美国防部举办竞赛以帮助人工智能获得基本常识

无论在哪里使用人工智能，你都会发现它以某种有趣的方式出错过。以翻译算法产生的奇怪错误为例，它就把“与某人吃晚餐”和“把某人当晚餐”混淆了。

但随着人工智能在越来越多的关键情况下得到应用，比如自动驾驶汽车、进行医学诊断，或者从情报信息中得出生死攸关的结论，这些失败将不再是笑料。这就是为什么美国国防部高级研究计划局(DARPA)要解决人工智能没有常识这个最基本的缺陷*。

“常识是人工智能的暗物质，”艾伦人工智能研究所(Allen Institute for AI)首席执行官奥伦•埃齐奥尼(Oren Etzioni)说。“这有点难以言喻，但你可以看到它对一切的影响。”

美国国防部高级研究计划局的新机器常识(MCS)项目将举办一场竞赛，要求人工智能算法理解像这样的问题：

一个学生把两种相同的植物放在相同类型和数量的土壤中，她给它们同样多的水，她把其中一盘放在窗边，另一盘放在暗室里。靠近窗户的植物将会产生更多的：

(A) 氧气

(B) 二氧化碳

(C) 水

要解决这个问题，一个计算机程序需要了解光合作用的工作方式。简单地给机器输入之前的许多问题并不能可靠地解决问题。

这些基准测试将侧重于语言，因为它很容易使机器出错，并且使测试相对简单。埃齐奥尼说，这些问题提供了一种方法来衡量人工智能常识理解的进展，这将会是至关重要的。

科技公司正忙着将机器学习技术商业化，这些技术虽然强大，但从根本上来说仍然是有限的。例如，深度学习使人工智能能够识别语音中的单词或图像中的物体，而且往往具有难以置信的高准确性，但这种方法通常依赖于将大量标记数据(原始音频信号或图像中的像素)输入一个大的神经网络，这个系统可以学会挑选重要的模式，可是它很容易犯错误，因为它对更广阔的世界并没有概念。

相比之下，人类婴儿很快就能对世界形成一种直觉性的理解，这是他们智力的基础。

然而，如何解决常识问题的答案还远不明显。以前帮助机器理解世界的尝试都集中在手工构建大型知识数据库上，这是一项艰巨且基本上永无止境的任务，其中最著名的是Cyc，这个项目已经进行了几十年。

这个问题可能被证明非常重要。毕竟，缺乏常识在某些关键情况下是灾难性的，最终可能会阻碍人工智能的发展。DARPA有投资基础人工智能研究的历史。以前的项目催生了今天的自动驾驶汽车，以及最著名的语音操作个人助理：Siri。

美国国防部高级研究计划局(DARPA)的项目经理戴夫•冈宁(Dave Gunning)在今天上午发表的一份声明中表示：“缺乏常识会妨碍人工智能系统理解自己所处的世界，无法与人自然地交流，无法在前所未有的情况下合理行事，无法从新的经验中学习。这种缺失可能是我们今天所拥有的狭隘的人工智能应用与我们未来想要创建的更通用的人工智能应用之间最大的障碍。”