Hispanopedia Wiki
Articulo de referencia

razonamiento de sentido común

En inteligencia artificial (IA), el razonamiento de sentido común es una capacidad similar a la humana para hacer suposiciones sobre el tipo y la esencia de las situaciones coti...

Hispanopedia WikiContenido en espanolLectura gratuita

En inteligencia artificial (IA), el razonamiento de sentido común es una capacidad similar a la humana para hacer suposiciones sobre el tipo y la esencia de las situaciones cotidianas que las personas encuentran a diario. Estas suposiciones incluyen juicios sobre la naturaleza de los objetos físicos, las propiedades taxonómicas y las intenciones de las personas. Un dispositivo que exhiba razonamiento de sentido común podría ser capaz de llegar a conclusiones similares a las de la psicología popular humana (la capacidad innata de los humanos para razonar sobre el comportamiento y las intenciones de las personas) y la física ingenua (la comprensión natural de los humanos sobre el mundo físico). [ 1 ]

Definiciones y caracterizaciones

Algunas definiciones y caracterizaciones del sentido común de diferentes autores incluyen:

  • " El conocimiento de sentido común incluye los hechos básicos sobre los acontecimientos (incluidas las acciones) y sus efectos, los hechos sobre el conocimiento y cómo se obtiene, los hechos sobre las creencias y los deseos. También incluye los hechos básicos sobre los objetos materiales y sus propiedades." [ 2 ]
  • "El conocimiento de sentido común se diferencia del conocimiento enciclopédico en que se ocupa del conocimiento general en lugar de los detalles de entidades específicas." [ 3 ]
  • El conocimiento de sentido común es "conocimiento del mundo real que puede proporcionar una base para que se recopile e interprete automáticamente conocimiento adicional". [ 4 ]
  • El mundo del sentido común consiste en "tiempo, espacio, interacciones físicas, personas, etcétera". [ 1 ]
  • El sentido común es "todo el conocimiento sobre el mundo que damos por sentado pero que rara vez expresamos en voz alta". [ 5 ]
  • El sentido común es "conocimiento general ampliamente reutilizable que no es específico de un área temática en particular... conocimiento que deberías tener". [ 6 ]

El profesor de la Universidad de Nueva York, Ernest Davis, define el conocimiento de sentido común como «lo que un niño típico de siete años sabe sobre el mundo», incluyendo objetos físicos, sustancias, plantas, animales y la sociedad humana. Generalmente excluye el aprendizaje académico, el conocimiento especializado y el conocimiento de convenciones; pero a veces incluye conocimiento sobre esos temas. Por ejemplo, saber jugar a las cartas es conocimiento especializado, no «conocimiento de sentido común»; pero saber que la gente juega a las cartas por diversión sí se considera «conocimiento de sentido común». [ 7 ]

Problema de razonamiento de sentido común

Un sistema de conducción autónoma puede utilizar una red neuronal para determinar qué partes de la imagen parecen coincidir con imágenes de entrenamiento previas de peatones, y luego modelar esas áreas como prismas rectangulares de movimiento lento pero algo impredecibles que deben evitarse.

En comparación con los humanos, la IA actual carece de varias características del razonamiento de sentido común humano; en particular, los humanos poseen poderosos mecanismos para razonar sobre la " física ingenua ", como el espacio, el tiempo y las interacciones físicas. Esto permite incluso a los niños pequeños hacer inferencias fácilmente, como "Si hago rodar este bolígrafo desde una mesa, caerá al suelo". Los humanos también poseen un poderoso mecanismo de " psicología popular " que les ayuda a interpretar oraciones en lenguaje natural, como "Los concejales denegaron el permiso a los manifestantes porque abogaban por la violencia". (Una IA genérica tiene dificultades para discernir si quienes supuestamente abogan por la violencia son los concejales o los manifestantes). [ 1 ] [ 8 ] [ 9 ] Esta falta de "conocimiento común" significa que la IA a menudo comete errores diferentes a los de los humanos, de maneras que pueden parecer incomprensibles. Por ejemplo, los coches autónomos actuales no pueden razonar sobre la ubicación ni las intenciones de los peatones exactamente como lo hacen los humanos, y en su lugar deben utilizar modos de razonamiento no humanos para evitar accidentes. [ 10 ] [ 11 ] [ 12 ]

