专栏首页arxiv.org翻译专栏常识性知识的维度(cs,AI)

常识性知识的维度(cs,AI)

常识性知识对许多人工智能应用程序至关重要,包括自然语言处理、视觉处理和规划。因此,在过去几十年里,许多包含常识性知识的资源被设计和构建起来。最近,聚焦于基于大文本的来源,这便于与神经(语言)模型集成并应用于文本任务,通常以牺牲源的语义为代价。这种做法阻碍了来源的统一,了解其覆盖范围和差距,并可能妨碍其知识与下游任务的语义调整。巩固常识性知识的努力取得了部分成功,但没有为全面巩固现有常识性知识提供明确的道路。

本文的雄心所在是围绕一组通用的常识性知识维度的来源。为此,我们调查了广泛的流行常识来源,特别关注他们的关系。我们将这些关系整合到13个知识维度,每个维度都抽象出来源中发现的更具体的关系。这种整合使我们能够统一不同的来源,并计算其在知识层面的覆盖范围、重叠和差距。此外,我们分析了每个维度对需要常识性知识的下游推理任务的影响,观察时间和欲望/目标维度对当前下游任务的推理非常有益,而清晰度和词汇知识的影响很小。这些结果表明,当前评估的重点是某些方面,而其他方面可能会被忽视。

原文标题:Dimensions of Commonsense Knowledge

原文:Commonsense knowledge is essential for many AI applications, including those in natural language processing, visual processing, and planning. Consequently, many sources that include commonsense knowledge have been designed and constructed over the past decades. Recently, the focus has been on large text-based sources, which facilitate easier integration with neural (language) models and application on textual tasks, typically at the expense of the semantics of the sources. Such practice prevents the harmonization of these sources, understanding their coverage and gaps, and may hinder the semantic alignment of their knowledge with downstream tasks. Efforts to consolidate commonsense knowledge have yielded partial success, but provide no clear path towards a comprehensive consolidation of existing commonsense knowledge.

The ambition of this paper is to organize these sources around a common set of dimensions of commonsense knowledge. For this purpose, we survey a wide range of popular commonsense sources with a special focus on their relations. We consolidate these relations into 13 knowledge dimensions, each abstracting over more specific relations found in sources. This consolidation allows us to unify the separate sources and to compute indications of their coverage, overlap, and gaps with respect to the knowledge dimensions. Moreover, we analyze the impact of each dimension on downstream reasoning tasks that require commonsense knowledge, observing that the temporal and desire/goal dimensions are very beneficial for reasoning on current downstream tasks, while distinctness and lexical knowledge have little impact. These results reveal focus towards some dimensions in current evaluation, and potential neglect of others.

原文链接:http://cn.arxiv.org/abs/2101.04640

原文作者:Filip Ilievski, Alessandro Oltramari, Kaixin Ma, Bin Zhang, Deborah L. McGuinness, Pedro Szekely

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 支持社会常识知识获取的逻辑模型(CS AI)

    原文题目:A Logical Model for Supporting Social Commonsense Knowledge Acquisition

    用户6853689
  • 指南 | 写给正在填报志愿并对CS/AI感兴趣的2019考生们

    本文是在计算机专业日益火爆的当下,解答考生和家长们普遍好奇的问题,帮助考生更加理性地选择专业,希望更多真正喜欢CS/AI的考生选好学校选对专业。

    数据派THU
  • 刘知远:写给正在填报志愿并对CS/AI感兴趣的2019届考生们

    为的是在计算机专业日益火爆的当下,解答考生和家长们普遍好奇的问题,帮助考生更加理性地选择专业,希望更多真正喜欢CS/AI的考生选好学校选对专业。现在看,这篇短文...

    AI科技大本营
  • 斯坦福AI课程10年发展史:CS 229最受欢迎,课程数量增两倍

    AI 正在改变世界,斯坦福大学处于这一趋势的最前沿。多年来,斯坦福已经涌现出许多 AI 方面的重大研究突破,斯坦福研究者也是 AI 领域的开拓者。

    机器之心
  • 写给想要填报CS/AI志愿的考生们

    国内CS/AI方向又有很多新的变化,最明显的是各大高校纷纷设立人工智能学院,开始招收人工智能专业本科生。最近又要开始新的一轮填报志愿,我又来蹭个热点,花了些时间...

