8、人工智能中的常识探索与思考

人工智能中的常识探索与思考

一、常识知识研究的两种途径

在人工智能领域，对于常识知识的研究存在两种不同的途径。

一方面，部分研究人员致力于以清晰的方式表达常识主体需要了解的关于世界各方面的知识，以便能以常识的方式行事。他们关注用某种人工语言表述句子，并依据逻辑规则从这些句子中得出常识性结论。像麦卡锡、帕特里克·海斯、杰里·霍布斯、欧内斯特·戴维斯、雷蒙德·赖特和约瑟夫·哈尔彭等思想领袖都积极投身于这一研究，试图捕捉关于物理、时间、空间、思维、信仰、计划和社会等方面的常识观点。在某些情况下，谓词演算语言就足够了；而在其他情况下，则需要研究出更具表达力的逻辑。

另一方面，一些研究人员对麦卡锡提议中逻辑的作用提出了质疑。正如明斯基后来所说：“‘逻辑’推理不够灵活，不足以作为思考的基础。”以罗杰·尚克及其学生珍妮特·科洛德纳等人为代表，他们的工作不是表述句子，而是构建复杂的符号结构，作为常识主体的记忆。这些被称为“框架”“脚本”和“图式”的结构，仍然是知识的表示形式（遵循知识表示假设），但更强调过去经验的记忆，而非关于世界的普遍真理。其重点不在于从其他事实中推导结论，而在于识别模式，并在当前情况与记忆中的经验之间进行类比，以解决新问题。

下面用表格总结这两种途径的特点：
| 途径 | 主要做法 | 重点 | 代表人物 |
| — | — | — | — |
| 第一种 | 用人工语言表述句子，依据逻辑规则得出常识性结论 | 逻辑推理与普遍真理 | 麦卡锡、帕特里克·海斯等 |
| 第二种 | 构建复杂符号结构作为常识主体记忆 | 过去经验记忆与模式识别 | 罗杰·尚克、珍妮特·科洛德纳等 |

二、Cyc项目