stringtranslate.com

Здравый смысл (искусственный интеллект)

В исследованиях искусственного интеллекта здравый смысл состоит из фактов из повседневного мира, таких как «Лимоны кислые» или «Коровы говорят му», которые, как ожидается, будут знать все люди. В настоящее время это нерешенная проблема в области искусственного интеллекта . Первой программой искусственного интеллекта, обращающейся к знаниям здравого смысла, была программа Advice Taker , разработанная Джоном Маккарти в 1959 году . [1]

Знания здравого смысла могут лежать в основе процесса рассуждений, основанного на здравом смысле , для попыток сделать такие выводы, как «Вы можете испечь торт, потому что хотите, чтобы люди его съели». К базе знаний здравого смысла можно присоединить процесс обработки естественного языка, чтобы база знаний могла попытаться ответить на вопросы о мире. [2] Здравый смысл также помогает решать проблемы в условиях неполной информации . Используя широко распространенные представления 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 искусственного интеллекта или на английском языке это выражается как «Обычно P выполняется», «Обычно P» или «Обычно P, поэтому предположим, что P». Например, если мы знаем тот факт, что «Твити — это птица», поскольку мы знаем широко распространенное мнение о птицах «обычно птицы летают», не зная ничего больше о Твити, мы можем разумно предположить тот факт, что «Твити может летать». " По мере того, как со временем обнаруживается или изучается все 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, потому что мы также знаем, что «пингвины не летают».

Рассуждения здравого смысла

Рассуждения, основанные на здравом смысле, моделируют способность человека использовать знания здравого смысла, чтобы делать предположения о типе и сути обычных ситуаций, с которыми они сталкиваются каждый день, и менять свое «сознание», если появляется новая информация. Сюда входит время, отсутствующая или неполная информация, а также причина и следствие. Способность объяснять причину и следствие — важный аспект объяснимого ИИ . Алгоритмы поддержания истины автоматически предоставляют возможность объяснения, поскольку они создают тщательно продуманные записи предположений. По сравнению с людьми, все существующие компьютерные программы, пытающиеся реализовать ИИ человеческого уровня, крайне плохо справляются с современными тестами на «здравый смысл», такими как Winograd Schema Challenge . [3] Проблема достижения компетентности человеческого уровня в задачах «здравого смысла» считается, вероятно, « исполненной ИИ » (то есть, ее решение потребует способности синтезировать интеллект полностью человеческого уровня), [4] [ 5], хотя некоторые выступают против этой идеи и считают, что для ИИ человеческого уровня также необходим сострадательный интеллект. [6] Рассуждения, основанные на здравом смысле, успешно применяются в более ограниченных областях, таких как обработка естественного языка [7] [8] и автоматическая диагностика [9] или анализ. [10]

Создание базы знаний здравого смысла

Составление комплексных баз знаний здравого смысла (CSKB) является давней проблемой в исследованиях ИИ. Благодаря ранним усилиям экспертов, таких как CYC и WordNet , значительные успехи были достигнуты благодаря краудсорсинговому проекту OpenMind Commonsense , который привел к созданию краудсорсинговой базы знаний ConceptNet. Несколько подходов пытались автоматизировать построение CSKB, в первую очередь с помощью интеллектуального анализа текста (WebChild, Quasimodo, TransOMCS, Ascent), а также их сбора непосредственно из предварительно обученных языковых моделей (AutoTOMIC). Эти ресурсы значительно больше, чем ConceptNet, хотя автоматизированное создание в большинстве случаев делает их умеренно более низкого качества. Также остаются проблемы с представлением здравого смысла: большинство проектов CSKB следуют тройной модели данных, которая не обязательно лучше всего подходит для взлома более сложных утверждений естественного языка. Заметным исключением здесь является GenericsKB, который не применяет дальнейшей нормализации к предложениям, но сохраняет их полностью.

Приложения

Примерно в 2013 году исследователи Массачусетского технологического института разработали BullySpace, расширение базы знаний здравого смысла ConceptNet , чтобы улавливать насмешливые комментарии в социальных сетях. BullySpace включил более 200 семантических утверждений, основанных на стереотипах, чтобы помочь системе сделать вывод, что комментарии типа «Надень парик и помаду и будь тем, кто ты есть на самом деле» с большей вероятностью будут оскорблением, если они адресованы мальчику, чем девочке. [11] [12] [13]

ConceptNet также использовался чат-ботами [14] и компьютерами, сочиняющими оригинальные художественные произведения. [15] В Ливерморской национальной лаборатории имени Лоуренса знания здравого смысла были использованы в интеллектуальном программном агенте для обнаружения нарушений договора о всеобъемлющем запрещении ядерных испытаний . [16]

