En la investigación de inteligencia artificial , el conocimiento de sentido común consiste en hechos sobre el mundo cotidiano, como "Los limones son amargos", que se espera que todos los humanos sepan. Actualmente es un problema sin resolver en Inteligencia General Artificial y es un foco del Instituto Allen de Inteligencia Artificial . [1] El primer programa de inteligencia artificial para abordar el conocimiento del sentido común fue Advice Taker en 1959 por John McCarthy . [2]
El conocimiento del sentido común puede respaldar un proceso de razonamiento con sentido común , para intentar inferencias como "Podrías hacer un pastel porque quieres que la gente se coma el pastel". Se puede adjuntar un proceso de procesamiento del lenguaje natural a la base de conocimientos de sentido común para permitir que la base de conocimientos intente responder preguntas sobre el mundo. [3] El conocimiento del sentido común también ayuda a resolver problemas frente a información incompleta . Utilizando creencias ampliamente difundidas sobre los objetos cotidianos o el conocimiento del sentido común , los sistemas de inteligencia artificial hacen suposiciones de sentido común o suposiciones predeterminadas sobre lo desconocido de manera similar a como lo hacen las personas. En un sistema de IA o en inglés, esto se expresa como "Normalmente P se mantiene", "Normalmente P" o "Normalmente P asume P". Por ejemplo, si conocemos el hecho de que "Piolín es un pájaro", porque conocemos la creencia común sobre las aves, "normalmente los pájaros vuelan", sin saber nada más sobre Piolín, podemos asumir razonablemente el hecho de que "Piolín puede volar. " A medida que se descubre o se aprende más conocimiento del mundo con el tiempo, el sistema de inteligencia artificial puede revisar sus suposiciones sobre Tweety utilizando un proceso de mantenimiento de la verdad . Si luego nos enteramos de que "Piolín es un pingüino", entonces el mantenimiento de la verdad revisa esta suposición porque también sabemos que "los pingüinos no vuelan".
Razonamiento de sentido común
El razonamiento del sentido común simula la capacidad humana de utilizar el conocimiento del sentido común para hacer suposiciones sobre el tipo y la esencia de las situaciones ordinarias con las que se encuentran todos los días, y para cambiar sus "mentes" si surge nueva información. Esto incluye tiempo, información faltante o incompleta y causa y efecto. La capacidad de explicar la causa y el efecto es un aspecto importante de la IA explicable . Los algoritmos de mantenimiento de la verdad proporcionan automáticamente una facilidad de explicación porque crean registros elaborados de presunciones. En comparación con los humanos, todos los programas informáticos existentes que intentan la IA a nivel humano tienen un rendimiento extremadamente deficiente en las pruebas de referencia modernas de "razonamiento de sentido común", como el Winograd Schema Challenge . [4] El problema de lograr competencia a nivel humano en tareas de "conocimiento de sentido común" se considera probablemente " IA completa " (es decir, resolverlo requeriría la capacidad de sintetizar una inteligencia completamente a nivel humano ), [5] [ 6] aunque algunos se oponen a esta noción y creen que la inteligencia compasiva también es necesaria para la IA a nivel humano. [7] El razonamiento de sentido común se ha aplicado con éxito en dominios más limitados, como el procesamiento del lenguaje natural [8] [9] y el diagnóstico [10] o análisis automatizado . [11]
Aplicaciones
Alrededor de 2013, los investigadores del MIT desarrollaron BullySpace, una extensión de la base de conocimiento de sentido común ConceptNet , para captar los comentarios burlones de las redes sociales. BullySpace incluyó más de 200 afirmaciones semánticas basadas en estereotipos, para ayudar al sistema a inferir que comentarios como "Ponte una peluca y lápiz labial y sé quien realmente eres" tienen más probabilidades de ser un insulto si se dirigen a un niño que a una niña. [12] [13] [14]
ConceptNet también ha sido utilizado por chatbots [15] y por computadoras que componen ficción original. [16] En el Laboratorio Nacional Lawrence Livermore , se utilizó el conocimiento del sentido común en un agente de software inteligente para detectar violaciones de un tratado de prohibición completa de los ensayos nucleares . [17]
Datos
Como ejemplo, a partir de 2012, ConceptNet incluye estas 21 relaciones independientes del idioma: [18]
- Es un
- Usado para
- Tiene un
- Capaz de
- Deseos
- CreatedBy ("pastel" se puede crear "horneando")
- Parte de
- Causas
- Ubicado cerca
- En una ubicación (en algún lugar, un "cocinero" puede estar en un "restaurante")
- Definido como
- SymbolOf ( X representa Y )
- ReceivesAction ("pastel" se puede "comer")
- HasPrerequisite ( X no puede hacer Y a menos que A haga B )
- MotivatedByGoal ("hornearías" porque quieres "comer")
- CausesDesire ("hornear" te hace querer "seguir la receta")
- Hecho de
- HasFirstSubevent (lo primero que se requiere cuando estás haciendo X es que la entidad Y haga Z )
- HasSubevent ("comer" tiene subevento "tragar")
- HasLastSubevent
Bases de conocimiento de sentido común
- Cyc
- Open Mind Common Sense (fuente de datos) y ConceptNet (almacén de datos y motor de PNL)
- Quasimodo [19]
- Webchild [20]
- TupleKB [21]
- Pensamiento Tesoro
- Verdadero conocimiento
- Graphiq [ cita requerida ]
Ver también
- Sentido común
- Razonamiento de sentido común
- Datos enlazados y Web Semántica
- Razonamiento predeterminado
- Mantenimiento de la verdad o mantenimiento de la razón
- Ontología
- Inteligencia general artificial
Referencias
- ^ "Instituto Allen de inteligencia artificial para perseguir el sentido común de la IA | Paul Allen" . Paul Allen . Consultado el 11 de abril de 2018 .
