Рассуждения здравого смысла
Логика здравого смысла-это одна из ветвей искусственного интеллекта (ИИ), которая занимается моделированием способности человека делать предположения о типе и сущности обычных ситуаций, с которыми он сталкивается каждый день.[1] эти допущения включают суждения о физических свойствах, целях, намерениях и поведении людей и объектов, а также о возможных результатах их действий и взаимодействий. Устройство, демонстрирующее здравый смысл рассуждения, будет способно предсказывать результаты и делать выводы, которые похожи на народную психологию человека (врожденная способность человека рассуждать о поведении и намерениях людей) и наивная физика (естественное понимание человеком физического мира).
Знание здравого смысла[править]
В искусственном интеллекте знание здравого смысла-это набор фоновой информации, которую человек должен знать или предполагать, и способность использовать ее в соответствующих случаях. Это общее знание (между всеми или людьми в определенной культуре или возрастной группе только). Путь к обретению здравого смысла лежит через его изучение или переживание. В общении это то, что люди не должны говорить, потому что собеседник, как ожидается, знает или делает предположение.
Проблема знания здравого смысла[править]
Проблема commonense knowledge problem-это текущий проект в области искусственного интеллекта по созданию базы данных, содержащей общие знания, которые, как ожидается, будут иметь большинство людей, представленные в доступной форме для программ искусственного интеллекта , использующих естественный язык. В связи с широкой сферой применения знания здравого смысла этот вопрос считается одним из самых сложных в исследовании ИИ сфера. Для того, чтобы любая задача была выполнена так, как это сделал бы человеческий разум, машина должна казаться такой же разумной, как и человек. К таким задачам относятся распознавание объектов, машинный перевод и интеллектуальный анализ текста. Чтобы выполнить их, машина должна осознавать те же самые понятия, которые признает человек, обладающий знанием здравого смысла.
Здравый смысл в интеллектуальных задачах[править]
В 1961 году Бар Хиллел впервые обсудил необходимость и значение практических знаний для обработки естественного языка в контексте машинного перевода. Некоторые неясности разрешаются с помощью простых и удобных для усвоения правил. Другие требуют широкого признания окружающего мира, поэтому они требуют больше здравого смысла знаний. Например, когда машина используется для перевода текста, возникают проблемы неопределенности, которые могут быть легко решены путем достижения конкретного и истинного понимания контекста. Онлайн-переводчики часто разрешают двусмысленности, используя аналогичные или похожие слова. Например, при переводе предложений "электрик работает" и "телефон работает" на немецкий язык, машина переводится правильно "работает" в значении "трудится" в первом случае и как "функционирует должным образом" во втором. Машина видела и читала в теле текстов что немецкие слова для "трудиться" и "электрика" часто использованы в комбинации и найдены близко совместно. То же самое относится к "телефону" и "функционированию должным образом". Однако статистический прокси, который работает в простых случаях, часто терпит неудачу в сложных. Существующие компьютерные программы выполняют простые языковые задачи, манипулируя короткими фразами или отдельными словами, но они не пытаются углубить понимание и сосредоточиться на краткосрочных результатах.
Компьютерное зрение[править]
Подобные проблемы возникают и в области компьютерного зрения. например, при взгляде на фотографию ванной комнаты некоторые из предметов, которые являются небольшими и только частично видны, такие как полотенца или лосьоны для тела, узнаваемы благодаря окружающим объектам (туалет, умывальник, ванна), которые предполагают назначение комнаты. В изолированном изображении их было бы трудно идентифицировать. Фильмы оказываются еще более сложными задачами. Некоторые фильмы содержат сцены и моменты, которые нельзя понять, просто сопоставляя запомненные шаблоны с изображениями. Например, чтобы понять контекст фильма, зритель должен сделать выводы о намерениях персонажей и сделать предположения в зависимости от их поведения. В современном состоянии искусства невозможно построить и управлять программой, которая будет выполнять такие задачи, как рассуждение, т. е. предсказание действий персонажей. Самое большее, что можно сделать, - это определить основные действия и отслеживать персонажей.