Entre los subtemas superpuestos del razonamiento de sentido común se incluyen cantidades y mediciones, tiempo y espacio, física, mentes, sociedad, planes y objetivos, y acciones y cambios. [ 13 ]

Problema de conocimiento de sentido común

El problema del conocimiento de sentido común es un proyecto actual en el ámbito de la inteligencia artificial para crear una base de datos que contenga el conocimiento general que se espera que posea la mayoría de las personas, representado de forma accesible para programas de inteligencia artificial [ 14 ] que utilizan lenguaje natural. Debido a la amplitud del conocimiento de sentido común, este problema se considera uno de los más difíciles en la investigación de IA. [ 15 ] Para que cualquier tarea se realice como lo haría una mente humana, la máquina debe parecer tan inteligente como un ser humano. Dichas tareas incluyen el reconocimiento de objetos , la traducción automática y la minería de texto . Para realizarlas, la máquina debe ser consciente de los mismos conceptos que reconoce un individuo que posee conocimiento de sentido común.

Sentido común en tareas inteligentes

En 1961, Bar Hillel abordó por primera vez la necesidad y la importancia del conocimiento práctico para el procesamiento del lenguaje natural en el contexto de la traducción automática. [ 16 ] Algunas ambigüedades se resuelven mediante reglas sencillas y fáciles de adquirir. Otras requieren un amplio conocimiento del entorno, por lo que exigen un mayor sentido común. Por ejemplo, al usar una máquina para traducir un texto, surgen problemas de ambigüedad que podrían resolverse fácilmente mediante una comprensión concreta y precisa del contexto. Los traductores en línea suelen resolver las ambigüedades utilizando palabras análogas o similares. Por ejemplo, al traducir las oraciones "El electricista está trabajando" y "El teléfono está funcionando" al alemán, la máquina traduce correctamente "trabajando" como "trabajando" en la primera y como "funcionando correctamente" en la segunda. La máquina ha visto y leído en el texto que las palabras alemanas para "trabajar" y "electricista" se usan frecuentemente juntas y aparecen cerca unas de otras. Lo mismo ocurre con "teléfono" y "funcionar correctamente". Sin embargo, el método estadístico que funciona en casos sencillos suele fallar en casos complejos. Los programas informáticos actuales realizan tareas lingüísticas simples manipulando frases cortas o palabras sueltas, pero no buscan una comprensión más profunda y se centran en resultados a corto plazo.

visión por computadora

Problemas de este tipo surgen en la visión por computadora. [ 1 ] [ 17 ] Por ejemplo, al observar una fotografía de un baño, algunos objetos pequeños que solo se ven parcialmente, como toallas faciales y botellas, son reconocibles debido a los objetos circundantes (inodoro, lavabo, bañera), que sugieren la función de la habitación. En una imagen aislada, serían difíciles de identificar.

Las películas resultan ser tareas aún más difíciles. Algunas contienen escenas y momentos que no se pueden comprender simplemente asociando imágenes con patrones memorizados. Por ejemplo, para entender el contexto de la película, el espectador debe inferir las intenciones de los personajes y hacer suposiciones en función de su comportamiento. En el estado actual de la técnica, es imposible crear y gestionar un programa que realice tareas como el razonamiento, es decir, predecir las acciones de los personajes. Lo máximo que se puede hacer es identificar acciones básicas y rastrear a los personajes.

Manipulación robótica

La necesidad e importancia del razonamiento de sentido común en los robots autónomos que operan en un entorno real no controlado es evidente. Por ejemplo, si un robot está programado para realizar las tareas de un camarero en un cóctel y ve que el vaso que ha cogido está roto, el robot camarero no debería verter el líquido en el vaso, sino coger otro. Estas tareas parecen obvias cuando un individuo posee un razonamiento de sentido común simple, pero garantizar que un robot evite tales errores es todo un reto. [ 1 ]

Éxitos en el razonamiento automatizado de sentido común

Se han logrado avances significativos en el campo del razonamiento automatizado de sentido común en las áreas de razonamiento taxonómico, razonamiento sobre acciones y cambios, y razonamiento sobre el tiempo. Cada una de estas esferas cuenta con una teoría bien establecida para una amplia gama de inferencias de sentido común. [ 18 ]

razonamiento taxonómico

La taxonomía es el conjunto de individuos y categorías y sus relaciones. Tres relaciones básicas son:

  • Un individuo es una instancia de una categoría. Por ejemplo, el individuo Tweety es una instancia de la categoría petirrojo .
  • Una categoría es un subconjunto de otra. Por ejemplo, petirrojo es un subconjunto de pájaro .
  • Dos categorías son disjuntas. Por ejemplo, petirrojo es disjunto de pingüino .