Данные

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

Базы знаний здравого смысла

Смотрите также

Рекомендации

  1. ^ «ПРОГРАММЫ СО ЗДРАВЫМ СМЫСЛОМ». www-formal.stanford.edu . Проверено 11 апреля 2018 г.
  2. ^ Лю, Хьюго и Пуш Сингх. «ConceptNet — практический набор инструментов для рассуждений, основанных на здравом смысле». Технологический журнал BT 22.4 (2004): 211-226.
  3. ^ "Вызов схемы Винограда" . cs.nyu.edu . Проверено 9 января 2018 г.
  4. ^ Ямпольский, Роман В. «10.1.1.232.913.pdf#page=102 AI-полная, AI-сложная или AI-простая классификация проблем в AI AI-простая классификация проблем в AI].» МАИКС 2012.
  5. ^ Андрич К., Новосел Л. и Хрнкас Б. (2009). Знание здравого смысла. Поиск и получение информации, 2009.
  6. ^ Мейсон, Синди (27 сентября 2010 г.). «Логический путь к искусственному интеллекту человеческого уровня ведет в тупик». 2010 Четвертая международная конференция IEEE по самоадаптирующимся и самоорганизующимся системам . Том. 32. стр. 57–95. дои : 10.1109/SASOW.2010.63. ISBN 978-1-4244-8684-7. S2CID  13030524.
  7. ^ Чутима, Бунтум-Денеке (31 декабря 2011 г.). Междисциплинарные достижения в области прикладной обработки естественного языка: проблемы и подходы: проблемы и подходы. IGI Global. ISBN 978-1-61350-448-2.
  8. ^ Дэвис, Эрнест (10 июля 2014 г.). Репрезентации здравого знания. Морган Кауфманн. ISBN 978-1-4832-2113-7.
  9. ^ Райтер, Раймонд (1 апреля 1987 г.). «Теория диагностики из первых принципов». Искусственный интеллект . 32 (1): 57–95. CiteSeerX 10.1.1.170.9236 . дои : 10.1016/0004-3702(87)90062-2. ISSN  0004-3702. S2CID  15629917. 
  10. ^ Галлимор, Р.Дж.; Дженнингс, Северная Каролина; Ламба, ХС; Мейсон, CL; Оренштейн, Б.Дж. (1999). «Сотрудничающие агенты для интерпретации трехмерных научных данных» (PDF) . Транзакции IEEE в системах, человеке и кибернетике. Часть C: Приложения и обзоры . 29 : 110–126. дои : 10.1109/5326.740674.
  11. ^ Базелон, Эмили (март 2013 г.). «Как остановить хулиганов». Атлантический океан . Проверено 9 января 2018 г.
  12. ^ Динакар, Картик; Джонс, Бираго; Хаваси, Кэтрин; Либерман, Генри; Пикард, Розалинда (1 сентября 2012 г.). «Здравый смысл для обнаружения, предотвращения и смягчения последствий киберзапугивания». Транзакции ACM в интерактивных интеллектуальных системах . 2 (3): 1–30. CiteSeerX 10.1.1.693.8065 . дои : 10.1145/2362394.2362400. S2CID  5560081. 
  13. ^ «Системы искусственного интеллекта могут бороться с киберзапугиванием» . Новый учёный . 27 июня 2012 года . Проверено 9 января 2018 г.
  14. ^ «Я верю, что для людей станет совершенно нормальным заниматься сексом с роботами» . Newsweek . 23 октября 2014 года . Проверено 9 января 2018 г.
  15. ^ «Рассказано роботом: Художественная литература, созданная компьютерами-рассказчиками». Новый учёный . 24 октября 2014 года . Проверено 9 января 2018 г.
  16. ^ Мейсон, CL (1995). «Умный помощник для проверки договора о запрещении ядерных испытаний». Эксперт IEEE . 10 (6): 42–49. дои : 10.1109/64.483116.
  17. ^ Шпеер, Роберт и Кэтрин Хаваси. «Представление общих реляционных знаний в ConceptNet 5». ЛРЭК. 2012.
  18. ^ Ромеро, Жюльен; Разневски, Саймон (2019). «Свойства здравого смысла из журналов запросов и форумов ответов на вопросы». Материалы 28-й Международной конференции ACM по управлению информацией и знаниями . стр. 1411–1420. arXiv : 1905.10989 . Бибкод : 2019arXiv190510989R. дои : 10.1145/3357384.3357955. ISBN 9781450369763. S2CID  166228420.
  19. ^ Тандон, Никет; Де Мело, Жерар (2014). «WebChild: сбор и организация здравых знаний из Интернета» (PDF) . Материалы 7-й международной конференции ACM по веб-поиску и интеллектуальному анализу данных (PDF) . стр. 523–532. дои : 10.1145/2556195.2556245. ISBN 9781450323512. S2CID  3088903 . Проверено 30 марта 2020 г.
  20. ^ Мишра, Бхавана Далви; Тандон, Никет (2017). «Высокоточное извлечение знаний, ориентированное на предметную область». Труды Ассоциации компьютерной лингвистики . 5 : 233–246. дои : 10.1162/tacl_a_00058 .
  21. ^ Нгуен, Туан-Фонг; Разневский, Саймон; Ромеро, Жюльен; Вейкум, Герхард (2022). «Уточненные здравые знания из крупномасштабного веб-контента». Транзакции IEEE по знаниям и инженерии данных : 1–16. arXiv : 2112.04596 . дои :10.1109/TKDE.2022.3206505. S2CID  245005887.