Роботизированная манипуляция[править]
Необходимость и важность здравого смысла рассуждения в автономных роботах, которые работают в реальной жизни неконтролируемой среде, очевидна. Например, если робот запрограммирован на выполнение задач официанта на коктейльной вечеринке, и он видит, что стакан, который он поднял, разбит, робот-официант не должен наливать жидкость в стакан, а вместо этого поднимать другой. Такие задачи кажутся очевидными, когда человек обладает простым здравым смыслом рассуждения, но чтобы гарантировать, что робот будет избегать таких ошибок является сложной задачей.
Успехи в автоматизированном рассуждении здравого смысла[править]
Значительный прогресс в области автоматизированного рассуждения здравого смысла достигнут в областях таксономического рассуждения, рассуждения о действиях и изменениях, рассуждения о времени. Каждая из этих сфер имеет хорошо признанную теорию для широкого круга выводов из здравого смысла.
Таксономические рассуждения[править]
Таксономия - это совокупность лиц и категорий и их отношений. Таксономии часто называют семантическими сетями. На рисунке 2 показана таксономия нескольких категорий особей и животных. Показаны три основных соотношения:
- Индивидуум-это экземпляр категории. Например, индивидуальный Tweety является экземпляром категории robin .
- Одна категория является подмножеством другой. Например, Робин-это подмножество птицы .
- Две категории не связаны между собой. Например, Робин не связан с пингвином .
Транзитивность-это один из видов вывода в таксономии. Поскольку Tweety является экземпляром robin, а robin-подмножеством bird, из этого следует, что Tweety является экземпляром bird . Наследование-это еще один тип вывода. Поскольку Tweety является экземпляром robin, который является подмножеством bird и bird отмечен свойством canfly, из этого следует, что Tweety и robin имеют свойство canfly . Когда индивид систематизирует более абстрактные категории, выделение и разграничение конкретных категорий становится более проблематичным. Простые таксономические структуры часто используются в программах искусственного интеллекта. Например, WordNet это ресурс, включающий в себя таксономию, элементами которой являются значения английских слов. Системы веб-майнинга, используемые для сбора общих знаний из веб-документов, сосредоточены на таксономических отношениях и, в частности, на сборе таксономических отношений.
Действие и изменение[править]
Теория действия, событий и изменений-это еще один ряд рассуждений, основанных на здравом смысле. существуют установленные методы рассуждения для доменов, которые удовлетворяют ограничениям, перечисленным ниже:
- События являются атомарными, то есть одно событие происходит одновременно, и рассуждающий должен учитывать состояние и состояние мира в начале и в конце конкретного события, но не во время состояний, в то время как есть еще свидетельства продолжающихся изменений (прогресса).
- Каждое отдельное изменение является результатом какого-то события
- События детерминированы, то есть состояние мира в конце события определяется состоянием мира в начале и спецификацией события.
- Есть один актер, и все события-это его действия.
- Соответствующее состояние мира в начале либо известно, либо может быть вычислено.
Временное рассуждение[править]
Темпоральное мышление - это способность делать предположения о человеческом знании времени, длительности и временных интервалов. Например, если человек знает, что Моцарт родился после Хадина и умер раньше него, он может использовать свое знание темпорального мышления, чтобы вывести, что Моцарт умер моложе Хадина. Соответствующие выводы сводятся к решению систем линейных неравенств. интеграция такого рода рассуждений с конкретными целями, такими как интерпретация естественного языка , является более сложной задачей, поскольку выражения естественного языка имеют контекстно-зависимую интерпретацию.[11] простые задачи, такие как назначение временных меток процедурам, не могут быть выполнены с полной точностью.