La transitividad es un tipo de inferencia en taxonomía. Dado que Tweety es una instancia de petirrojo y petirrojo es un subconjunto de pájaro , se deduce que Tweety es una instancia de pájaro . La herencia es otro tipo de inferencia. Dado que Tweety es una instancia de petirrojo , que es un subconjunto de pájaro y pájaro está marcado con la propiedad canfly , se deduce que Tweety y petirrojo tienen la propiedad canfly .

Cuando un individuo taxonomiza categorías más abstractas, delinear y delimitar categorías específicas se vuelve más problemático. Las estructuras taxonómicas simples se utilizan con frecuencia en programas de IA. Por ejemplo, WordNet es un recurso que incluye una taxonomía, cuyos elementos son los significados de las palabras en inglés. Los sistemas de minería web utilizados para recopilar conocimiento de sentido común de documentos web se centran en las relaciones taxonómicas y, específicamente, en la recopilación de relaciones taxonómicas. [ 1 ]

Acción y cambio

La teoría de la acción, los eventos y el cambio es otro ámbito del razonamiento de sentido común. [ 19 ] Existen métodos de razonamiento establecidos para dominios que satisfacen las restricciones que se enumeran a continuación:

  • Los eventos son atómicos, lo que significa que un evento ocurre a la vez y el razonador necesita considerar el estado y la condición del mundo al comienzo y al final del evento específico, pero no durante los estados, mientras todavía haya evidencia de cambios en curso (progreso).
  • Cada cambio es el resultado de algún evento.
  • Los eventos son deterministas, lo que significa que el estado del mundo al final del evento está definido por el estado del mundo al principio y la especificación del evento.
  • Hay un único actor y todos los acontecimientos son consecuencia de sus acciones.
  • El estado relevante del mundo al principio es conocido o puede calcularse.

Razonamiento temporal

El razonamiento temporal es la capacidad de hacer suposiciones sobre el conocimiento humano de tiempos, duraciones e intervalos de tiempo. Por ejemplo, si una persona sabe que Mozart nació después de Haydn y murió antes que él, puede usar su conocimiento de razonamiento temporal para deducir que Mozart murió antes que Haydn. Las inferencias involucradas se reducen a resolver sistemas de desigualdades lineales. [ 20 ]

Integrar ese tipo de razonamiento con propósitos concretos, como la interpretación del lenguaje natural , es más difícil, porque las expresiones del lenguaje natural tienen una interpretación dependiente del contexto. [ 21 ] Tareas simples como asignar marcas de tiempo a procedimientos no se pueden realizar con total precisión.

Razonamiento cualitativo

El razonamiento cualitativo [ 22 ] es una forma de razonamiento de sentido común que ha sido analizada con cierto éxito. Se centra en la dirección del cambio en cantidades interrelacionadas. Por ejemplo, si el precio de una acción sube, la cantidad de acciones que se venderán disminuirá. Si un ecosistema contiene lobos y corderos y el número de lobos disminuye, la tasa de mortalidad de los corderos también disminuirá. Esta teoría fue formulada inicialmente por Johan de Kleer , quien analizó un objeto que se movía en una montaña rusa.

La teoría del razonamiento cualitativo se aplica en muchos ámbitos, como la física, la biología, la ingeniería, la ecología, etc. Sirve de base para muchos programas prácticos, como la representación analógica y la comprensión de textos.

