AI可以在几分之一秒内识别物体，模仿人类的声音并推荐新的音乐，但大多数机器智能缺乏对日常物品和动作的最基本的理解，即常识。DARPA 正在与总部位于西雅图的艾伦AI研究所合作，以了解如何改变它。

机器常识计划旨在定义问题并在其上产生进展，尽管没有人期望在一两年内解决这个问题。但是，如果AI想要逃离那些运行良好的特定领域，那么它就需要培养出一种能够以极快的速度执行分类任务的大脑。

“缺乏常识阻碍了智能系统了解其世界，与人自然沟通，在不可预见的情况下合理行事，以及从新体验中学习。这可能是我们今天的弱AI应用程序与我们希望在未来创建的更为通用AI应用程序之间最重要的障碍，”DARPA的Dave Gunning在一份新闻稿中解释道。

AI不仅缺乏常识，而且鉴于概念的广泛性，定义和测试非常困难。常识可以是任何东西，很明显，它们实际上是非常复杂的构造，涉及多个概念和直观的连接。

这不仅仅是一组事实（比如你必须在吃橘子之前去掉皮，或者抽屉可以容纳小物品），而是根据你在其他地方观察到的东西来识别它们之间的联系。这就是为什么DARPA的提议涉及建立“从经验中学习并模仿发展心理学定义的认知核心领域的计算模型”。这包括对象领域（直观物理），地方（空间导航）和智能体（有目的性的演员）。

但是如何测试这些东西呢？幸运的是，几十年来，伟大的思想家一直致力于解决这个问题，一个研究小组提出了一种测试常识的初步方法，这种方法应该成为更复杂的常识的垫脚石。

艾伦AI研究所一直致力于常识，现在已经开展了很多其他有关现实世界理解和导航的项目。

艾伦AI研究所的负责人Oren Etzioni表示，“其中一个问题是如何将其置于经验基础之上。如果你无法测量它，你如何评估它？这是人们第一次尝试让常识变得可测量，这也是DARPA第一次把他们的领导和资金投入到这个圈子里。”

AI2的方法很简单，但经过精心校准。机器学习模型将以情况的书面描述和下一步发生的几个简短选项的形式呈现。这是一个例子：

在舞台上，一个女人坐在钢琴上。她
a）坐在长凳上，而她的妹妹玩娃娃。
b）随着音乐播放，与某人微笑。
c）在人群中，看着舞者。
d）紧张地将手指放在琴键上。

正如你和我都知道的那样，答案就是d。但是，我们为寻找答案所付出的背景和知识的数量是巨大的。而且它并不像其他选项是不可能的，实际上，它们是AI生成的，似乎对其他代理似乎是合理的，但很容易被人类检测到。对于一台机器来说，这确实是一个非常困难的问题，目前的模型在60％的时间内都是正确的。

这些问题有113000个，但Etzioni告诉我这只是几个中的第一个数据集。

“这个特定的数据集并不那么难，”他说，“我希望看到快速的进展。但到今年年底，我们将要推出至少四个更难的东西。”

毕竟，幼儿没有通过参加GRE学习常识。与其他AI挑战一样，你需要逐步改进，以推广到类似问题的更难版本，例如，从识别照片中的脸部，到识别多个脸部，然后识别这些脸部上的表情。

下周将在阿灵顿举办一个提议者日，任何研究人员都希望与那些经历这一小挑战的人面对面，然后会有合作伙伴选择流程，明年初选定的团体将能够提交他们的模型由AI2的系统在春季进行评估。

对AI的常识研究是DARPA在多个方面对AI投资20亿美元的一部分。但他们并不打算与谷歌，亚马逊和百度这样的公司进行竞争，而谷歌，亚马逊和百度都在我们手机等上看到的弱AI应用程序上投入了大量资金。