Common Sense AI es una organización dedicada a avanzar en sistemas de inteligencia artificial que puedan comprender y aplicar el sentido común cotidiano. La iniciativa se centra en un desafío fundamental en el campo: permitir que las máquinas capten el conocimiento implícito que los humanos usan sin esfuerzo, como entender que el agua está mojada, que los objetos caen cuando se sueltan o que las personas normalmente necesitan comer y dormir. Este trabajo se sitúa en la intersección de la inteligencia artificial y la ciencia cognitiva, abordando las limitaciones de los modelos actuales que a menudo fallan en tareas básicas de razonamiento a pesar de su competencia en dominios especializados.
La misión de la organización surge del reconocimiento de que la mayoría de los sistemas contemporáneos de IA, incluidos los grandes modelos de lenguaje, sobresalen en el reconocimiento de patrones pero tienen dificultades con el tipo de física intuitiva y razonamiento social que los humanos adquieren a través de la experiencia de la primera infancia. Al centrarse en el sentido común, Common Sense AI busca crear sistemas más robustos y adaptables que puedan operar de manera segura y efectiva en entornos del mundo real, donde las situaciones inesperadas y los contextos ambiguos son la norma.
Enfoque de investigación
Common Sense AI emplea una estrategia multidisciplinaria que combina conocimientos de aprendizaje automático, psicología cognitiva y lingüística. El equipo de investigación desarrolla puntos de referencia y marcos de evaluación diseñados específicamente para probar el razonamiento de sentido común, yendo más allá de las métricas tradicionales que miden el rendimiento en tareas estrechas y bien definidas. Estos puntos de referencia a menudo incluyen escenarios que requieren comprender la causa y el efecto, las relaciones espaciales y las convenciones sociales.
La organización también investiga cómo integrar el conocimiento de sentido común en las arquitecturas de IA existentes. Esto incluye explorar métodos para aumentar las redes neuronales con bases de conocimiento estructurado y desarrollar procedimientos de entrenamiento que alienten a los modelos a razonar sobre situaciones contrafactuales. Los investigadores de Common Sense AI han publicado trabajos sobre enfoques de aprendizaje curricular que introducen gradualmente escenarios de sentido común cada vez más complejos, basándose en técnicas similares al aprendizaje curricular utilizado en otros dominios de la IA.
Proyectos y productos clave
Uno de los proyectos insignia de la organización es un motor de razonamiento de sentido común que se puede integrar en diversas aplicaciones de IA. Este motor está diseñado para proporcionar inferencias en tiempo real sobre situaciones físicas y sociales, permitiendo que otros sistemas tomen decisiones más informadas. Por ejemplo, un robot que use este motor podría inferir que una taza colocada en el borde de una mesa probablemente caerá, o que una persona que sostiene un paraguas probablemente espera lluvia.
Common Sense AI también ha desarrollado una serie de conjuntos de datos de código abierto que se han vuelto ampliamente utilizados en la comunidad de investigación. Estos conjuntos de datos contienen miles de escenarios anotados que prueban diferentes aspectos del sentido común, desde el razonamiento temporal hasta la comprensión de estados emocionales. Los conjuntos de datos han sido citados en numerosos artículos académicos y han influido en el desarrollo de métodos de evaluación en las principales instituciones de investigación en IA.
Colaboraciones y asociaciones
La organización mantiene colaboraciones activas con varios socios académicos e industriales. Investigadores de MIT CSAIL y Stanford AI Lab han trabajado con Common Sense AI en proyectos conjuntos que exploran los fundamentos teóricos del sentido común en las máquinas. Estas asociaciones han dado lugar a varias publicaciones revisadas por pares en las principales conferencias y revistas de IA.
Common Sense AI también trabaja con socios industriales para aplicar su investigación a problemas prácticos. Una colaboración notable con Samsung Research se centró en mejorar las capacidades de sentido común de los asistentes móviles, permitiéndoles comprender mejor la intención del usuario en situaciones ambiguas. Otro proyecto con Amazon AI exploró cómo el razonamiento de sentido común podría mejorar los sistemas de recomendación al comprender el contexto más amplio de las necesidades del usuario.
Impacto y direcciones futuras
El trabajo de Common Sense AI ha contribuido a un reconocimiento creciente dentro de la comunidad de IA de que el sentido común es un componente crítico de los sistemas verdaderamente inteligentes. Los puntos de referencia de la organización han sido adoptados por investigadores en empresas como OpenAI y Google DeepMind como parte de sus suites de evaluación, ayudando a impulsar el progreso en esta área.
De cara al futuro, Common Sense AI planea expandir su investigación hacia áreas como la inteligencia encarnada, donde el sentido común debe basarse en la interacción física con el mundo. La organización también está explorando cómo el sentido común puede mejorar la seguridad y fiabilidad de los sistemas de IA generativa, particularmente en aplicaciones de alto riesgo como la atención médica y la conducción autónoma. A partir de 2024, la organización continúa ampliando su equipo de investigadores e ingenieros, con esfuerzos continuos para traducir sus hallazgos en tecnologías desplegables que puedan beneficiar a una amplia gama de aplicaciones de IA.
Liderazgo y equipo
La organización fue fundada por un grupo de investigadores con experiencia en ciencia cognitiva e IA, incluidas figuras notables como Joshua Tenenbaum y Brendan Lake, quienes han abogado durante mucho tiempo por un enfoque más profundo en el aprendizaje y razonamiento similares a los humanos en la IA. El equipo incluye expertos en aprendizaje profundo, procesamiento de lenguaje natural y robótica, lo que refleja la naturaleza interdisciplinaria del desafío del sentido común. Common Sense AI mantiene una estructura organizativa plana que fomenta la iteración rápida y el intercambio abierto de ideas entre disciplinas.