Desafíos en la automatización del razonamiento de sentido común

En 2014, algunos sistemas comerciales intentaban potenciar el razonamiento de sentido común. Sin embargo, utilizaban información estadística como sustituto del conocimiento de sentido común, donde el razonamiento estaba ausente. Los programas actuales manipulaban palabras individuales, pero no buscaban ni ofrecían una comprensión más profunda. Según Ernest Davis y Gary Marcus , cinco obstáculos principales dificultan la creación de un sistema de razonamiento de sentido común satisfactorio. [ 1 ]

  • En primer lugar, algunos de los ámbitos que intervienen en el razonamiento de sentido común solo se comprenden parcialmente. Los individuos están lejos de comprender de forma exhaustiva ámbitos como la comunicación y el conocimiento, las interacciones interpersonales o los procesos físicos.
  • En segundo lugar, situaciones que parecen fáciles de predecir o dar por sentadas podrían tener una complejidad lógica que el sentido común humano no abarca. Algunos aspectos de situaciones similares se estudian y se comprenden bien, pero existen muchas relaciones desconocidas, incluso en principio, y se desconoce cómo podrían representarse de forma que las computadoras puedan utilizarlas.
  • En tercer lugar, el razonamiento de sentido común implica un razonamiento plausible . Requiere llegar a una conclusión razonable a partir de lo que ya se sabe. El razonamiento plausible se ha estudiado durante muchos años y se han desarrollado numerosas teorías, entre las que se incluyen el razonamiento probabilístico y la lógica no monótona . Adopta diferentes formas, como el uso de datos y reglas poco fiables, cuyas conclusiones a veces no son del todo certeras.
  • En cuarto lugar, existen muchos ámbitos en los que un pequeño número de ejemplos son extremadamente frecuentes, mientras que hay una gran cantidad de ejemplos muy poco frecuentes.
  • En quinto lugar, al formular presunciones, resulta difícil discernir y determinar el nivel de abstracción.

En comparación con los humanos, a partir de 2018, los programas informáticos existentes tienen un rendimiento extremadamente bajo en las pruebas de referencia modernas de "razonamiento de sentido común", como el Winograd Schema Challenge . [ 23 ] Se considera que el problema de alcanzar la competencia a nivel humano en tareas de "conocimiento de sentido común" es probablemente " completo para la IA " (es decir, resolverlo requeriría la capacidad de sintetizar una inteligencia a nivel humano ). [ 24 ] [ 25 ] Algunos investigadores creen que los datos de aprendizaje supervisado son insuficientes para producir una inteligencia artificial general capaz de razonamiento de sentido común y, por lo tanto, han recurrido a técnicas de aprendizaje menos supervisadas. [ 26 ]

Enfoques y técnicas

El estudio del razonamiento del sentido común se divide en enfoques basados ​​en el conocimiento y enfoques basados ​​en el aprendizaje automático sobre y utilizando grandes conjuntos de datos con interacciones limitadas entre estos dos tipos de enfoques. También existen enfoques de crowdsourcing , que intentan construir una base de conocimiento vinculando el conocimiento colectivo con las aportaciones de personas no expertas. Los enfoques basados ​​en el conocimiento pueden subdividirse en enfoques basados ​​en la lógica matemática.

En los enfoques basados ​​en el conocimiento, los expertos analizan las características de las inferencias necesarias para razonar en un área específica o para una tarea determinada. Estos enfoques incluyen enfoques con fundamento matemático, enfoques informales y enfoques a gran escala. Los enfoques con fundamento matemático son puramente teóricos y su resultado es un documento impreso en lugar de un programa. El trabajo se limita al rango de los dominios y las técnicas de razonamiento que se analizan. En los enfoques informales, las teorías del razonamiento se basan en datos anecdóticos e intuición, derivados de la psicología conductual empírica. Los enfoques informales son comunes en la programación informática. Otras dos técnicas populares para extraer conocimiento de sentido común de documentos web son la minería web y el crowdsourcing .

