荐读｜ 人工智能常识推理，附PDF传送门

“衣服装不进去箱子，因为它太大了”，请问“它”是箱子还是衣服？你可能不知道，这种需要物理世界常识的这类问题，目前最先进的计算机也不能解决。目前的人工智能深度学习大多使用的是基于大量数据的拟合方法，计算机如何真正实现思考，如何真正实现理解，如何真正实现推理，这个过程遇到了诸多问题。

常识推理是人工智能领域发展的核心挑战之一。促进人工智能发展，使得机器具有「常识思维」，对于常识推理的研究是值得关注的未来发展方向。

发表于《》的《 and in 》，这一论文介绍了常识推理的应用领域、近年来的突破和进展、难点及发展瓶颈、已有的各种技术和对未来进一步研究的建议。

常识推理在文本理解、计算机视觉、机器人操作和规划等许多AI任务中有着举足轻重的地位。

在自然语言处理领域，消除歧义需要常识处理，如 “The is ” and “The is ”，两个““看似都是工作，但是第一个‘’是劳动，第二个‘’则是正常运转。

相似的问题也在计算机视觉领域也存在，在进行视觉任务的时候，如剪刀挂在门上，可能是由钉子或者挂钩进行支撑，需要对机器对图片中不存在的事物进行常识理解及。

机器人在不受控制的环境，能做出适当的反应。比如，客人向机器人要一杯酒，机器人看到他的杯子碎了或杯子脏了，能够重新换一个杯子，而不是简单地将酒倒进杯子给客人。机器人需要能够进行常识推理避免这类错误，这些都是非常具有挑战性的。

目前，自动常识推理已经取得了部分实质性的进展。主要在以下几个方面：

自动常识推理在众多研究领域取得显著进展，但仍面临着许多挑战。主要有以下几点：

常识推理的主要技术包括以下几点：

对于未来进一步研究方向，作者给了一些建议，包括基准测试、评估CYC、集成、其他推理形式、认知科学等。

建议对智能推理感兴趣的同学，精读论文细节（）。后台回复【书单12】领取论文。

参考资料：

每晚20:00推送人工智能干货

关注+星标【学算法的小黑狗】

学习不迷路