи и считают, что для ИИ человеческого уровня также требуется сострадательный интеллект. [6] Здравый смысл успешно применялся в более узких областях, таких как обработка естественного языка [7] [8] и автоматизированная диагностика [9] или анализ. [10]

Создание базы знаний на основе здравого смысла

Составление всеобъемлющих баз знаний утверждений здравого смысла (CSKB) является давней проблемой в исследованиях ИИ. Начиная с ранних усилий экспертов, таких как CYC и WordNet , значительные успехи были достигнуты с помощью краудсорсингового проекта OpenMind Commonsense , который привел к краудсорсинговому ConceptNet KB. Несколько подходов пытались автоматизировать построение CSKB, в частности, с помощью интеллектуального анализа текста (WebChild, Quasimodo, TransOMCS, Ascent), а также сбора их непосредственно из предварительно обученных языковых моделей (AutoTOMIC). Эти ресурсы значительно больше, чем ConceptNet, хотя автоматизированное построение в основном делает их умеренно более низкого качества. Проблемы также остаются с представлением знаний здравого смысла: большинство проектов CSKB следуют тройной модели данных, которая не обязательно лучше всего подходит для разрушения более сложных утверждений естественного языка. Заметным исключением здесь является GenericsKB, который не применяет никакой дальнейшей нормализации к предложениям, но сохраняет их полностью.

Приложения

Около 2013 года исследователи Массачусетского технологического института разработали BullySpace, расширение базы знаний здравого смысла ConceptNet , для отлова язвительных комментариев в социальных сетях. BullySpace включал более 200 семантических утверждений, основанных на стереотипах, чтобы помочь системе сделать вывод, что комментарии типа «Наденьте парик и помаду и будьте тем, кто вы есть на самом деле» с большей вероятностью будут оскорблением, если они направлены на мальчика, чем на девочку. [11] [12] [13]

ConceptNet также использовался чатботами [14] и компьютерами, которые сочиняют оригинальные художественные произведения. [15] В Ливерморской национальной лаборатории им . Лоуренса знание здравого смысла использовалось в интеллектуальном программном агенте для обнаружения нарушений договора о всеобъемлющем запрете ядерных испытаний . [16]

Данные

Например, по состоянию на 2012 год ConceptNet включает в себя 21 независимую от языка связь: [17]

Базы знаний здравого смысла

Смотрите также

Ссылки

  1. ^ "ПРОГРАММЫ СО ЗДРАВЫМ СМЫСЛОМ". www-formal.stanford.edu . Получено 11.04.2018 .
  2. ^ Лю, Хьюго и Пуш Сингх. «ConceptNet — практический набор инструментов для рассуждений на основе здравого смысла». Журнал технологий BT 22.4 (2004): 211-226.
  3. ^ "The Winograd Schema Challenge". cs.nyu.edu . Получено 9 января 2018 г. .
  4. ^ Ямпольский, Роман В. " 10.1.1.232.913.pdf#page=102 AI-Complete, AI-Hard или AI-Easy-Classification проблем в ИИ AI-Easy-Classification проблем в ИИ]. MAICS 2012.
  5. ^ Андрич, К., Новосел, Л. и Хрнкас, Б. (2009). Знание здравого смысла. Поиск и извлечение информации, 2009.
  6. ^ Мейсон, Синди (2010-09-27). «Логическая дорога к ИИ человеческого уровня ведет в тупик». 2010 Четвертая международная конференция IEEE по самоадаптивным и самоорганизующимся системам, семинар . Том 32. С. 57–95. doi :10.1109/SASOW.2010.63. ISBN 978-1-4244-8684-7. S2CID  13030524.
  7. ^ Чутима, Бунтум-Денек (2011-12-31). Междисциплинарные достижения в прикладной обработке естественного языка: проблемы и подходы: проблемы и подходы. IGI Global. ISBN 978-1-61350-448-2.
  8. ^ Дэвис, Эрнест (2014-07-10). Представления здравого смысла знаний. Морган Кауфманн. ISBN 978-1-4832-2113-7.
  9. ^ Рейтер, Рэймонд (1987-04-01). «Теория диагностики из первых принципов». Искусственный интеллект . 32 (1): 57–95. CiteSeerX 10.1.1.170.9236 . doi :10.1016/0004-3702(87)90062-2. ISSN  0004-3702. S2CID  15629917. 
  10. ^ Галлимор, Р. Дж.; Дженнингс, Н. Р.; Ламба, Х. С.; Мейсон, К. Л.; Оренштейн, Б. Дж. (1999). «Взаимодействующие агенты для интерпретации трехмерных научных данных» (PDF) . Труды IEEE по системам, человеку и кибернетике — часть C: приложения и обзоры . 29 : 110–126. doi :10.1109/5326.740674.
  11. ^ Базелон, Эмили (март 2013 г.). «Как остановить хулиганов». The Atlantic . Получено 9 января 2018 г.
  12. ^ Динакар, Картик; Джонс, Бираго; Хаваси, Кэтрин; Либерман, Генри; Пикард, Розалинд (1 сентября 2012 г.). «Рассуждения здравого смысла для обнаружения, предотвращения и смягчения последствий кибербуллинга». Труды ACM по интерактивным интеллектуальным системам . 2 (3): 1–30. CiteSeerX 10.1.1.693.8065 . doi :10.1145/2362394.2362400. S2CID  5560081. 
  13. ^ «Системы искусственного интеллекта могут бороться с кибербуллингом». New Scientist . 27 июня 2012 г. Получено 9 января 2018 г.
  14. ^ «Я верю, что для людей станет совершенно нормальным заниматься сексом с роботами». Newsweek . 23 октября 2014 г. Получено 9 января 2018 г.
  15. ^ "Рассказано роботом: Вымысел, созданный компьютерами, рассказывающими истории". New Scientist . 24 октября 2014 г. Получено 9 января 2018 г.
  16. ^ Мейсон, CL (1995). «Интеллектуальный помощник для проверки договора о запрете ядерных испытаний». IEEE Expert . 10 (6): 42–49. doi :10.1109/64.483116.
  17. ^ Спир, Роберт и Кэтрин Хаваси. «Представление общих реляционных знаний в ConceptNet 5». LREC. 2012.