機(jī)器可以具備“常識”（common sense）嗎？11月18日，第九屆財(cái)新峰會“科學(xué)下一步暨STEP全球科技論壇”上，華盛頓大學(xué)計(jì)算機(jī)科學(xué)系教授、艾倫人工智能研究所首席執(zhí)行官奧倫·埃齊奧尼（Oren Etzioni）稱，目前機(jī)器學(xué)習(xí)存在諸多問題，但可以通過獲得“常識”來解決。

現(xiàn)年54歲的奧倫·埃齊奧尼（Oren Etzioni）畢業(yè)于哈佛大學(xué)，在卡內(nèi)基梅隆大學(xué)獲得博士學(xué)位，他曾獲得多個(gè)獎(jiǎng)項(xiàng)，包括美國自然科學(xué)基金青年學(xué)者獎(jiǎng)（1993年）、羅伯特·恩格爾莫爾紀(jì)念獎(jiǎng)（2007年）、IJCAI杰出論文獎(jiǎng)（2005年）、西雅圖年度極客獎(jiǎng)（2013年）。在元搜索（1994年）、在線比較購物（1996年）、機(jī)器閱讀（2006年）和開放式信息提取（2007年）等領(lǐng)域，埃齊奧尼都是先驅(qū)性的科學(xué)家。

埃齊奧尼不僅是一位科學(xué)家，還是一位卓有成就的企業(yè)家。他曾參與創(chuàng)立了多家公司，包括Farecast公司（2008年賣給微軟）和Decide公司（2013年賣給eBay）。埃齊奧尼發(fā)表過100多篇論文，在學(xué)術(shù)搜索引擎Semantic Scholar上，他的論文的被引次數(shù)高達(dá)1800多次。

埃齊奧尼稱，雖然目前深度學(xué)習(xí)（deep learning）在各個(gè)領(lǐng)域得到廣泛應(yīng)用，但是深度學(xué)習(xí)有四大問題。首先深度學(xué)習(xí)易于犯錯(cuò)，他舉的一個(gè)例子是用圖像識別深度學(xué)習(xí)程序去識別一張鴨子在水中游泳的照片，該深度學(xué)習(xí)程序在水波中識別出了一輛汽車，因?yàn)閳D中的一小塊水波放大以后看確實(shí)很像是汽車的外形。埃齊奧尼表示，除此以外深度學(xué)習(xí)還有效率低、無法解釋如何得到計(jì)算結(jié)果、以及有安全隱患等問題。

解決這些問題的一個(gè)方式是讓深度學(xué)習(xí)獲得“常識”。埃齊奧尼通過舉例來解釋何為“常識”，比如把一雙襪子放進(jìn)衣櫥里面，第二天這雙襪子是否還在衣櫥里？大部分人會認(rèn)為這雙襪子會還在。這就是常識。又比如說，對“I see Great Wall flying to Beijing.”（我在飛往北京的飛機(jī)上看到了長城）這句話，它的意思不是“我看到長城飛到北京去了”，因?yàn)?ldquo;長城不會飛”這是常識。

埃齊奧尼稱，要讓機(jī)器學(xué)習(xí)獲得常識，首先要把常識變得可以測量。一個(gè)方法是用大量的測試題，比如一些給小孩子做的物理題，讓機(jī)器學(xué)習(xí)程序去做，以此測試機(jī)器學(xué)習(xí)的常識水平。

其次，可以通過知識工程、眾籌以及自動化三種方式來生產(chǎn)常識數(shù)據(jù)。知識工程就是找一些專家去寫常識性的論斷，這種方式規(guī)?；^難；眾籌就是利用各種眾籌平臺生產(chǎn)常識論斷，這種方式比較有希望；自動化是通過文字、圖片和視頻來進(jìn)行推斷，自動生成常識性論斷

【來源：財(cái)新網(wǎng)】