常识知识是指大多数人对世界所持有的基本、实用事实的集合，例如知道水是湿的、物体掉落时会下落，或者人会感到饥饿。它支撑着日常推理和沟通，使人类无需明确指导即可做出合理的推断。在人工智能领域，常识知识长期以来被视为一项重大挑战，因为它很少在文本或数据中被明确陈述，但对于稳健的自然语言理解、规划以及与物理环境的交互却至关重要。
与专业专长不同，常识知识是广泛的、跨文化的，且往往是隐性的。它包括物理直觉（例如，固体物体不能相互穿过）、社会规范（例如，人们通常会在被问候时回应）以及时间推理（例如，事件按顺序发生）。AI系统，尤其是基于机器学习和深度学习的系统，通常从大型数据集中学习，而这些数据集可能不包含这些显而易见的真理，导致它们在处理新颖或模糊情境时存在能力缺口。
历史方法
在AI中形式化常识知识的早期努力可追溯到1970年代和1980年代，像约翰·麦卡锡这样的研究者倡导对常识进行逻辑形式化。诸如Cyc等项目，由道格拉斯·莱纳特于1984年发起，旨在将数百万条常识事实手动编码到机器可读的本体中。虽然Cyc证明了显式知识表示的可行性，但其可扩展性和维护却十分困难。与此同时，基于框架的系统和脚本，如罗杰·尚克在概念依赖方面的工作，试图模拟诸如在餐厅用餐之类的日常场景。
这些符号方法因脆弱和不完整而受到批评，因为它们难以处理常识的庞大、细微且依赖上下文的特性。到1990年代，统计方法逐渐兴起，但它们最初专注于词性标注和句法分析等较窄的任务，使常识在很大程度上未被解决。
现代机器学习与神经模型
神经网络架构，特别是基于变换器的模型的兴起，将焦点转向从文本中隐式学习常识。大规模语言模型，如由OpenAI和Anthropic开发的模型，在互联网上的数十亿词汇上进行训练，其中包含一些常识性陈述，但也包含大量噪声。这些模型能以高准确率回答简单的常识问题，例如“你用什么东西切面包？”，但它们在对抗性或反事实示例上常常失败，这表明它们的知识是统计性的，而非基于物理经验。
研究者引入了诸如CommonsenseQA和Physical Interaction QA等基准来评估这些能力。例如，模型可能被问到“如果你把玻璃杯掉在硬地板上，会发生什么？”，并且必须在“它碎了”和“它浮起来”之间选择。虽然现代模型在这些测试中表现良好，但它们仍然容易受到细微错误的影响，例如混淆空间关系或时间顺序。这一局限性在大型语言模型中尤为明显，当它们生成看似合理但事实错误的响应时，这种现象通常归因于它们缺乏稳健的世界模型。
知识图谱与混合系统
为了补充神经方法，一些研究者构建了常识知识图谱，如ConceptNet，它从众包和现有资源中聚合事实。这些图谱包含概念节点和诸如“用于”、“能够”和“位于”等关系边。混合系统将这些符号结构与神经模型相结合，使模型在推理过程中能检索相关事实。例如，问答系统可能在生成答案前查询ConceptNet以验证刀用于切割。
像Google DeepMind这样的公司和MIT CSAIL、Stanford AI Lab等学术实验室，已探索将常识整合到强化学习智能体中，其中智能体必须推理对象可供性和物理动态。这些努力通常使用模拟环境，通过交互来教导智能体常识，而非仅依赖静态数据。然而，弥合符号知识与连续感知之间的差距仍然是一个开放问题。
挑战与局限性
一个主要挑战是“知识获取瓶颈”：手动编码常识是劳动密集型的，而从文本中自动提取则噪声大且不完整。另一个问题是文化和情境的变异性；在一个社区中属于常识的内容在另一个社区中可能不成立，这使得通用模型难以构建。此外，常识推理通常需要整合多种模态，如视觉和语言，而当前模型只能部分处理。
评估也存在问题。许多基准是可饱和的，这意味着模型可以通过记忆模式而非展示真正理解来获得高分。像Melanie Mitchell和Joshua Tenenbaum这样的研究者主张进行更严格的测试，以探究因果推理和反事实思维。例如，问“如果重力变弱会发生什么？”需要灵活的思维模拟，而大多数AI系统缺乏这种能力。
未来方向
新兴方法包括使用课程学习在逐渐复杂的常识任务上训练模型，以及利用数据增强生成覆盖边缘情况的合成训练示例。一些工作探索将语言植根于具身智能体，例如来自Figure AI或Sanctuary AI的机器人，它们必须通过物理试错来学习常识。此外，来自人类反馈的强化学习，如RLHF中所用的，可以帮助将模型输出与人类对常识的期望对齐。
尽管取得了进展，常识知识仍然是AI中一个定义性的未解决问题。随着模型能力的增强，它们缺乏真正理解的问题变得更加明显，尤其是在安全关键应用中。该领域继续寻求一个统一框架，结合符号推理、统计学习和具身交互的优势，目标是创建能像人类一样轻松应对日常世界的系统。