Качественное рассуждение[править]
Качественное рассуждение является ли форма рассуждения здравого смысла проанализирована с определенным успехом. Речь идет о направлении изменения взаимосвязанных величин. Например, если цена акции растет, то количество акций, которые будут проданы, будет снижаться. Если в какой-то экосистеме содержатся волки и ягнята и количество волков уменьшается, то смертность ягнят также будет снижаться. Эта теория была впервые сформулирована Йоханом де Клером, который проанализировал объект, движущийся на американских горках. Теория качественного рассуждения применяется во многих областях, таких как физика, биология, инженерия, экология и др. Он служит основой для многих практических программ, аналогического отображения, понимания текста.
Проблемы автоматизации рассуждений на основе здравого смысла[править]
По состоянию на 2014 год, есть некоторые коммерческие системы, пытающиеся сделать использование рассуждений здравого смысла значительным. Однако они используют статистическую информацию в качестве прокси для знания здравого смысла, где рассуждение отсутствует. Текущие программы манипулируют отдельными словами, но они не пытаются или предлагают дальнейшее понимание. Пять основных препятствий мешают созданию удовлетворительного "здравомыслящего рассуждателя".
Во-первых, некоторые области, связанные с рассуждениями на основе здравого смысла, поняты лишь частично. Индивиды далеки от всестороннего понимания таких областей, как общение и знание, межличностные взаимодействия или физические процессы.
Во-вторых, ситуации, которые кажутся легко предсказанными или предполагаемыми, могут иметь логическую сложность, которую человеческое знание здравого смысла не покрывает. Некоторые аспекты подобных ситуаций изучаются и хорошо понимаются, но существует много неизвестных даже в принципе отношений и способов их представления в форме, пригодной для использования компьютерами.
В-третьих, здравый смысл предполагает наличие правдоподобных рассуждений. Для этого необходимо прийти к разумному выводу, учитывая то, что уже известно. Правдоподобные рассуждения изучаются уже много лет, и существует множество теорий, которые включают в себя вероятностные рассуждения и немонотонную логику. Он принимает различные формы, которые включают использование ненадежных данных и правил, выводы которых иногда не являются определенными.
В-четвертых, существует множество областей, в которых крайне часто встречается небольшое число примеров, тогда как существует огромное число крайне нечастых примеров.
В-пятых, при формулировании презумпций трудно различить и определить уровень абстракции.
По сравнению с людьми, все существующие компьютерные программы работают чрезвычайно плохо на современных тестах "рассуждения здравого смысла", таких как тест схемы Виноградова .[15] проблема достижения компетентности человеческого уровня в задачах "знания здравого смысла" рассматривается, вероятно, как "AI complete" (то есть для ее решения потребуется способность синтезировать интеллект человеческого уровня ).
Подходы и методы[править]
Исследование рассуждений Commonsense разделено на подходы, основанные на знаниях, и подходы, основанные на машинном обучении и использовании больших массивов данных с ограниченным взаимодействием между этими двумя типами подходов. Существуют также подходы краудсорсинга, направленные на создание базы знаний путем увязки коллективных знаний и вклада неопытных людей. Подходы, основанные на знаниях, можно разделить на подходы, основанные на математической логике.
В подходах, основанных на знаниях, эксперты анализируют характеристики умозаключений, которые требуются для выполнения рассуждений в конкретной области или для определенной задачи. Подходы, основанные на знаниях, состоят из математически обоснованных подходов, неформальных подходов, основанных на знаниях, и крупномасштабных подходов. Математически обоснованные подходы являются чисто теоретическими, и результатом является печатная статья, а не программа. Эта работа ограничивается кругом областей и методов рассуждения, которые в настоящее время рассматриваются. В неформальных подходах, основанных на знаниях, теории рассуждения основаны на анекдотических данных и интуиции, которые являются результатами эмпирической поведенческой психологии. Неформальные подходы широко распространены в компьютерном программировании. Два других популярных метода извлечения знаний здравого смысла из веб-документов включают веб-майнинг и краудсорсинг .