Connaissances de sens commun (intelligence artificielle) - Commonsense knowledge (artificial intelligence)

À ne pas confondre avec le bon sens ou les connaissances générales .

Dans la recherche sur l' intelligence artificielle , la connaissance de bon sens se compose de faits sur le monde quotidien, tels que «Les citrons sont aigres», que tous les humains sont censés connaître. Il s'agit actuellement d'un problème non résolu en Intelligence Artificielle Générale et est l'un des objectifs de l' Institut Allen pour l'Intelligence Artificielle . Le premier programme d'IA à aborder les connaissances de bon sens était Advice Taker en 1959 par John McCarthy .

La connaissance de bon sens peut étayer un processus de raisonnement de bon sens , pour tenter des inférences telles que «Vous pourriez faire un gâteau parce que vous voulez que les gens mangent le gâteau». Un processus de traitement du langage naturel peut être attaché à la base de connaissances de bon sens pour permettre à la base de connaissances de tenter de répondre à des questions sur le monde. Les connaissances de bon sens aident également à résoudre les problèmes face à des informations incomplètes . En utilisant des croyances largement répandues sur les objets du quotidien ou des connaissances de bon sens , les systèmes d'IA font des hypothèses de bon sens ou des hypothèses par défaut sur l'inconnu, de la même manière que les gens. Dans un système AI ou en anglais, cela est exprimé comme "Normalement P tient", "Habituellement P" ou "Typiquement P donc Assume P". Par exemple, si nous connaissons le fait "Tweety est un oiseau", parce que nous connaissons la croyance communément répandue sur les oiseaux, "typiquement les oiseaux volent", sans rien savoir d'autre sur Tweety, nous pouvons raisonnablement supposer que "Tweety peut voler. " Au fur et à mesure que la connaissance du monde est découverte ou acquise au fil du temps, le système d'IA peut réviser ses hypothèses sur Tweety à l'aide d'un processus de maintenance de la vérité . Si nous apprenons plus tard que "Tweety est un pingouin", alors la maintenance de la vérité révise cette hypothèse parce que nous savons aussi que "les pingouins ne volent pas".

Raisonnement de bon sens

Article principal: raisonnement de bon sens

Le raisonnement de bon sens simule la capacité humaine d'utiliser des connaissances de bon sens pour faire des présomptions sur le type et l'essence des situations ordinaires qu'ils rencontrent chaque jour, et pour changer d '«esprit» si de nouvelles informations venaient à être révélées. Cela comprend le temps, les informations manquantes ou incomplètes et les causes et effets. La capacité à expliquer les causes et les effets est un aspect important de l' IA explicable . Les algorithmes de maintien de la vérité fournissent automatiquement une facilité d'explication car ils créent des enregistrements élaborés de présomptions. Par rapport aux humains, tous les programmes informatiques existants qui tentent une IA au niveau humain fonctionnent extrêmement mal sur les tests de référence modernes de «raisonnement de bon sens» tels que le Winograd Schema Challenge . Le problème de l'acquisition de compétences au niveau humain pour des tâches de "connaissance de bon sens" est probablement considéré comme " IA complète " (c'est-à-dire que le résoudre nécessiterait la capacité de synthétiser une intelligence pleinement humaine ), bien que certains s'opposent à cette notion et croient une intelligence compatissante est également nécessaire pour l'IA au niveau humain. Le raisonnement de bon sens a été appliqué avec succès dans des domaines plus limités tels que le traitement du langage naturel et le diagnostic ou l'analyse automatisés.

Applications

Vers 2013, des chercheurs du MIT ont développé BullySpace, une extension de la base de connaissances de bon sens ConceptNet , pour capturer les commentaires moqueurs sur les réseaux sociaux. BullySpace a inclus plus de 200 affirmations sémantiques basées sur des stéréotypes, pour aider le système à déduire que des commentaires comme "Mettez une perruque et un rouge à lèvres et soyez qui vous êtes vraiment" sont plus susceptibles d'être une insulte s'ils sont dirigés contre un garçon qu'une fille.

ConceptNet a également été utilisé par les chatbots et par les ordinateurs qui composent des fictions originales. Au Lawrence Livermore National Laboratory , des connaissances de bon sens ont été utilisées dans un agent logiciel intelligent pour détecter les violations d'un traité d' interdiction complète des essais nucléaires .

Données

À titre d'exemple, à partir de 2012, ConceptNet comprend ces 21 relations indépendantes de la langue:

  • Est un
  • Utilisé pour
  • A un
  • Capable de
  • Désirs
  • CreatedBy ("gâteau" peut être créé par "cuisson")
  • Partie de
  • Les causes
  • Situé à proximité
  • AtLocation (Quelque part un "cuisinier" peut être dans un "restaurant")
  • Défini comme
  • SymbolOf ( X représente Y )
  • ReceivesAction ("gâteau" peut être "mangé")
  • HasPrerequisite ( X ne peut pas faire Y à moins que A ne fasse B )
  • MotivatedByGoal (Vous «cuire» parce que vous voulez «manger»)
  • CausesDesire ("cuisson" donne envie de "suivre la recette")
  • Fait de
  • HasFirstSubevent (La première chose requise lorsque vous faites X est que l'entité Y fasse Z )
  • HasSubevent ("manger" a subevent "avaler")
  • HasLastSubevent

Bases de connaissances de bon sens

Voir également

Les références