COMET (2019), que utiliza tanto la arquitectura del modelo de lenguaje OpenAI GPT como bases de conocimiento de sentido común existentes, como ConceptNet , afirma generar inferencias de sentido común a un nivel cercano a los estándares humanos. Al igual que muchos otros esfuerzos actuales, COMET depende excesivamente de patrones lingüísticos superficiales y se considera que carece de una comprensión profunda a nivel humano de muchos conceptos de sentido común. Otros enfoques de modelos de lenguaje incluyen el entrenamiento con escenas visuales en lugar de solo texto, y el entrenamiento con descripciones textuales de escenarios que involucran física de sentido común. [ 6 ] [ 27 ]

Referencias

  1. 1 2 3 4 5 6 7 Ernest Davis; Gary Marcus (2015). "Razonamiento de sentido común y conocimiento de sentido común en inteligencia artificial" . Communications of the ACM . Vol.  58, n.º  9. págs. 92–103 . doi : 10.1145/2701413 . 
  2. ↑ McCarthy, John. «Inteligencia artificial, lógica y formalización del sentido común». Lógica filosófica e inteligencia artificial. Springer, Dordrecht, 1989. 161-190.
  3. ↑ Tandon, Niket; Varde, Aparna S.; de Melo, Gerard (22 de febrero de 2018). "Conocimiento de sentido común en la inteligencia artificial". ACM SIGMOD Record . 46 (4): 49– 52. doi : 10.1145/3186549.3186562 .
  4. ↑ Matuszek, Cynthia, et al. "Buscando el sentido común: Poblando cyc desde la web." Colección del Departamento de Ciencias de la Computación e Ingeniería Eléctrica de la UMBC (2005).
  5. ↑ "Cómo enseñarle algo de sentido común a la inteligencia artificial" . Wired . 13 de noviembre de 2018. Consultado el 11 de febrero de 2021 .
  6. 1 2 Pavlus, John (30 de abril de 2020). "El sentido común llega a las computadoras" . Quanta Magazine . Recuperado el 3 de mayo de 2020 .
  7. ↑ Davis, Ernest (25 de agosto de 2017). "Formalizaciones lógicas del razonamiento de sentido común: una revisión" . Journal of Artificial Intelligence Research . 59 : 651–723 . doi : 10.1613/jair.5339 .
  8. ↑ "Cultivando el sentido común | DiscoverMagazine.com" . Discover Magazine . 2017. Archivado del original el 25 de marzo de 2018. Consultado el 24 de marzo de 2018 .
  9. ↑ Winograd, Terry (enero de 1972). "Comprender el lenguaje natural". Psicología Cognitiva . 3 (1): 1– 191. doi : 10.1016/0010-0285(72)90002-3 .
  10. ↑ "No se preocupen: los autos autónomos no llegarán mañana (ni el año que viene)" . Autoweek . 2016. Archivado del original el 25 de marzo de 2018. Consultado el 24 de marzo de 2018 .
  11. ↑ Knight, Will (2017). "Boston puede ser famosa por sus malos conductores, pero es el campo de pruebas para un coche autónomo más inteligente" . MIT Technology Review . Archivado del original el 22 de agosto de 2020. Recuperado el 27 de marzo de 2018 .
  12. ↑ Prakken, Henry (31 de agosto de 2017). "Sobre el problema de hacer que los vehículos autónomos se ajusten a la ley de tránsito" . Inteligencia Artificial y Derecho . 25 (3): 341– 363. doi : 10.1007/s10506-017-9210-0 . hdl : 11370/8ee0174e-d2e8-496b-bc11-bc3a890881e7 .
  13. ↑ Thomason, Richmond (27 de agosto de 2003). "Lógica e inteligencia artificial" . Laboratorio de Investigación en Metafísica, Universidad de Stanford.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  14. ↑ "Programas de inteligencia artificial" .
  15. ↑ "Aplicaciones de inteligencia artificial" .
  16. ↑ "Traducción automática de la investigación en inteligencia artificial de Bar Hillel" . TheGuardian.com .
  17. ↑ Antol, Stanislaw, et al. " Vqa: Visual question answering ." Actas de la conferencia internacional IEEE sobre visión por computadora. 2015.
  18. ↑ "Taxonomía" .
  19. ↑ "Acción y cambio en el razonamiento de sentido común" .
  20. ↑ "Razonamiento temporal" .
  21. ↑ Liu, Hugo y Push Singh. « Razonamiento de sentido común en y sobre el lenguaje natural. Archivado el 9 de agosto de 2017 en Wayback Machine ». Conferencia Internacional sobre Sistemas de Información e Ingeniería Inteligentes y Basados ​​en el Conocimiento. Springer, Berlín, Heidelberg, 2004.
  22. ↑ "Razonamiento cualitativo" . 9 de agosto de 2014.
  23. ↑ "El desafío del esquema de Winograd" . cs.nyu.edu . Consultado el 9 de enero de 2018 .
  24. ↑ Yampolskiy, Roman V. "AI-Complete, AI-Hard, or AI-Easy-Classification of Problems in AI." MAICS. 2012.
  25. ↑ Andrich, C, Novosel, L y Hrnkas, B. (2009). Conocimiento de sentido común . Búsqueda y recuperación de información, 2009.
  26. ↑ Smith, Craig S. (8 de abril de 2020). "Las computadoras ya aprenden de nosotros. ¿Pero pueden aprender por sí mismas?" . The New York Times . Consultado el 3 de mayo de 2020 .
  27. ↑ Bosselut, Antoine, et al. "Comet: Transformadores de sentido común para la construcción automática de grafos de conocimiento." arXiv preprint arXiv:1906.05317 (2019).

