深度知识的6个维度：如何让人工智能真正理解世界？( 二 ) 智能的真正标志不是知识

文章图片
图注：支持更高水平智能的知识维度。图源：GadiSinger/英特尔实验室
1.描述性知识：层次、分类和属性继承
描述性知识（即概念性的、命题性的或陈述性的知识）描述事物、事件、事物/事件的属性以及其之间的关系。假设使用（适当的）类或概念的分层，深度描述性知识就能扩展其原本的定义。这类知识可以包括事实和记录系统。与特定用例和环境相关的事实和信息可以作为层次知识进行组织、利用和更新。
单个人工智能系统中使用的基础本体（ontology）可以使用来自策划系统的与任务相关的类和实体（例如， OpenCyc本体或AMR命名的实体类型）进行播种。这种基础本体应该是可以通过神经网络/机器学习技术进行扩展——也就是说，获取新知识就会得到新的实体，关系和类。
2.世界模型
世界上的现象模型让人工智能系统能够理解情况、解释输入/事件以及预测潜在的未来结果并采取行动。现象模型是抽象/概括，可以分为正式模型和近似（非正式）真实世界模型；现象模型允许在特定情况下对实例使用变量和应用程序，并允许对特定实例或更通用的类进行符号操作。
正式模型的例子包括逻辑、数学/代数和物理。与正式模型相比，现实世界的模型通常是经验的、实验性的、有时甚至显得有些混乱。现实世界的模型包括物理模型、心理模型和社会学模型。程序模型（“专有知识”）包括在这个类中。
因果模型可以帮助人工智能系统发展更上一层楼。在语境发生变化的情况下，如果与因果关系等知识模型相结合，并理解了控制原因的语境和考虑反事实的能力，那么过去的统计数据就可以有效地应用于现在从而预测未来。这些模型有助于从条件和可能因素的角度理解情况或事件。因果推理是人类思想不可或缺的组成部分，通过这种方式可以实现人类智慧级别的机器智能。
3.故事和脚本
正如历史学家尤瓦尔·哈拉瑞所说，故事构成了个人和社会的文化和世界观的关键部分。故事的概念对于充分理解和解释人类的行为和交流是必要的。故事是复杂的，在一个连贯的叙述中可能包含多个事件和各种信息。故事不仅仅是事实和事件的集合，故事还包含了重要的信息，这些信息有助于发展对所呈现数据之外的理解和概括。与世界模型不同的是，故事可以被视为具有历史意义、参考意义或精神意义。故事可以代表价值观和经历，这些价值观和经历会影响人们的信仰和行为。例子包括宗教或民族故事、神话，以及在任何层次的人群中分享的故事。
4.语境和来源归因
语境的定义是围绕着某个事件并为其自圆其说提供资源的框架。语境可以看作是一种覆盖的知识结构，调节着它所包含的知识。语境可以是持久的，也可以是短暂的。
持久的语境可以是长期的（比如从西方哲学角度或东方哲学角度获取的知识），也可以随着时间的推移、根据新的学习材料而改变。持久语境不会对每个任务进行更改。
当特定的本地语境很重要时，瞬态语境是相关的。单词是根据其周围句子或段落的局部语境来解释的。图像中感兴趣的区域通常在整个图像或视频的语境中得到解释。
持久语境和瞬态语境的结合可以为解释和操作知识提供完整的设置。
知识的另一个相关方面是数据来源（又名数据追溯），其包括数据来源、在数据传播的过程中发生了什么以及随着时间的推移数据将去往何方。人工智能系统不能假设所接收的所有信息都是正确或可信的，尤其是在被称为“后真相时代”的情况下信息更不可轻易相信。将信息与其来源相关联可能是建立可信性、可认证性和可追溯性所必需的。