    昱良
  • 清华刘知远:写给正在填报志愿并对CS/AI感兴趣的考生们

    2018年6月高考结束后,我写过一篇短文:《写给正在填报志愿并对CS/AI感兴趣的考生们-2018》。

    大数据文摘
  • 想本科入读人工智能专业,这篇文章送给准备填志愿的你

    在计算机专业和人工智能日益火爆的当下,很多人对这两个专业又是好奇又是憧憬。对此,清华大学刘知远教授近日在知乎上分享了一些内容,以帮助考生更加理性地选择专业,希望...

    机器之心
  • 想本科入读人工智能专业,这篇文章送给准备填志愿的你

    在计算机专业和人工智能日益火爆的当下,很多人对这两个专业又是好奇又是憧憬。对此,清华大学刘知远教授近日在知乎上分享了一些内容,以帮助考生更加理性地选择专业,希望...

    小小詹同学
  • 田渊栋:什么样的人适合搞AI?AI人才高收入是否合理?

    田渊栋 知乎专栏:https://zhuanlan.zhihu.com/yuandong

    用户1908973
  • 知识跟踪的领域适应(cs AI)

    随着在线教育系统的飞速发展,以预测学生的知识状态为目标的知识追踪已成为个性化教育的关键和基本任务。传统上,现有方法是领域指定的。但是,现实世界中存在大量领域(例...

    DANDAN用户6837186
  • 学界丨Facebook 田渊栋:学AI的门槛在哪,以及,为什么AI人才有高收入?

    AI科技评论按:本文作者田渊栋,卡耐基梅隆大学机器人系博士学位、上海交通大学硕士学位和学士学位,前谷歌无人车项目组成员,现任Facebook人工智能组研究员,主...

    AI科技评论
  • 视觉智能代理的常识性空间推理(cs AI)

    服务机器人有望可靠地理解复杂、快速变化的环境。从认知的角度来看,他们需要适当的推理能力和背景知识来展示人类般的视觉智能。特别是,我们先前的工作已经表明,推理世界...

    用户8352478
  • NXP发布了一个带有RISC-V内核的芯片

    恩智浦日前预告了其带有NPU的“ i.MX9”平台,并发布了低功耗,基于Cortex-A35的i.MX8ULP和启用了Azure Sphere的i.MX8ULP...

    刘盼
  • 在人工智能的浪尖上,如何抉择?

    知友:李麟 人工智能可以说是一门高尖端学科,属于社会科学和自然科学的交叉,涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论...

    IT派
  • 【资源】吴恩达 AI 完整课程资源超级大汇总!

    吴恩达(Andrew Ng),毫无疑问,是全球人工智能(AI)领域的大 IP!随着近些年来 AI 越来越火的大趋势下,吴恩达一直致力于普及、宣传、推广 AI 教...

    yuquanle
  • 使用ConceptNet知识库进行常识知识的数据驱动研究(AI)

    获得常识知识和推理被认为是实现通用人工智能(AI)的重要领域。自然语言处理(NLP)社区的最新研究表明,在解决此问题方面取得了重大进展。尽管取得了这种进展,这主...

    田冠宇
  • 黑暗,超越深度:具有人类常识的认知人工智能的范式转变(CS AI)

    最近在深度学习方面的进展基本上是基于“小任务大数据”范式,在这种范式下,海量的数据被用来训练一个分类器来完成单一的狭义任务。在这篇文章中,我们呼吁颠覆改变这种范...

    刘持诚
  • 电脑知识:分享实用的电脑维护小常识

    通常情况下都不要强行关闭电脑,要根据正常的程序步骤来关闭电脑的运行,因为电脑在运行的过程中,硬件会不断地读写数据,如果突然强行地关闭电脑,会损坏硬盘,可能会使一...

    IT技术分享社区
  • 技术知识的累积程度如何?(cs)

    技术累积性被认为是技术进步的主要机制之一,但其确切含义和动态性往往不甚清楚。为了更好地理解这一机制,我们将技术视为由相互关联的发明组成的知识体系。技术累积性可以...

    柴艺

扫码关注云+社区

领取腾讯云代金券