Lecturas adicionales

  • Davis, Ernest (1990). Representaciones del razonamiento de sentido común . San Mateo, California: Morgan Kaufmann. ISBN 1-55860-033-7.
  • McCarthy, John (1990). Formalizando el sentido común . Norwood, NJ: Ablex. ISBN 1-871516-49-8.
  • Minsky, Marvin (1986). La sociedad de la mente . Nueva York: Simon and Schuster. ISBN 0-671-60740-5.
  • Minsky, Marvin (2006). La máquina de las emociones: pensamiento de sentido común, inteligencia artificial y el futuro de la mente humana . Nueva York: Simon and Schuster. ISBN 0-7432-7663-9.
  • Mueller, Erik T. (2015). Razonamiento de sentido común: Un enfoque basado en el cálculo de eventos (2.ª  ed.). Waltham, Mass.: Morgan Kaufmann/Elsevier. ISBN 978-0128014165.
  • "Inteligencia Artificial" . edX . 2014. Consultado el 5 de noviembre de 2015 .
  • "Conocimiento de sentido común. Un diccionario de sociología" . Encyclopedia.com . 2015. Consultado el 13 de agosto de 2017 .
  • Hageback, Niklas (2017). La mente virtual: Diseño de la lógica para aproximar el pensamiento humano (1.ª  ed.). Chapman & Hall/CRC Artificial Intelligence and Robotics Series. ISBN 978-1138054035.
  • Inteligencia Artificial . Elsevier. 2015. Archivado del original el 20 de noviembre de 2015. Consultado el 5 de noviembre de 2015 .
  • Lenat, D. (2015). "La inteligencia artificial como conocimiento de sentido común" . Leaderu.com . Recuperado el 5 de noviembre de 2015 .
  • Lenat, D.; Prakash, M.; Shepherd, M. (1985). "CYC: Uso del conocimiento de sentido común para superar la fragilidad y los cuellos de botella en la adquisición de conocimiento" . Revista AI . 6 (4): 65.
  • Levesque, H. (2017). Sentido común, la prueba de Turing y la búsqueda de la IA real . MIT Press. ISBN 978-0-262-33837-0.
  • «Inteligencia Artificial | El Problema del Conocimiento del Sentido Común» . psych.utoronto.ca . 2015. Archivado del original el 20 de agosto de 2015. Consultado el 5 de noviembre de 2015 .
  • "CommonSense - Descripción general de la gestión del conocimiento" . Sensesoftware.com . 2015. Archivado del original el 17 de julio de 2015. Consultado el 5 de noviembre de 2015 ..
  • "Inteligencia artificial (IA) | Tecnología | The Guardian" . The Guardian . 2015. Consultado el 5 de noviembre de 2015 .
  • "Curso y formación online de introducción a la inteligencia artificial" . Udacity.com . 2015.
  • "Computadoras con sentido común" . W3.org . 2015. Consultado el 5 de noviembre de 2015 .
  • Sitio web de razonamiento de sentido común
  • Página de problemas de razonamiento de sentido común
  • Iniciativa de Computación de Sentido Común del Media Lab
  • El proyecto Epilog en la Universidad de Rochester
  • Infusión de conocimiento: En busca de la robustez en la inteligencia artificial