人工知能における常識知識

人工知能研究では、常識的知識は、「レモンは酸っぱい」というような、日常の世界についての事実から成り立っています。 常識の知識に取り組むための最初のAIプログラムは、John McCarthyによって1959年にAdvice Takerでした。

現在、人工知能の未解決の問題であり、人工知能のためのPaul Allen Instituteの焦点です。 コモンセンスの知識は、「あなたが人々にケーキを食べさせたいので、ケーキを焼くかもしれない」などの推論を試みるために、常識的な推論プロセスを支えることができます。 知識ベースが世界に関する常識的な質問に答えることを可能にするために、自然言語処理プロセスを常識知識ベースに取り付けることができます。 常識知識は、不完全な情報に直面している問題を解決するのにも役立ちます。 AIシステムは、日常的なオブジェクトや常識に関する広く知られた信念を使用して、人々のやり方と同様に、未知のものについての常識的な仮定または既定の仮定を作ります。 AIシステムまたは英語では、これは「通常P保持」、「通常P」または「一般的なPは仮定P」と表されます。 例えば、「tweetyが鳥です」という事実を知っている場合、一般的に鳥に関する信念を知っているので、Birds Flyは、tweetyについて何も知らずに、「tweetyが飛ぶことができる」という事実を合理的に仮定します。 AIシステムは、世界の知識がより深く発見されたり学習されたりするにつれて、真実のメンテナンスプロセスを使用して、その前提を数学的に修正することができます。 後に「tweetyがペンギン」であることを知ると、「ペンギンは飛ばない」ということも知っているので、真理の維持はこの仮定を改訂します。

常識的な推論
常識的な推論は、時間、欠落または不完全な情報、原因および結果を含む、毎日遭遇する通常の状況のタイプおよび本質についての推定を行う人間の能力をシミュレートする。 因果関係を説明する能力は、説明可能なAIの重要な側面です。 人間と比較して、ヒューマンレベルのAIを試みる既存のコンピュータプログラムはすべて、Winograd Schema Challengeなどの現代的な「常識的な推論」ベンチマークテストではほとんど機能しません。 「常識的な知識」のタスクで人間レベルのコンピテンシーを達成する問題は、おそらく「AI完全」であると考えられます(つまり、完全な人間レベルのインテリジェンスを合成する能力が必要です)。ヒトレベルのAIには思いやりのある知性も必要です。 常識的推論は、自動化された診断や分析など、より限定された領域でうまく適用されています。

アプリケーション
2013年頃、MITの研究者は、常識的な知識ベースConceptNetを拡張したBullySpaceを開発し、ソーシャルメディアのコメントを捉えました。 BullySpaceには、ステレオタイプに基づく200以上の意味論的アサーションが含まれています。システムは、「かつらと口紅を付けて、あなたが本当に誰であるか」といったコメントが、男の子よりも少年に向けられた場合、

ConceptNetは、チャットボットや元のフィクションを構成するコンピュータによっても使用されています。 ローレンス・リバモア国立研究所では、包括的な核実験禁止条約の違反を検出するために知的ソフトウェアエージェントに常識知識が使用されていました。

データ
例として、2012年現在、ConceptNetには21の言語に依存しない関係が含まれています。

IsA
のために使用される
があります
できる
欲望
CreatedBy(「ケーキ」は「ベーキング」で作成することができます)
一部の
原因
LocatedNear
AtLocation( “料理”は “レストラン”であることができます)
DefinedAs
SymbolOf(XはYを表す)
ReceivesAction(「ケーキ」は「食べる」ことができます)
HasPrerequisite(XはAがBをしない限りYを実行できません)
MotivatedByGoal(あなたが “食べたい”ために “焼く”でしょう)
CausesDesire(「ベーキング」は「レシピに従いたい」)
で出来ている
HasFirstSubevent(Xを実行しているときに最初に必要なことは、エンティティYがZを実行することです)
HasSubevent(「食べる」は「飲み込む」に従属している)
HasLastSubevent

