Hispanopedia Wiki
Articulo de referencia

Conocimiento de sentido común (inteligencia artificial)

En la investigación de inteligencia artificial , el conocimiento de sentido común consiste en hechos sobre el mundo cotidiano, como "Los limones son agrios" o "Las vacas dicen m...

Hispanopedia WikiContenido en espanolLectura gratuita

En la investigación de inteligencia artificial , el conocimiento de sentido común consiste en hechos sobre el mundo cotidiano, como "Los limones son agrios" o "Las vacas dicen mu", que se espera que todos los humanos conozcan. Actualmente, es un problema sin resolver en la inteligencia artificial general . El primer programa de IA que abordó el conocimiento de sentido común fue Advice Taker en 1959, creado por John McCarthy . [ 1 ]

El conocimiento de sentido común puede sustentar un proceso de razonamiento de sentido común , para intentar inferencias como "Podrías hornear un pastel porque quieres que la gente se lo coma". Se puede adjuntar un proceso de procesamiento del lenguaje natural a la base de conocimiento de sentido común para permitir que esta intente responder preguntas sobre el mundo. [ 2 ] El conocimiento de sentido común también ayuda a resolver problemas ante información incompleta . Utilizando creencias ampliamente aceptadas sobre objetos cotidianos, o conocimiento de sentido común , los sistemas de IA hacen suposiciones de sentido común o suposiciones predeterminadas sobre lo desconocido de manera similar a como lo hacen las personas. En un sistema de IA o en inglés, esto se expresa como "Normalmente P es cierto", "Generalmente P" o "Típicamente P, así que asumimos P". Por ejemplo, si sabemos que "Piolín es un pájaro", porque conocemos la creencia común sobre los pájaros, "típicamente los pájaros vuelan", sin saber nada más sobre Piolín, podemos asumir razonablemente que "Piolín puede volar". A medida que se descubre o se aprende más conocimiento del mundo con el tiempo, el sistema de IA puede revisar sus suposiciones sobre Piolín utilizando un proceso de mantenimiento de la verdad . Si más adelante descubrimos que "Tweety es un pingüino", entonces el mantenimiento de la verdad revisa esta suposición porque también sabemos que "los pingüinos no vuelan".

Razonamiento de sentido común

El razonamiento de sentido común simula la capacidad humana de usar el conocimiento de sentido común para hacer suposiciones sobre el tipo y la esencia de las situaciones ordinarias que encuentran cada día, y para cambiar sus "mentes" si sale a la luz nueva información. Esto incluye el tiempo, la información faltante o incompleta y la causa y el efecto. La capacidad de explicar causa y efecto es un aspecto importante de la IA explicable . Los algoritmos de mantenimiento de la verdad proporcionan automáticamente una facilidad de explicación porque crean registros elaborados de suposiciones. En comparación con los humanos, todos los programas informáticos existentes que intentan una IA de nivel humano tienen un rendimiento extremadamente bajo en las pruebas de referencia modernas de "razonamiento de sentido común", como el Desafío del Esquema de Winograd . [ 3 ] El problema de alcanzar la competencia de nivel humano en tareas de "conocimiento de sentido común" se considera probablemente " completo para la IA " (es decir, resolverlo requeriría la capacidad de sintetizar una inteligencia de nivel totalmente humano), [ 4 ] [ 5 ] aunque algunos se oponen a esta noción y creen que la inteligencia compasiva también es necesaria para una IA de nivel humano. [ 6 ] El razonamiento de sentido común se ha aplicado con éxito en dominios más limitados, como el procesamiento del lenguaje natural [ 7 ] [ 8 ] y el diagnóstico automatizado [ 9 ] o el análisis. [ 10 ]

Construcción de una base de conocimientos de sentido común

La compilación de bases de conocimiento exhaustivas de afirmaciones de sentido común (CSKB) es un desafío de larga data en la investigación de IA. Desde los primeros esfuerzos impulsados ​​por expertos como CYC y WordNet , se lograron avances significativos a través del proyecto colaborativo OpenMind Commonsense , que dio lugar a la base de conocimiento colaborativa ConceptNet. Varios enfoques han intentado automatizar la construcción de CSKB, principalmente mediante minería de texto (WebChild, Quasimodo, TransOMCS, Ascent), así como extrayéndolas directamente de modelos de lenguaje preentrenados (AutoTOMIC). Estos recursos son significativamente más grandes que ConceptNet, aunque la construcción automatizada generalmente los hace de una calidad moderadamente inferior. También persisten desafíos en la representación del conocimiento de sentido común: la mayoría de los proyectos CSKB siguen un modelo de datos triple, que no necesariamente es el más adecuado para desglosar afirmaciones de lenguaje natural más complejas. Una excepción notable aquí es GenericsKB, que no aplica ninguna normalización adicional a las oraciones, sino que las conserva íntegramente.

Aplicaciones

Around 2013, MIT researchers developed BullySpace, an extension of the commonsense knowledgebase ConceptNet, to catch taunting social media comments. BullySpace included over 200 semantic assertions based around stereotypes, to help the system infer that comments like "Put on a wig and lipstick and be who you really are" are more likely to be an insult if directed at a boy than a girl.[11][12][13]

ConceptNet has also been used by chatbots[14] and by computers that compose original fiction.[15] At Lawrence Livermore National Laboratory, common sense knowledge was used in an intelligent software agent to detect violations of a comprehensive nuclear test ban treaty.[16]

Data

As an example, as of 2012 ConceptNet includes these 21 language-independent relations:[17]

