自然语言处理的常识性推理【p1什么是常识】

最近封校了，好想出去玩！
前情提要： https://www.xueshufan.com/newsDetails?userId=3217811031&newsId=140&s=002

什么是常识？
常识的界限是相当具有挑战性的，但我们将采用这个工作定义。
常识是指大多数人共同拥有的有关日常情况和事件的实际知识和推理的基本水平。
例如，按照常识，衣柜的门可以打开，但冰箱的门不能打开，因为里面的食物可能会变坏。

常识的类型。

常识性知识可以按照类型进行分类，包括但不限于。
社会常识：人们有能力对其他人的心理状态进行推断，例如，他们的动机是什么，他们接下来可能会做什么，等等。这种推论被ATOMIC知识库所捕获，后面会讨论。此外，我们每个人都有一套被接受的行为的社会规范，例如，知道 “评论某人的体重是不礼貌的”。虽然这些往往隐含在我们的行动和决定中，但机器需要明确地被教导。

时间常识：自然语言很少传达明确的时间信息。相反，它是模糊的，依赖于听众的常识性知识。例如，当被告知 "波特博士正在休假 "时，我们可以预测波特博士将不能很快见到我们，而不是 "波特博士正在散步 "时。这需要知道 "散步 "的典型时间（分钟）和 "休假 "的典型时间（天）。其他的时间性知识是事件的典型时间、顺序、频率等，这些都是由MC-TACO数据集和TACO-LM时间感知的上下文语言模型解决的。

物理常识：一个玻璃杯如果掉到地上很可能会碎掉，这是大多数人（也可以说是猫）知道的事实。物理常识包括关于日常物品的物理属性和承受力的知识，这一点在PIQA数据集中得到了测试。

常识对于人类在日常环境中无缝导航并以合理和安全的方式相互交流，以及对于人工智能更好地理解人类的需求和行动都是至关重要的。然而，几十年来，赋予机器类似人类的常识推理能力一直是人工智能研究中难以实现的目标。过去的尝试，在20世纪60年代和70年代，导致了人工智能的冬天，即由于失败的过度宣传的研究方向，对人工智能研究的兴趣和资金减少。近年来，随着更强大的计算能力和海量数据的出现，人们对机器常识出现了新的兴趣。话虽如此，通向机器常识的道路不太可能是用蛮力训练具有更深层的更大的神经网络。