深度知识的6个维度：如何让人工智能真正理解世界？( 三 ) 智能的真正标志不是知识

5.价值和优先级（包括善/威胁和伦理）
知识的所有方面（例如，对象、概念或程序）在整个判断范围内都有相对应的价值——从最大的善到最大的恶都有对应。可以假设，人类智力的进化包括追求回报和避免风险（比如，追求吃午餐；避免被当成午餐）。这种风险/回报的关联与知识紧密相连。潜在的得失具有功利价值；对于实体或潜在的未来状态，还有一种基于伦理的价值。这种基于伦理的价值反映了一种道德价值观，即“善”不是基于潜在的有形回报或威胁，而是基于对什么是正确的潜在信念。
价值和优先级是元知识（meta-knowledge），其反映了人工智能系统对知识、行动和结果相关方面的主观断定。这为问责制奠定了基础，应该由负责特定人工智能系统的人认真处理。当人工智能系统与人类互动并做出影响人类福祉的选择时，潜在的价值和优先级系统很重要。
6.概念参考：消除歧义，统一和跨模态
知识是以概念为基础的。例如， “狗”是一个抽象概念——一个有多个名称（在各种语言中狗的说法都不一样）、一些视觉特征、声音联想等等的概念。然而不管其表现形式和用法如何， “狗”这个概念都是独一无二的。 “狗”的概念被映射到英语单词“dog” ，以及法语单词“chien” 。 “狗”的视觉特征可能如下图：

文章图片
同时“狗”也和汪汪吠叫声对应了起来。
概念引用（ConceptReference ，简称ConceptRef）是与给定概念相关的所有事物的标识符和引用集。概念引用本身实际上不包含任何知识——知识驻留在前面介绍的维度中。概念引用是多维知识库（KB）的关键，因为概念引用融合了概念的所有表象。
Wikidata就是集中存储结构化数据的多维知识库的一个很好的例子。在Wikidata中，项（items）代表人类知识中的所有事物，包括主题、概念和对象。 Wikidata的条目与这个框架中ConceptRef的定义相似——只有一个关键的区别：在Wikidata中，术语“项”既指给定的标识符，也指有关标识符的信息；而ConceptRefs只是带有指向KB指针的标识符。关于概念的信息则被填充在前面章节中描述的各种视图中（例如与概念相关的描述性或程序性知识）。
常识
常识知识由隐性信息组成，隐性信息是指广泛（且为大众共享）的不成文的假设，人类自动运用这些假设来理解世界。人工智能想要更深入地理解这个世界，将常识应用到情境中是必不可少的。在这个框架中，常识知识被认为是上述六种知识类型的子集。
2理解与知识类型之间的关系理解是智能的基础。向更高级机器智能的发展引发了一场关于“理解”的讨论。约书亚·本吉奥将拥有人类理解能力的人工智能描述为：
明白因果关系，理解世界如何运转；
理解抽象的行为；
知道如何使用以上知识去控制、推理和计划，即使是在新颖的场景中也依然拥有这种能力；
解释发生了什么;
out-of-distribution（即OOD ，分布外）生成。
而以知识为中心的对理解的定义是：用丰富的知识表示创建世界观的能力；获取和解释新信息以增强这种世界观的能力；以及对现有知识和新信息进行有效推理、决定和解释的能力。
这种理解观点的先决条件是以下四种功能：
具备丰富的知识；
获取新的知识；
能够跨实体和关系连接知识实例；
对知识进行推理。
理解不是二元属性，而是因类型和程度而异。这一观点的核心是知识的本质及其表征——知识结构和模型的表达能力可以促进理解和推理能力快速发展。