  • IsA (An "RV" is a "vehicle" | X is an instance of a Y)
  • UsedFor (a "cake tin" is used for "making cakes" | X is used for the purpose Y)
  • HasA (A "rabbit" has a "tail" | X possesses Y element or feature)
  • CapableOf (a "cook" is capable of "making baked goods" | X is capable of doing Y)
  • Desires (a "child" desires "the aroma of baking" | X has a desire for Y)
  • CreatedBy ("cake" is created by a "baker" | X is created by Y)
  • PartOf (a "knife" is be part of a "knife set" | X is a part of Y)
  • Causes ("Heat" causes "cooking"| X is what causes Y)
  • LocatedNear (the "oven" is located near the "refrigerator" | X is located near Y)
  • AtLocation (Somewhere a "Cook" can be at a "restaurant" | X is at the location of Y)
  • DefinedAs (a "Cupcake" is defined as a "cake" that also has the qualities of being "small", "baked within a wrapper", and "containing only one area of frosting or icing" | X is defined as Y that also has the properties A, B & C)
  • SymbolOf (a "heart" is a symbol of "affection" | X is a symbolic representation of Y)
  • ReceivesAction ("cake" can receive the action of being "eaten" | X is capable of receiving action Y)
  • HasPrerequisite ("baking" has the prerequisite of obtaining the "ingredients" | X cannot do Y unless A does B)
  • MotivatedByGoal ("baking" is motivated by the goal of "consumption"/"eating" | X has the motivation of Y goal)
  • CausesDesire ("baking" makesYou want to "follow recipe" | X causes the desire to do Y)
  • MadeOf ("Cake" is made of "flour"/"eggs"/"sugar"/"oil"/etc | X is made of Y)
  • HasFirstSubevent ("baking" has first subevent "make batter" | To do X the first thing that needs to be done is Y)
  • HasSubevent ("eat" has subevent "swallow" | Doing X will lead to Y event following)
  • HasLastSubevent ("sleeping" has last subevent of "waking" | Doing X ends with the event Y)

Commonsense knowledge bases

See also

References

  1. ↑"PROGRAMS WITH COMMON SENSE". www-formal.stanford.edu. Retrieved 2018-04-11.
  2. ↑Liu, Hugo, and Push Singh. "ConceptNet—a practical commonsense reasoning tool-kit." BT technology journal 22.4 (2004): 211-226.
  3. ↑"The Winograd Schema Challenge". cs.nyu.edu. Retrieved 9 January 2018.
  4. ↑ Yampolskiy, Roman V. " 10.1.1.232.913.pdf#page=102 AI-Complete, AI-Hard, or AI-Easy-Classification of Problems in AI AI-Easy-Classification of Problems in AI]." MAICS 2012.
  5. ↑ Andrich, C, Novosel, L y Hrnkas, B. (2009). Conocimiento de sentido común . Búsqueda y recuperación de información, 2009.
  6. ↑ Mason, Cindy (27 de septiembre de 2010). "El camino lógico hacia la IA a nivel humano conduce a un callejón sin salida" . Taller de la Cuarta Conferencia Internacional IEEE de 2010 sobre Sistemas Autoadaptativos y Autoorganizados . Vol. 32. págs. 57–95 . doi : 10.1109/SASOW.2010.63 . ISBN   978-1-4244-8684-7. S2CID 13030524 . 
  7. ↑ Chutima, Boonthum-Denecke (31 de diciembre de 2011). Avances interdisciplinarios en el procesamiento del lenguaje natural aplicado: problemas y enfoques . IGI Global. ISBN 978-1-61350-448-2.
  8. ↑ Davis, Ernest (10 de julio de 2014). Representaciones del conocimiento de sentido común . Morgan Kaufmann. ISBN 978-1-4832-2113-7.
  9. ↑ Reiter, Raymond (1987-04-01). "Una teoría del diagnóstico desde los primeros principios". Inteligencia Artificial . 32 (1): 57– 95. CiteSeerX 10.1.1.170.9236 . doi : 10.1016/0004-3702(87)90062-2 . ISSN 0004-3702 . S2CID 15629917 .   
  10. ↑ Gallimore, RJ; Jennings, NR; Lamba, HS; Mason, CL; Orenstein, BJ (1999). "Agentes cooperativos para la interpretación de datos científicos en 3D" (PDF) . IEEE Transactions on Systems, Man, and Cybernetics - Part C: Applications and Reviews . 29 (1): 110– 126. Bibcode : 1999ITHMS..29..110G . doi : 10.1109/5326.740674 .
  11. ↑ Bazelon, Emily (marzo de 2013). "Cómo detener a los acosadores" . The Atlantic . Consultado el 9 de enero de 2018 .
  12. ↑ Dinakar, Karthik; Jones, Birago; Havasi, Catherine; Lieberman, Henry; Picard, Rosalind (1 de septiembre de 2012). "Razonamiento de sentido común para la detección, prevención y mitigación del ciberacoso". ACM Transactions on Interactive Intelligent Systems . 2 (3): 1– 30. CiteSeerX 10.1.1.693.8065 . doi : 10.1145/2362394.2362400 . S2CID 5560081 .  
  13. ↑"AI systems could fight cyberbullying". New Scientist. 27 June 2012. Retrieved 9 January 2018.
  14. ↑"I Believe That It Will Become Perfectly Normal for People to Have Sex With Robots". Newsweek. 23 October 2014. Retrieved 9 January 2018.
  15. ↑"Told by a robot: Fiction by storytelling computers". New Scientist. 24 October 2014. Retrieved 9 January 2018.
  16. ↑Mason, C.L. (1995). "An intelligent assistant for nuclear test ban treaty verification". IEEE Expert. 10 (6): 42–49. Bibcode:1995IExp...10...42M. doi:10.1109/64.483116.
  17. ↑Speer, Robert, and Catherine Havasi. "Representing General Relational Knowledge in ConceptNet 5." LREC. 2012.