- ^ "PROGRAMAS CON SENTIDO COMÚN" . www-formal.stanford.edu . Consultado el 11 de abril de 2018 .
- ^ Liu, Hugo y Push Singh. "ConceptNet: un conjunto de herramientas de razonamiento práctico y de sentido común". Revista de tecnología BT 22.4 (2004): 211-226.
- ^ "El desafío del esquema de Winograd" . cs.nyu.edu . Consultado el 9 de enero de 2018 .
- ^ Yampolskiy, Roman V. "10.1.1.232.913.pdf # page = 102 AI-Completo, AI-Difícil o AI-Fácil-Clasificación de problemas en AI]". MAICS. 2012. [ enlace muerto ]
- ^ Andrich, C, Novosel, L y Hrnkas, B. (2009). Conocimiento del sentido común . Búsqueda y recuperación de información, 2009.
- ^ Mason, Cindy (27 de septiembre de 2010). "El camino lógico a la IA de nivel humano conduce a un callejón sin salida" . Proc. Conferencia IEEE sobre sistemas autoadaptativos y autoorganizados . 32 (1): 57–95. doi : 10.1109 / SASOW.2010.63 . ISBN 978-1-4244-8684-7. S2CID 13030524 .
- ^ Chutima, Boonthum-Denecke (31 de diciembre de 2011). Avances interdisciplinarios en el procesamiento del lenguaje natural aplicado: problemas y enfoques: problemas y enfoques . IGI Global. ISBN 978-1-61350-448-2.
- ^ Davis, Ernesto (10 de julio de 2014). Representaciones del conocimiento de sentido común . Morgan Kaufmann. ISBN 978-1-4832-2113-7.
- ^ Reiter, Raymond (1 de abril de 1987). "Una teoría de diagnóstico a partir de primeros principios". Inteligencia artificial . 32 (1): 57–95. CiteSeerX 10.1.1.170.9236 . doi : 10.1016 / 0004-3702 (87) 90062-2 . ISSN 0004-3702 .
- ^ Gallimore, RJ; Jennings, NR; Lamba, HS; Mason, CL; Orenstein, BJ (1999). "Agentes cooperantes para la interpretación de datos científicos 3-D - IEEE Journals & Magazine" (PDF) . Transacciones IEEE sobre sistemas, hombre y cibernética - Parte C: Aplicaciones y revisiones . 29 : 110-126. doi : 10.1109 / 5326.740674 .
- ^ Bazelon, Emily (marzo de 2013). "Cómo detener a los matones" . El Atlántico . Consultado el 9 de enero de 2018 .
- ^ Dinakar, Karthik; Jones, Birago; Havasi, Catherine; Lieberman, Henry; Picard, Rosalind (1 de septiembre de 2012). "Razonamiento de sentido común para la detección, prevención y mitigación del ciberacoso". Transacciones ACM en sistemas inteligentes interactivos . 2 (3): 1–30. CiteSeerX 10.1.1.693.8065 . doi : 10.1145 / 2362394.2362400 . S2CID 5560081 .
- ^ "Los sistemas de inteligencia artificial podrían combatir el ciberacoso" . Nuevo científico . 27 de junio de 2012 . Consultado el 9 de enero de 2018 .
- ^ "Creo que será perfectamente normal que la gente tenga relaciones sexuales con robots" . Newsweek . 23 de octubre de 2014 . Consultado el 9 de enero de 2018 .
- ^ "Contado por un robot: ficción por ordenadores narradores" . Nuevo científico . 24 de octubre de 2014 . Consultado el 9 de enero de 2018 .
- ^ Mason, CL (1995). "Un asistente inteligente para la verificación del tratado de prohibición de ensayos nucleares - IEEE Journals & Magazine". Experto IEEE . 10 (6): 42–49. doi : 10.1109 / 64.483116 .
- ^ Speer, Robert y Catherine Havasi. " Representación del conocimiento relacional general en ConceptNet 5 ". LREC. 2012.
- ^ Romero, Julien; Razniewski, Simon (2019). "Propiedades de sentido común de los registros de consultas y foros de respuesta a preguntas". Actas de la 28ª Conferencia Internacional ACM sobre Gestión de la Información y el Conocimiento - CIKM '19 : 1411–1420. arXiv : 1905.10989 . Código bibliográfico : 2019arXiv190510989R . doi : 10.1145 / 3357384.3357955 . ISBN 9781450369763. S2CID 166228420 .
- ^ Tandon, Nicket; De Melo, Gerard (2014). "Webchild: cosechando y organizando el conocimiento de sentido común de la web" (PDF) . Actas de la 7ª Conferencia Internacional ACM sobre búsqueda web y minería de datos : 523–532. doi : 10.1145 / 2556195.2556245 . S2CID 3088903 . Consultado el 30 de marzo de 2020 .
- ^ Mishra, Bhavana Dalvi; Tandon, Nicket (2017). "Extracción de conocimiento de alta precisión dirigida a un dominio" . Transacciones de la Asociación de Lingüística Computacional . 5 : 233–246. doi : 10.1162 / tacl_a_00058 .