连诺奖都拿了的AI，能像人类一样拥有常识吗？

诺贝尔奖加持下的AI：常识推理仍面临挑战

AI常识推理的现状与挑战

尽管人工智能（AI）在近年来取得了显著进展，甚至在今年的诺贝尔奖评选中也有所斩获，但其在处理人类日常生活中的常识问题时仍显得力不从心。常识能力是指人类能够轻松运用的事实知识和推理能力，它不仅涉及记忆，还包括在不确定情境中进行推理和决策。当前的AI模型虽然在某些特定任务上表现出色，但在面对这些看似简单的常识问题时，常常出现错误。

现有常识测试方法的局限性

现有的常识测试方法主要依赖于多项选择题，这种方式难以全面评估AI模型的常识推理能力。南加州大学信息科学研究所的首席科学家Mayank Kejriwal等人在《Nature》杂志上发表的文章中指出，这种测试方法存在明显不足。他们建议，未来的评估应更加注重要求AI模型解释其答案，并进行多步推理，以提高评估的准确性和全面性。

改进评估方法与未来研究方向

为了更好地评估和提升AI的常识推理能力，Kejriwal等人提出了一系列改进措施。首先，评估方法应更加多样化，不仅要考察AI模型的记忆能力，还要测试其在复杂情境中的推理和决策能力。其次，可以通过设计更具挑战性的开放式测试，进一步检验AI模型的常识推理水平。此外，他们还呼吁通过跨学科合作，设计全面的理论基准，为AI系统的常识能力提供更为科学的评估标准。

跨学科合作的重要性

AI的常识推理能力不仅是技术问题，更是涉及认知科学、心理学等多个领域的综合性问题。因此，Kejriwal等人强调，只有通过跨学科的合作，才能设计出更加全面和有效的评估方法。他们认为，通过结合不同领域的专业知识，可以更好地理解人类的常识推理机制，并将其应用于AI系统的设计中，最终实现具备具身常识的人工智能。

展望未来

总之，尽管AI在某些方面已经取得了显著成就，但在常识推理方面仍面临诸多挑战。通过改进评估方法、加强跨学科合作，未来有望开发出更加智能、可靠的人工智能系统，使其在现实世界中展现出更强的常识性推理能力。这不仅是实现机器智能的重要里程碑，也是推动AI技术发展的关键所在。