美国防部想打造模拟人类思维的“常识”AI

近日外媒报道，美国国防部高级研究计划局（DARPA）与西雅图的艾伦人工智能学院成立了一个名为机器常识（MCS）的项目，合作训练一种能够了解“常识”的AI。他们认为虽然现在的AI技术能够快速模仿人声、推荐音乐，但是大部分缺乏对日常环境与行为的基本了解，因此限制了其应用领域，为了让AI像人类一样思考，他们希望训练AI透过本质识别背后的关系。

今年六月斯坦福大学科研人员曾利用卷积神经网络，研究出一款生成表情包的AI，但是这款AI生成的表情只有70%算好笑，剩下的表情包只能说是令人费解，get不到笑点。

让机器学习像人脑一样思考已经不是一个新的科学领域，一直以来都有科研人员在研究各种基于逻辑、懂常识和推理的AI。比如青亭网之前曾报道过MIT研发的一款有意透明化神经网络（TbD-net），这是一款通过模块化网络将问题分成子任务，再通过计算机视觉来依次进行分析与解释的AI技术。

而DARPA希望通过最新的认知过程、自然语言处理、深度学习等AI研究，寻找帮助AI了解常识的解决方案。据悉，MCS项目的科研人员从两个方向入手训练AI，第一个是创建计算模型，用于通过经验学习和模仿以发展心理学为标准的认知核心，包括学习物体运动的规律（物理常识）、地点方位（空间导航）和媒介（行动者）。在这一阶段，科研人员力图研发一款像人类刚认知世界时一样思考与学习的系统，将认知发展技术用于对AI的经验和理论指导上。

在刚出生没多久的时候，人类会从常识与智慧的基础学起，发展心理学家们找出了模拟人类这阶段认知能力的办法，科研人员们根据这些办法为AI设定模仿常识认知的目标和策略。

为了验证这款计算模型的能力，科研人员将通过发展心理学研究和文学来制定评估标准。DARPA将通过三个方面AI对认知的学习水平来决定模型的成功等级：预测/预估、经验学习和问题解决。

此外，MCS科研人员使用的第二种办法是，构建一个常识知识库，通过从网上阅读获取的知识，回答自然语言与图片问题（与常识现象相关的）。科研人员将结合人工构建、信息提取、机器学习、众包技术等计算方式来填充知识库，科研人员将通过对比艾伦人工智能学院（AI2）的尝试基准测试来评估知识库的能力，这款基准测试是艾伦人工智能学院科研人员通过长期众包过程支撑，其将代表与测量一般成年人的常识。

MCS的AI训练方式似乎简单，但需要谨慎调试，科研人员会给机器学习模型输入对情况的文字描述与短选项，比如：

在舞台上，一名女人在钢琴前坐下，她：1，坐在长椅上，妹妹玩娃娃；2，音乐响起时与别人一起微笑；3，在人群中，观看舞者；4，紧张地将手指放到琴键上。

对于人类来说，看一眼就知道答案是4，但是为了让AI能选出对的答案，科研人员使用了大量的常识信息与背景，目前这款AI回答这种问题的准确率约为60%（其中25%可能是巧合）。

艾伦AI研究院的Oren Etzioni表示，他们为训练AI准备了11.3万道这样的问题，这种问题难度并不大，预计在训练AI的过程中将会以循序渐进的方式，让AI在解答难度越来越高的问题过程中逐渐提高，比如从在照片中识别面部，到识别多人面部再到识别面部表情。

据悉，这个常识训练AI项目受到了DARPA的20亿美元投资计划支持，这个项目与谷歌、亚马逊和百度的AI技术不同，重点更偏向于研发懂常识的AI，从而扩充其应用领域。