常識知識ベース

常識知識ベースは、現代の知能システムまたは知的エージェントの知識ベースである。 これは、人工知能または知識工学技術のボトルネック問題を解決するための重要な手段であり、大規模な特徴があります。 初期の人工知能システムまたは知識工学システムのドメイン知識ベースは、別の種類の知識ベースです。 すなわち、知識知識ベースと知的知識ベースは、知的コンピュータシステムが有する知識ベースの2つの基本的なタイプである。 コンピュータサイエンスの分野では、一般的に、ドメイン知識ベースと常識知識ベースが人工知能や知識工学技術のボトルネックであると考えられています。 早い注目から専門家の知識、現在の常識まで、これは人工知能や知識工学技術の進歩です。 コンピュータハードウェアとソフトウェアの継続的な成熟、ならびにデータベースおよびデータウェアハウスならびにそのヒューマン – コンピュータ相互作用インタフェースのために、21世紀の様々なエキスパートシステムの開発に必要な大規模なドメイン知識ベースおよび共通知識システムは、必須。 スケールの常識知識ベースには基本的な条件があります。

常識知識
人工知能の研究では、常識知識は収集された事実と共通の人が予見する情報である。 常識知識問題は、知識表現の分野(人工知能の一分野)に属する進行中のプロジェクトです。 それは、常識知識ベースを作成することを目指しています。データベースには、ほとんどの人が持っている一般的な知識がすべて含まれています。 それは、人工知能プログラムにおいて自然言語を使用すること、または普通の世界についての推論を行うことを可能にする方法で表現される。 そのようなデータベースは知識のオントロジーであり、そのうちの最も一般的なものは、いわゆる上位オントロジーである。

解決が必要な問題
人工知能研究の広範な知識と詳細な常識知識は膨大であるため、マルチスレッド作業の問題は最も困難であると考えられています。 常識的な知識を必要とする作業は、人工知能によって行われると考えられています。多くの作業とそれがないものは、マシンに人としての知性を示す必要があります。 これらのタスクには、機械翻訳、オブジェクト認識、テキストマイニングなどの多くの問題があります。 これらの作業を完璧に実行するためには、マシンは単にテキストが何を話しているかを知っていて、オブジェクトは目に見えますが、一般的な人がよく知っているのと同じ概念に精通していなければ不可能です。

常識コンテンツリスト
常識知識ベースの情報には、次のものが含まれますが、これに限定されません。

オントロジークラスと個人
オブジェクトの部品と素材
オブジェクトのプロパティ(色やサイズなど)は、
オブジェクトの機能と使用
オブジェクトの場所と配布
アクションとイベントの場所
行動とイベントの時間
アクションおよびイベントの前提条件
アクションとイベントの影響(事後条件)
主題と行動の目的
デバイスの動作
状況やスクリプトが古くなった
人権の目標とニーズ
感情
計画と戦略
ストーリーテーマ
コンテキスト

人気のある例
WordNet、常識知識ベースの辞書。
(Large)Common Knowledge Base(Cyc)は、百科事典に似た大規模な常識知識ベースです。
ThoughtTreasureは、自然言語処理における常識の知識ベースです。
セマンティックWebは、ドメイン知識ベースと常識知識ベースの両方を持つ将来のネットワークです。
オープンマインドコモンセンス
基本的な正式オントロジー(基本的なオントロジー
一般的な形式オントロジー
コンセプトネットワーク(コンセプトネット)
思考ドットマトリックス(Mindpixel)
オントロジー(コンピュータサイエンス)
上または上の知識オントロジー)
常識的な推論

専門家の意見
一部の専門家は、「常識的処理は人工知識研究の中核的な問題である」と考えている。 ある専門家は、「ドメイン専門家の知識をいかに効果的に獲得するかは、常に人工知能の問題であった」と考えている。

実用的な研究
例えば、知的エージェントのための大規模常識知識ベースのオントロジ構造と操作メカニズムを研究する。

データベース
サイク
Open Mind Common Sense(データソース)とConceptNet(データストアとNLPエンジン)
思考の回復
マインドピクセル
真の知識
DBpedia
Graphiq