Common Sense AI是一个致力于推进能够理解和应用日常常识的人工智能系统的组织。该倡议聚焦于该领域的一个基本挑战：使机器掌握人类毫不费力使用的隐含知识，例如理解水是湿的、物体掉落时会下落，或者人们通常需要进食和睡眠。这项工作处于人工智能与认知科学的交叉点，旨在解决当前模型在专门领域表现出色却常在基本推理任务上失败的局限性。
该组织的使命源于一个认识：大多数当代人工智能系统，包括大型语言模型，擅长模式识别，但在人类通过早期童年经历获得的那种直觉物理和社会推理方面存在困难。通过专注于常识，Common Sense AI旨在创建更健壮、更 adaptable 的系统，使其能够在现实世界环境中安全有效地运行，而在这些环境中，意外情况和模糊上下文是常态。
研究方法
Common Sense AI采用多学科策略，结合了机器学习、认知心理学和语言学的见解。研究团队开发了专门设计用于测试常识推理的基准和评估框架，超越了衡量狭窄、明确定义任务性能的传统指标。这些基准通常包含需要理解因果关系、空间关系和社会惯例的场景。
该组织还研究如何将常识知识整合到现有的人工智能架构中。这包括探索用结构化知识库增强神经网络的方法，以及开发鼓励模型对反事实情境进行推理的训练程序。Common Sense AI的研究人员发表了关于课程学习方法的成果，这些方法逐步引入越来越复杂的常识场景，借鉴了其他人工智能领域中使用的课程学习技术。
主要项目和产品
该组织的旗舰项目之一是一个可集成到各种人工智能应用中的常识推理引擎。该引擎旨在提供关于物理和社会情境的实时推理，使其他系统能够做出更明智的决策。例如，使用该引擎的机器人可能会推断出放在桌子边缘的杯子可能会掉落，或者拿着雨伞的人可能预期会下雨。
Common Sense AI还开发了一系列开源数据集，这些数据集在研究社区中被广泛使用。这些数据集包含数千个带注释的场景，测试常识的不同方面，从时间推理到理解情绪状态。这些数据集已在众多学术论文中被引用，并影响了主要人工智能研究机构评估方法的发展。
合作与伙伴关系
该组织与多个学术和工业伙伴保持积极合作。来自MIT CSAIL和斯坦福人工智能实验室的研究人员与Common Sense AI合作开展了探索机器常识理论基础的项目。这些合作已在领先的人工智能会议和期刊上发表了多篇同行评审论文。
Common Sense AI还与工业伙伴合作，将其研究应用于实际问题。与三星研究院的一项显著合作专注于改进移动助手的常识能力，使其能够在模糊情境中更好地理解用户意图。另一个与亚马逊人工智能的项目探索了常识推理如何通过理解用户需求的更广泛背景来增强推荐系统。
影响与未来方向
Common Sense AI的工作促进了人工智能社区日益增长的认识，即常识是真正智能系统的关键组成部分。该组织的基准已被OpenAI和Google DeepMind等公司的研究人员采纳为其评估套件的一部分，有助于推动该领域的进展。
展望未来，Common Sense AI计划将其研究扩展到具身智能等领域，在这些领域中，常识必须基于与世界的物理互动。该组织还在探索常识如何提高生成式人工智能系统的安全性和可靠性，特别是在医疗保健和自动驾驶等高风险应用中。截至2024年，该组织继续扩大其研究人员和工程师团队，并持续努力将其发现转化为可部署的技术，以惠及广泛的人工智能应用。
领导与团队
该组织由一群具有认知科学和人工智能背景的研究人员创立，其中包括Joshua Tenenbaum和Brendan Lake等知名人物，他们长期以来一直倡导在人工智能中更深入地关注类人学习和推理。团队包括深度学习、自然语言处理和机器人技术方面的专家，反映了常识挑战的跨学科性质。Common Sense AI保持扁平化的组织结构，鼓励跨学科的快速迭代和开放思想交流。