El conocimiento de sentido común es la colección de hechos básicos y prácticos sobre el mundo que la mayoría de las personas da por sentados, como saber que el agua está mojada, que los objetos caen cuando se sueltan o que las personas pueden sentir hambre. Sustenta el razonamiento y la comunicación cotidianos, permitiendo a los humanos hacer inferencias sensatas sin instrucción explícita. En la inteligencia artificial, el conocimiento de sentido común ha sido reconocido durante mucho tiempo como un desafío importante porque rara vez se establece explícitamente en textos o datos, y sin embargo es esencial para la comprensión robusta del lenguaje natural, la planificación y la interacción con entornos físicos.
A diferencia de la experiencia especializada, el conocimiento de sentido común es amplio, transcultural y a menudo implícito. Incluye intuiciones físicas (por ejemplo, los objetos sólidos no pueden atravesarse entre sí), normas sociales (por ejemplo, las personas suelen responder cuando se les saluda) y razonamiento temporal (por ejemplo, los eventos ocurren en secuencia). Los sistemas de IA, particularmente aquellos basados en aprendizaje automático y aprendizaje profundo, suelen aprender de grandes conjuntos de datos que pueden no contener tales verdades obvias, lo que genera lagunas en su capacidad para manejar situaciones novedosas o ambiguas.
Enfoques Históricos
Los primeros esfuerzos por formalizar el conocimiento de sentido común en la IA se remontan a las décadas de 1970 y 1980, con investigadores como John McCarthy que abogaban por formalizaciones lógicas del sentido común. Proyectos como Cyc, iniciado por Douglas Lenat en 1984, tenían como objetivo codificar manualmente millones de hechos de sentido común en una ontología legible por máquina. Aunque Cyc demostró la viabilidad de la representación explícita del conocimiento, su escalabilidad y mantenimiento resultaron difíciles. Simultáneamente, los sistemas basados en marcos y guiones, como el trabajo de Roger Schank sobre dependencia conceptual, intentaron modelar escenarios cotidianos como comer en un restaurante.
Estos enfoques simbólicos enfrentaron críticas por ser frágiles e incompletos, ya que no podían manejar fácilmente la naturaleza vasta, matizada y dependiente del contexto del sentido común. Para la década de 1990, los métodos estadísticos ganaron terreno, pero inicialmente se centraron en tareas más limitadas como el etiquetado de partes del discurso y el análisis sintáctico, dejando el sentido común en gran medida sin abordar.
Aprendizaje Automático Moderno y Modelos Neuronales
El auge de las arquitecturas de redes neuronales, particularmente los modelos basados en transformadores, desplazó el enfoque hacia aprender el sentido común implícitamente a partir del texto. Los modelos de lenguaje a gran escala, como los desarrollados por OpenAI y Anthropic, se entrenan con miles de millones de palabras de internet, que incluyen algunas declaraciones de sentido común pero también mucho ruido. Estos modelos pueden responder preguntas simples de sentido común, como "¿Qué usas para cortar pan?" con alta precisión, pero a menudo fallan en ejemplos adversariales o contrafactuales, revelando que su conocimiento es estadístico en lugar de estar fundamentado en la experiencia física.
Los investigadores han introducido puntos de referencia como CommonsenseQA y Physical Interaction QA para evaluar estas capacidades. Por ejemplo, se podría preguntar a un modelo: "Si dejas caer un vaso sobre un piso duro, ¿qué sucede?" y debe elegir entre "se rompe" y "flota". Aunque los modelos modernos se desempeñan bien en tales pruebas, siguen siendo susceptibles a errores sutiles, como confundir relaciones espaciales u ordenamientos temporales. Esta limitación es particularmente evidente en los modelos de lenguaje grandes cuando generan respuestas plausibles pero incorrectas de hecho, un fenómeno a menudo atribuido a su falta de un modelo de mundo robusto.
Grafos de Conocimiento y Sistemas Híbridos
Para complementar los enfoques neuronales, algunos investigadores han construido grafos de conocimiento de sentido común, como ConceptNet, que agregan hechos de crowdsourcing y recursos existentes. Estos grafos contienen nodos para conceptos y aristas para relaciones como "usado para", "capaz de" y "ubicado en". Los sistemas híbridos combinan estas estructuras simbólicas con modelos neuronales, permitiendo que el modelo recupere hechos relevantes durante la inferencia. Por ejemplo, un sistema de respuesta a preguntas podría consultar ConceptNet para verificar que un cuchillo se usa para cortar antes de generar una respuesta.
Empresas como Google DeepMind y laboratorios académicos como MIT CSAIL y Stanford AI Lab han explorado la integración del sentido común en agentes de aprendizaje por refuerzo, donde el agente debe razonar sobre las affordances de los objetos y la dinámica física. Estos esfuerzos a menudo utilizan entornos de simulación para enseñar a los agentes sentido común a través de la interacción, en lugar de depender únicamente de datos estáticos. Sin embargo, cerrar la brecha entre el conocimiento simbólico y la percepción continua sigue siendo un problema abierto.
Desafíos y Limitaciones
Un desafío importante es el "cuello de botella de adquisición de conocimiento": codificar manualmente el sentido común requiere mucho trabajo, mientras que la extracción automática del texto es ruidosa e incompleta. Otro problema es la variabilidad cultural y contextual; lo que es sentido común en una comunidad puede no serlo en otra, lo que dificulta modelos universales. Además, el razonamiento de sentido común a menudo requiere integrar múltiples modalidades, como visión y lenguaje, que los modelos actuales manejan solo parcialmente.
La evaluación también es problemática. Muchos puntos de referencia son saturables, lo que significa que los modelos pueden lograr puntuaciones altas memorizando patrones en lugar de demostrar una comprensión genuina. Investigadores como Melanie Mitchell y Joshua Tenenbaum han argumentado a favor de pruebas más rigurosas que exploren el razonamiento causal y el pensamiento contrafactual. Por ejemplo, preguntar "¿Qué pasaría si la gravedad fuera más débil?" requiere una simulación mental flexible, que la mayoría de los sistemas de IA carecen.
Direcciones Futuras
Los enfoques emergentes incluyen el uso de aprendizaje curricular para entrenar modelos en tareas de sentido común progresivamente más complejas, y aprovechar aumento de datos para generar ejemplos de entrenamiento sintéticos que cubran casos límite. Algunos trabajos exploran fundamentar el lenguaje en agentes encarnados, como robots de Figure AI o Sanctuary AI, que deben aprender sentido común a través de prueba y error físico. Además, el aprendizaje por refuerzo a partir de retroalimentación humana, como se usa en RLHF, puede ayudar a alinear las salidas del modelo con las expectativas humanas de sentido común.
A pesar del progreso, el conocimiento de sentido común sigue siendo un problema definitorio sin resolver en la IA. A medida que los modelos se vuelven más capaces, su falta de comprensión verdadera se hace más evidente, particularmente en aplicaciones críticas para la seguridad. El campo continúa buscando un marco unificado que combine las fortalezas del razonamiento simbólico, el aprendizaje estadístico y la interacción encarnada, con el objetivo de crear sistemas que puedan navegar por el mundo cotidiano con tanta facilidad como lo hacen los humanos.